[发明专利]一种扩容方法、预测模型创建方法、装置、设备及介质

权利要求书

1.一种扩容方法，其特征在于，包括：

获取第一预测模型；其中，所述第一预测模型为利用基于存储系统的历史容量消耗量的时序数据构建的训练样本，对基于机器学习算法构建的待训练模型进行训练后得到的；

利用所述第一预测模型，预测与容量消耗时长期望值对应的待扩充容量信息；

根据所述待扩充容量信息对所述存储系统进行相应的扩容操作；

并且，所述方法还包括：从根据扩容时间段期望值和读写吞吐量预测值之间的对应关系构建的曲线图中，选取出对应时长为扩容时长预测值的、并且与时间轴之间所形成的面积最小的一个曲线段作为目标曲线段，并将所述目标曲线段对应的时间段确定为最佳扩容时间段。

2.根据权利要求1所述的扩容方法，其特征在于，所述获取第一预测模型之前，还包括：

获取所述存储系统的历史容量消耗量的第一时序数据；

利用所述第一时序数据中的时间片段信息以及相应的历史容量消耗量，构建第一训练样本；

利用所述第一训练样本对基于机器学习算法构建的待训练模型进行训练，得到所述第一预测模型。

3.根据权利要求2所述的扩容方法，其特征在于，所述利用所述第一训练样本对基于机器学习算法构建的待训练模型进行训练，得到所述第一预测模型，包括：

将所述第一训练样本中的时间片段信息作为模型输入侧数据，以及将所述第一训练样本中的历史容量消耗量作为模型输出侧数据，对基于机器学习算法构建的待训练模型进行训练，得到所述第一预测模型。

4.根据权利要求2所述的扩容方法，其特征在于，所述利用所述第一训练样本对基于机器学习算法构建的待训练模型进行训练，得到所述第一预测模型，包括：

将所述第一训练样本中的历史容量消耗量作为模型输入侧数据，以及将所述第一训练样本中的时间片段信息作为模型输出侧数据，对基于机器学习算法构建的待训练模型进行训练，得到所述第一预测模型。

5.根据权利要求1至4任一项所述的扩容方法，其特征在于，所述预测与容量消耗时长期望值对应的待扩充容量信息之后，以及所述根据所述待扩充容量信息对所述存储系统进行相应的扩容操作之前，还包括：

获取第二预测模型；其中，所述第二预测模型为利用第二训练样本对基于机器学习算法构建的待训练模型进行训练后得到的，并且，所述第二训练样本包括存储系统硬件信息、历史扩充容量信息以及相应的扩容时长信息；

采集所述存储系统的当前硬件信息，并将所述待扩充容量信息和所述当前硬件信息输入至所述第二预测模型，以得到所述第二预测模型输出的扩容时长预测值。

6.根据权利要求5所述的扩容方法，其特征在于，所述获取第二预测模型之前，还包括：

获取所述第二训练样本；

将所述第二训练样本中的存储系统硬件信息和历史扩充容量信息作为模型输入侧数据，以及将所述第二训练样本中的扩容时长信息作为输出侧数据，对基于机器学习算法构建的待训练模型进行训练，得到所述第二预测模型。

7.根据权利要求5所述的扩容方法，其特征在于，所述根据所述待扩充容量信息对所述存储系统进行相应的扩容操作之前，还包括：

获取第三预测模型；其中，所述第三预测模型为利用基于所述存储系统的历史读写吞吐量的时序数据构建的训练样本，对基于机器学习算法构建的待训练模型进行训练后得到的；

将扩容时间段期望值输入至所述第三预测模型，得到所述第三预测模型输出的所述扩容时间段期望值上的每一时间点的读写吞吐量预测值；

根据所述扩容时间段期望值和所述读写吞吐量预测值之间的对应关系，创建相应的曲线图；

从所述曲线图中选取出对应时间段的时长与所述扩容时长预测值相一致的，并且与时间轴之间所形成的面积最小的一个曲线段作为目标曲线段；

将所述目标曲线段对应的时间段确定为最佳扩容时间段。