[發明專利]基于樸素貝葉斯機器學習模型預測存儲設備性能方法系統

在審

• 申請號: 202010109744.2
• 申請日: 2020-02-22
• 公開（公告）號: CN111352812A
• 公開（公告）日: 2020-06-30
• 發明（設計）人: 李闖;李玲俠
• 申請（專利權）人: 蘇州浪潮智能科技有限公司
• 主分類號: G06F11/34
• 分類號: G06F11/34;G06N20/00
• 代理公司: 濟南舜源專利事務所有限公司 37205
• 代理人: 張營磊

本發明提供一種基于樸素貝葉斯機器學習模型預測存儲設備性能方法系統，包括如下步驟：S1.創建存儲設備測試環境，設置存儲設備處于不同配置，并收集不同配置對應的IOPS性能值，生成測試數據集合；S2.構造配置信息及IOPS性能值的數據樣本特征空間向量，根據數據樣本特征空間向量搭建樸素貝葉斯算法模型，并設置數據樣本輸入輸出接口；S3.通過測試數據集合對樸素貝葉斯算法模型反復進行訓練及測試，直至樸素貝葉斯算法模型的準確率達到預期，生成樸素貝葉斯機器學習模型；S4.輸入存儲設備的配置，通過樸素貝葉斯機器學習模型對輸入的存儲設備模型對應的IOPS性能進行預測。

技術領域

本發明屬于計算機存儲設備技術領域，具體涉及一種基于樸素貝葉斯機器學習模型預測存儲設備性能方法系統。

背景技術

隨著科學計算和各種網絡應用的快速發展，人類產生的信息量越來越多，這使的數據的存儲越來越被人們所關注，從而使得存儲部件在整個計算機體系中所處的地位越來越重要，存儲已經由單一的磁盤、磁帶轉向磁盤陣列，進而發展到當前流行的存儲網絡。大規模的數據應用需求不斷涌現，海量數據及其應用也成為一個新的發展方向，數據存儲已經對人們的工作和生活產生了巨大的影響，而其中對于使用的存儲設備的各項性能提高也自然越來越需要關注。

單臺存儲設備的性能高低在硬件配置不做更改的前提下，對于不同的管理軟件層面配置，得到的輸入輸出性能高低差異很大，如何判斷配置存儲設備在固定的硬件環境條件性能高低，是客戶使用存儲設備重點關注的問題，也是存儲設備在性能測試時要達到的目標。

存儲設備要關注性能指標主要為IOPS，不同的配置方案在硬件不變條件下，不同配置的條件參數都會影響存儲設備性能的高低，實際使用或測試時為了確定的性能結果，通常要反復組合各種條件參數調試，并結合一定的經驗才能夠確定結果，費時費力且結論誤差不能保障。

此為現有技術的不足，因此，針對現有技術中的上述缺陷，提供一種基于樸素貝葉斯機器學習模型預測存儲設備性能方法系統，是非常有必要的。

發明內容

針對現有技術的上述現有的存儲設備IOPS性能通常要反復組合各種條件參數調試，并結合一定的經驗才能夠確定結果，費時費力且結論誤差不能保障的缺陷，本發明提供一種基于樸素貝葉斯機器學習模型預測存儲設備性能方法系統，以解決上述技術問題。

第一方面，本發明提供一種基于樸素貝葉斯機器學習模型預測存儲設備性能方法，包括如下步驟：

S1.創建存儲設備測試環境，設置存儲設備處于不同配置，并收集不同配置對應的IOPS性能值，生成測試數據集合；

S2.構造配置信息及IOPS性能值的數據樣本特征空間向量，根據數據樣本特征空間向量搭建樸素貝葉斯算法模型，并設置數據樣本輸入輸出接口；

S3.自動通過測試數據集合對樸素貝葉斯算法模型反復進行訓練及測試，直至樸素貝葉斯算法模型的準確率達到預期，生成樸素貝葉斯機器學習模型；

S4.輸入存儲設備的配置，通過樸素貝葉斯機器學習模型對輸入的存儲設備模型對應的IOPS性能進行預測。

進一步地，步驟S1具體步驟如下：

S11.創建存儲設備測試環境；

S12.設置存儲設備處于不同配置，并收集不同配置對應的IOPS性能值，設置不同IOPS性能值對應IOPS性能級別，生成測試數據集合；所述存儲設備的配置包括RAID級別參數、RAID磁盤數量參數、存儲的輸出鏈路數量參數、每個RAID創建LUN數量參數以及測試性能的并發數參數；所述IOPS性能級別包括性能級別差、性能級別合格以及性能級別優；

S13.將測試數據集合分成第一測試數據集合和第二測試數據集合。測試數據集合分組，一部分用于對樸素貝葉斯算法模型進行訓練，另一部分用于對訓練過的樸素貝葉斯算法模型進行測試，驗證訓練的效果。