[發(fā)明專利]一種基于深度學(xué)習(xí)的塊級緩存預(yù)取優(yōu)化方法和系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201910526384.3
• 申請日: 2019-06-18
• 公開（公告）號: CN110245094B
• 公開（公告）日: 2020-12-29
• 發(fā)明（設(shè)計）人: 周可;王樺;石星;何銘健;張霽;冉忞瑋
• 申請（專利權(quán)）人: 華中科技大學(xué)
• 主分類號: G06F12/0862
• 分類號: G06F12/0862
• 代理公司: 武漢臻誠專利代理事務(wù)所(普通合伙) 42233
• 代理人: 宋業(yè)斌

1.一種基于深度學(xué)習(xí)的塊級緩存預(yù)取優(yōu)化方法，其特征在于，包括以下步驟：

(1)從測試數(shù)據(jù)集獲取以字節(jié)為單位的IO數(shù)據(jù)，將該IO數(shù)據(jù)轉(zhuǎn)化為以塊為單位的IO數(shù)據(jù)；

(2)判斷轉(zhuǎn)化后的IO數(shù)據(jù)是否在緩存中命中，如果是則過程結(jié)束，否則進入步驟(3)；

(3)對轉(zhuǎn)化后的IO數(shù)據(jù)進行順序預(yù)測，以得到多個存儲塊；

(4)將轉(zhuǎn)化后的IO數(shù)據(jù)存儲在內(nèi)存的IO隊列中，并判斷該IO隊列是否已滿，如果是則進入步驟(5)，否則返回步驟(1)；

(5)將內(nèi)存的IO隊列中的所有IO數(shù)據(jù)輸入訓(xùn)練好的基于LSTM的Seq2Seq模型中，以得到預(yù)測的IO數(shù)據(jù)，并根據(jù)該預(yù)測的IO數(shù)據(jù)獲取對應(yīng)的多個存儲塊；

(6)根據(jù)緩存替換算法，并使用步驟(3)和步驟(5)得到的存儲塊替換緩存中的存儲塊。

2.根據(jù)權(quán)利要求1所述的塊級緩存預(yù)取優(yōu)化方法，其特征在于，步驟(1)轉(zhuǎn)化后的IO數(shù)據(jù)是用其邏輯塊地址LBA與該轉(zhuǎn)化后的IO數(shù)據(jù)的存儲塊數(shù)BlockNum共同表示。

3.根據(jù)權(quán)利要求2所述的塊級緩存預(yù)取優(yōu)化方法，其特征在于，根據(jù)預(yù)測的IO數(shù)據(jù)獲取對應(yīng)的多個存儲塊，是首先解析該預(yù)測的IO數(shù)據(jù)，從而獲得其邏輯塊地址LBA、及其存儲塊數(shù)BlockNum，進而得到該預(yù)測的IO數(shù)據(jù)所包括的所有存儲塊。

4.根據(jù)權(quán)利要求1所述的塊級緩存預(yù)取優(yōu)化方法，其特征在于，判斷IO數(shù)據(jù)是否在緩存中命中是檢查IO數(shù)據(jù)的所有存儲塊是否在緩存中命中，如果是則表示該IO數(shù)據(jù)在緩存中命中，否則表示該IO數(shù)據(jù)沒有在緩存中命中。

5.根據(jù)權(quán)利要求1所述的塊級緩存預(yù)取優(yōu)化方法，其特征在于，對IO數(shù)據(jù)進行順序預(yù)測是根據(jù)該IO數(shù)據(jù)中最后一個存儲塊的邏輯地址預(yù)測將要訪問的存儲塊。

6.根據(jù)權(quán)利要求1所述的塊級緩存預(yù)取優(yōu)化方法，其特征在于，步驟(5)中使用的基于LSTM的Seq2Seq模型是通過以下步驟訓(xùn)練得到的：

(5-1)獲取訓(xùn)練數(shù)據(jù)集，將該訓(xùn)練數(shù)據(jù)集中以字節(jié)為單位的IO數(shù)據(jù)轉(zhuǎn)化為以塊為單位的IO數(shù)據(jù)；

(5-2)對步驟(5-1)轉(zhuǎn)化后得到的所有IO數(shù)據(jù)進行分段處理，以得到多個分段后的IO數(shù)據(jù)，并存儲所有分段后的IO數(shù)據(jù)；

(5-3)利用詞向量生成算法對所有分段后的IO數(shù)據(jù)進行處理，以得到IO數(shù)據(jù)對應(yīng)的向量；

(5-4)對所有分段后的IO數(shù)據(jù)進行非重疊序列采樣，以得到多個序列樣本；

(5-5)根據(jù)基于LSTM的Seq2Seq模型并使用步驟(5-3)得到的分段后的IO數(shù)據(jù)所對應(yīng)的向量對步驟(5-4)得到的多個序列樣本進行重復(fù)訓(xùn)練，直到達(dá)到預(yù)設(shè)迭代次數(shù)為止。

7.根據(jù)權(quán)利要求6所述的塊級緩存預(yù)取優(yōu)化方法，其特征在于，步驟(5-3)中具體是使用的word2vec算法中的連續(xù)詞袋模型，向量的維度為50。

8.根據(jù)權(quán)利要求1所述的塊級緩存預(yù)取優(yōu)化方法，其特征在于，步驟(6)使用的緩存替換算法可以是LRU算法、FIFO算法或ARC算法。

9.一種基于深度學(xué)習(xí)的塊級緩存預(yù)取優(yōu)化系統(tǒng)，其特征在于，包括：

第一模塊，用于從測試數(shù)據(jù)集獲取以字節(jié)為單位的IO數(shù)據(jù)，將該IO數(shù)據(jù)轉(zhuǎn)化為以存儲塊為單位的IO數(shù)據(jù)；

第二模塊，用于判斷轉(zhuǎn)化后的IO數(shù)據(jù)是否在緩存中命中，如果是則過程結(jié)束，否則進入第三模塊；

第三模塊，用于對轉(zhuǎn)化后的IO數(shù)據(jù)進行順序預(yù)測，以得到多個存儲塊；

第四模塊，用于將轉(zhuǎn)化后的IO數(shù)據(jù)存儲在內(nèi)存的IO隊列中，并判斷該IO隊列是否已滿，如果是則進入第五模塊，否則返回第一模塊；

第五模塊，用于將內(nèi)存的IO隊列中的所有IO數(shù)據(jù)輸入訓(xùn)練好的基于LSTM的Seq2Seq模型中，以得到預(yù)測的IO數(shù)據(jù)，并根據(jù)該預(yù)測的IO數(shù)據(jù)獲取對應(yīng)的多個存儲塊；

第六模塊，用于根據(jù)緩存替換算法，并使用第三模塊和第五模塊得到的存儲塊替換緩存中的存儲塊。