[发明专利]一种实现数据预读的方法及装置

说明书

技术领域

本发明涉及计算机技术，尤指一种实现数据预读的方法及装置。

背景技术

随着计算机技术的发展，存储系统逐渐从计算系统中迁移出来，并逐渐形成一种独立的设备。如今整个计算系统可以认为由计算节点、交换节点和存储节点三部分组成。随着计算节点计算容量的增加对存储节点的性能提出了越来越高的要求，存储系统时存储节点的主要形态。存储介质中，普通的机械硬盘由于受机械结构影响，整体性能普遍偏低，一般每秒进行读写操作的次数(IOPS)在100左右，即使企业级高速机械硬盘的IOPS也不会超过200。因此由机械硬盘组成的存储系统，整体性能受到极大的限制。

鉴于上述原因，为了提高存储系统的性能，在存储系统之上增加了缓存系统，缓存系统在系统内存中实现。由于CPU访问内存的速度是访问硬盘速度的百倍甚至千倍以上。加入缓存系统的存储系统在性能上得到了极大的提升。缓存系统极大的提高了访问硬盘的速度，从而提升了存储系统的工作性能，但，缓存系统存在缓存命中的问题，以读为例，只有尽量多的从缓存中读取到需要读取的数据，才能提高存储系统的性能，即，需要将存储系统预先将硬盘的数据读到缓存系统的缓存中。

目前，将硬盘数据预读到缓存主要基于输入输出(IO)随机特性，当IO随机特性判定为连续IO时，将连续IO数据后期可能被读的数据预读到缓存中。鉴于连续IO的可预知性，保证了将数据预读到缓存的正确性，即保证了缓存的预读数据的命中率。而对IO随机特性判定为随机IO时，由于随机IO具有非线性特性，采用现有的方法，无法预知后期可能被读取数据的IO具体位置，因此无法实现随机IO的数据预读。

发明内容

为了解决上述技术问题，本发明提供了一种实现数据预读的方法，能够对随机IO的具体位置进行预知，从而读取预知的随机IO位置的数据，提高缓存系统预读数据的命中率。

为了达到本发明目的，本发明提供了一种实现数据预读的方法，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。

另一方面，本申请还提供一种实现数据预读的装置，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。