[发明专利]一种存储设备性能预测方法及装置

权利要求书

1.一种存储设备性能预测方法，其特征在于，包括以下步骤：

S1，获取存储设备的配置参数和不同配置参数下的性能数据；

S2，将配置参数作为输入，对应性能数据的类别作为输出组成训练样本；所述性能数据的类别预先设置；

S3，通过距离分类器对训练样本进行训练，获得性能预测模型；

S4，使用性能预测模型针对待测配置参数进行存储设备的性能预测。

2.根据权利要求1所述的存储设备性能预测方法，其特征在于，配置参数包括多个变量，距离分类器通过以下公式进行分类：

其中，x_i为配置参数的第i个变量，N为变量个数，d(x，y)为配置参数到某类别的距离，y_i为该类别所对应的第i个变量的类别值，k_i为第i个变量的变量权重。

3.根据权利要求2所述的存储设备性能预测方法，其特征在于，该方法通过简化粒子群算法计算配置参数各个变量的变量权重。

4.根据权利要求3所述的存储设备性能预测方法，其特征在于，简化粒子群优化算法通过以下迭代公式判断各个变量的变量权重为：x_i(t+1)＝wx_i(t)+c₁r₁(p_i(t)-x_i(t))+c₂r₂(p_g(t)-x_i(t))；

式中，t为当前迭代次数；x_i(t)是粒子i在第t次迭代中的位置；t为当前迭代次数；ω为惯性权重；c₁、c₂是学习因子；r₁、r₂为服从均匀分布[0，1]之间的随机数；p_i(t)是目前第i个粒子搜索到的个体最优值，p_g是到目前为止所有粒子搜索到的全局最优值；其中，惯性权重表达式如下：其中λ表示权重因子，M表示粒子数；

简化粒子群优化算法的粒子表示配置参数的变量，粒子的位置表示变量权重。

5.根据权利要求4所述的存储设备性能预测方法，其特征在于，该方法对简化粒子群优化算法进行优化，还包括使学习因子c₁、c₂的表达式为：

其中，c_1max、c_2max为最大学习因子，c_1min、c_2min为最小学习因子。

6.根据权利要求2-5任一项所述的存储设备性能预测方法，其特征在于，通过简化粒子群优化算法对配置参数的特征权重进行优，具体为：

S101，设置初始化参数，包括种群数目H、迭代次数L、搜索维度Z和每个粒子的初始位置，其中搜索维度为配置参数的变量数量；

S102，计算每个粒子的适应度值；

S103，对每个粒子，将其适应度值与其历史个体最优值p_i(t)对应的适应度值进行比较，若优于历史个体最优值p_i(t)的适应度值，则将当前粒子的位置作为其个体最优值p_i(t)；

S104，对每个粒子，将其适应度值与历史全局最优值p_g对应的适应度值进行比较，若优于历史全局最优值p_g的适应度值，则将当前粒子的位置作为全局最优值p_g；

S105，根据优化后的简化粒子群优化算法的迭代公式更新每个粒子的位置，并返回步骤S102，直到满足优化结束条件。

7.根据权利要求6所述的存储设备性能预测方法，其特征在于，配置参数的变量包括：硬盘数量、RAID级别、RAID数量、单个RAID中磁盘数量、输出链路数量、每个RAID创建卷数量、性能测试并发数。