[发明专利]使用机器学习模块来确定是否执行存储单元的错误检查

说明书

提供了用于使用机器学习模块来确定何时执行存储单元的错误检查的计算机程序产品、系统和方法。对包括存储单元的至少一个存储设备的属性的输入被提供给机器学习模块以产生输出值。根据输出值确定错误检查频率。确定错误检查频率是否指示针对存储单元执行错误检查操作。响应于确定错误检查频率指示执行错误检查操作而执行错误检查操作。

技术领域

本发明涉及一种用于使用机器学习模块来确定何时执行存储单元的错误检查的计算机程序产品、系统和方法。

背景技术

为了保持存储系统中的数据完整性，可以对数据执行错误检查和错误校正操作(如果检测到错误)。对于存储阵列，例如独立磁盘冗余阵列(RAID)，可维持奇偶校验数据，其可用于检查是否存在数据错误和校正数据。在RAID阵列中，可以通过读取跨RAID阵列中的存储设备存储的RAID条带中的所有块，并将读取的数据与奇偶校验数据进行比较以确定是否存在不一致性，来周期性地执行奇偶校验擦除操作以验证数据和奇偶校验块的完整性。奇偶校验擦除操作在计算上是昂贵的，需要系统计算资源和对从存储阵列读取数据和奇偶校验数据的连续访问。随着驱动容量的增加，针对奇偶校验擦除的错误检查操作的程度已经经历了相应的增加，这可能导致寻求访问RAID阵列中的数据的其他操作和应用的等待时间延迟。

用于错误检查的一种技术是在固定数量的写入操作之后周期性地执行奇偶校验擦除。对于关键数据，系统管理员可以将固定数量设置为低以确保连续的错误校正操作以避免数据错误传播通过关键数据。然而，这些连续错误检查操作可能导致访问关键数据的等待时间延迟。

本领域需要用于确定何时在存储单元中执行错误校正检查和操作的改进技术。

发明内容

第一实施例包括用于使用机器学习模块来确定何时执行存储单元的错误检查的计算机程序产品、系统和方法。对包括存储单元的至少一个存储设备的属性的输入被提供给机器学习模块以产生输出值。根据所述输出值确定错误检查频率。确定错误检查频率是否指示针对存储单元执行错误检查操作。响应于确定错误检查频率指示执行错误检查操作而执行错误检查操作。

从第一方面来看，本发明提供了对计算机技术的改进，该计算机技术用于通过使用机器学习模块和算法基于为存储设备记录的当前操作参数动态地确定存储单元处的错误的可能性来确定何时执行错误检查和处理。以此方式，所描述的实施例通过动态地确定执行错误检查操作的频率来优化计算和存储资源到错误检查操作的分配，所述频率基于关于数据错误是否可能在存储设备处给定当前操作条件的预测。该动态确定基于关于数据错误是否可能在存储设备处给定当前操作条件的预测来执行错误检查的决定。

优选地，本发明提供一种计算机程序产品，其中，所述存储单元包括存储设备的阵列或一个存储设备中的一个。

优选地，本发明提供一种用于扩展优化技术以优化用于存储设备的存储阵列(诸如RAID阵列)和用于单个存储设备存储单元的错误检查操作的计算机程序产品。

优选地，本发明提供了一种用于提供关于存储单元的属性的输入的计算机程序产品，包括将输入周期性地提供给机器学习模块以周期性地产生输出值，其中，确定错误检查频率的操作以及确定错误检查频率是否指示执行错误检查操作。

优选地，本发明提供一种计算机程序产品，用于使用机器学习算法确定何时执行错误检查以将错误检查限制到存在错误可能性的预测的那些实例，所述计算机程序产品被周期性地执行以连续地确定是否需要错误检查以优化错误检查。这确保增加错误发生的任何周期将经受错误检查和处理，并且具有低错误率的周期将不会导致错误检查，因为当错误的可能性低时不执行检查。

优选地，本发明提供一种计算机程序产品，其中根据输出值确定错误检查频率包括根据输出值确定写入的数量。确定所述错误检查频率是否指示执行所述错误检查操作包括确定写入计数器是否超过所述错误检查频率。响应于写入计数器超过错误检查频率而执行错误检查操作。