[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

说明书

本申请公开了一种扩容方法、预测模型创建方法、装置、设备及介质，该扩容方法包括：获取第一预测模型；其中，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；根据待扩充容量信息对存储系统进行相应的扩容操作。本申请是基于历史容量消耗量的时序数据来训练上述基于机器学习算法的预测模型，由于历史容量消耗量的时序数据能够客观地反映出容量消耗量的实际变化趋势，从而使得利用上述第一预测模型预测的待扩充容量信息更加符合用户的日常实际容量需求，提高了扩充容量的预测准确度。

技术领域

本申请涉及存储技术领域，特别涉及一种扩容方法、预测模型创建方法、装置、设备及介质。

背景技术

当前，对于一个存储产品来说，随着时间的推移，扩容是必不可少的。但是需要扩容多少，才能保证满足后续几年甚至十几年的使用需求，是一个比较难的问题。现有常规的做法是，根据历史使用情况，做一个大致的估计，而估计方法也基本采用等比例估计法。

然而，通过上述等比例估计法确定出来的需扩充容量并非十分准确，经常会出现估计的需扩充容量明显过多或过少的问题。

发明内容

有鉴于此，本申请的目的在于提供一种扩容方法、预测模型创建方法、装置、设备及介质，能够有效提高扩充容量的预测准确度。其具体方案如下：

第一方面，本申请公开了一种扩容方法，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。

可选的，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。

可选的，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。

可选的，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。

可选的，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。

可选的，所述获取第二预测模型之前，还包括：