[發(fā)明專利]一種固態(tài)硬盤的數據處理方法及裝置

有效

• 申請?zhí)枺?/td>: 201910385547.0
• 申請日: 2019-05-09
• 公開（公告）號: CN111913648B
• 公開（公告）日: 2021-08-17
• 發(fā)明（設計）人: 李衛(wèi)軍;徐斌;王巖;李文江
• 申請（專利權）人: 深圳大普微電子科技有限公司
• 主分類號: G06F3/06
• 分類號: G06F3/06;G06N3/04
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 王仲凱

1.一種固態(tài)硬盤的數據處理方法，其特征在于，包括：

獲取固態(tài)硬盤SSD接收到的接口協議指令；

解析所述接口協議指令，以獲取所述接口協議指令中的I/O信息，所述I/O信息至少包括I/O時間戳、I/O類型及I/O大小；

對所述I/O信息執(zhí)行機器學習，以對未來第一時間段的I/O信息進行預測，以使得固態(tài)硬盤處理器根據I/O預測結果主動執(zhí)行固態(tài)硬盤管理；

所述對所述I/O信息執(zhí)行機器學習，以對未來第一時間段的I/O信息進行預測，包括：

對所述I/O信息執(zhí)行預處理，以得到第一I/O信息表；

將所述第一I/O信息表中的多個相鄰I/O操作合并為一次I/O操作；

將多個合并后的I/O操作的特征值用于神經網絡LSTM模型學習，以得到所述第一時間段的I/O預測結果；

將所述I/O預測結果執(zhí)行后期處理，以調整所述I/O預測結果；

所述將多個合并后的I/O操作的特征值用于神經網絡LSTM模型學習，以得到所述第一時間段的I/O預測結果，包括：

將多個合并后的I/O操作的特征值，輸入到神經網絡LSTM的輸入全連接層，以通過線性變換，將合并后的I/O操作的特征值做高維向量空間映射，所述I/O操作的特征值與所述I/O時間戳、所述I/O類型及所述I/O大小相關；

通過多個神經網絡細胞LSTM Cell組成神經元集合，以將所述高維向量空間映射后的特征值依次循環(huán)輸入所述神經元集合中進行運算，以得到運算結果；

將所述運算結果輸入到神經網絡LSTM的輸出全連接層，以將所述運算結果映射為預測結果輸出維度的特征值，所述預測結果輸出維度的特征值反映了所述第一時間段的I/O預測結果。

2.根據權利要求1所述的方法，其特征在于，所述對所述I/O信息執(zhí)行預處理，以得到第一I/O信息表，包括：

根據所述I/O時間戳，計算出多組滿足第一預設數目的I/O操作間的時間間隔；

統(tǒng)計出每組中第一預設數目的I/O操作在所述時間間隔內的讀操作及寫操作的次數總和及對應的數據大小，以得到所述第一I/O信息表。

3.根據權利要求1所述的方法，其特征在于，所述將所述高維向量空間映射后的特征值依次循環(huán)輸入所述神經元集合中進行運算，包括：

將所述高維向量空間映射后的特征值依次輸入每個神經元細胞的網絡結構中進行運算，所述網絡結構包括輸入門、遺忘門及輸出門。

4.根據權利要求1所述的方法，其特征在于，所述多個合并后的I/O操作的特征值所對應的時間間隔大于所述第一時間段。

5.根據權利要求1所述的方法，其特征在于，所述固態(tài)硬盤管理包括：緩存管理、垃圾回收或指令隊列管理。

6.根據權利要求1至5中任一項所述的方法，其特征在于，所述方法還包括：

通過第一公式對所述I/O預測結果進行評估，以評估所述I/O預測結果的準確率；

所述第一公式包括：

所述r表示I/O預測結果的準確率，所述x_i表示當前I/O的實際強度，y_i表示預測的I/O強度，表示多個x_i的平均值，表示多個y_i的平均值。

7.一種計算機裝置，包括處理器，其特征在于，所述處理器在執(zhí)行存儲于存儲器上的計算機程序時，用于實現如權利要求1至6中任一項所述的固態(tài)硬盤的數據處理方法。

8.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時，用于實現如權利要求1至6中任一項所述的固態(tài)硬盤的數據處理方法。