[发明专利]一种实现数据预读的方法及装置

权利要求书

1.一种实现数据预读的方法，其特征在于，包括：

对单隐层神经网络进行训练获得预设层数的多隐层神经网络；

基于训练完成的预设层数的多隐层神经网络对存储系统的数据预读到缓存；

所述基于训练完成的预设层数的多隐层神经网络对存储系统的数据预读到缓存具体包括：

将向存储系统缓存发送的请求读IO信息发送到所述训练完成的多隐层神经网络；所述训练完成的多隐层神经网络计算获得将读取存储系统IO的位置信息；根据IO的位置信息将相应的数据输出到缓存中，实现预读数据到缓存。

2.如权利要求1所述的方法，其特征在于，在对单隐层神经网络进行训练之前，该方法还包括：

获取缓存读取的历史数据作为数据样本集，通过数据样本集训练生成单隐层神经网络；

所述单隐层神经网络包括输入层、输出层及一个隐层。

3.如权利要求1或2所述的方法，其特征在于，所述训练获得预设层数的多隐层神经网络具体包括：

对所述单隐层神经网络，逐次训练以添加新的隐层，直至隐层数达到预设层数。

4.根据权利要求3所述的方法，其特征在于，所述添加新的隐层具体包括：

预先赋值所述单隐层神经网络中第一隐层的第一初始化权重；

将数据样本集的第一样本输入数据作为单隐层神经网络的输入，通过赋值为初始化权重第一隐层的处理后，完成第一输出层的输出；

根据第一输出层的输出与第一样本输入数据对应的第一样本输出，经由误差反向传播BP过程处理确定第一隐层的实际权重；

舍弃第i输出层，并在第i隐层和第i+1输出层之间添加第i+1隐层生层包含有i+1层隐层的神经网络；

预先赋值所述第i+1隐层的第i+1初始化权重；

将数据样本集的第i+1样本输入数据作为i+1层隐层的神经网络的输入，通过赋值为第i+1初始化权重第i+1隐层的处理后，完成第i+1输出层的输出；

根据第i+1输出层的输出与第i+1样本输入数据对应的第i+1样本输出，经由BP过程处理确定第i+1隐层的实际权重；

所述i∈[1，2…N]，其中N为所述预设层数的数值减1的正整数。

5.如权利要求1所述的方法，其特征在于，该方法还包括：

根据对存储系统的实际读取的数据与预读到缓存的数据进行比对，根据比对差值进行BP过程处理，调整多隐层神经网络中第预设层数层的隐层的权重。

6.一种实现数据预读的装置，其特征在于，包括：第一训练单元及数据预读单元；其中，

第一训练单元，用于对单隐层神经网络进行训练获得预设层数的多隐层神经网络；

数据预读单元，用于基于训练完成的预设层数的多隐层神经网络对存储系统的数据预读到缓存；所述数据预读单元具体用于，将向存储系统缓存发送的请求读IO信息发送到所述训练完成的多隐层神经网络；所述训练完成的多隐层神经网络计算获得将读取存储系统IO的位置信息；根据IO的位置信息将相应的数据输出到缓存中，实现预读数据到缓存。

7.如权利要求6所述的装置，其特征在于，该装置还包括第二训练单元，用于在对单隐层神经网络进行训练之前，获取缓存读取的历史数据作为数据样本集，通过数据样本集训练生成单隐层神经网络；

所述单隐层神经网络包括输入层、输出层及一个隐层。

8.如权利要求6或7所述的装置，其特征在于，所述第一训练单元具体用于，对所述单隐层神经网络，逐次训练以添加新的隐层，直至隐层数达到预设层数。