[发明专利]一种存储设备性能预测方法及装置

说明书

本发明公开一种存储设备性能预测方法及装置，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。本发明不需要进行实际测试，只需要将配置参数信息输入到预测模型中即可得到其性能预测情况，操作便利，不需要复杂处理和人为干预，只用不断的进行数据样本输入，省时省力，可操作性很强。

技术领域

本发明涉及存储设备的性能测试领域，具体涉及一种存储设备性能预测方法及装置。

背景技术

随着科学计算的发展，社会产生了越来越多的信息量，人们也越来越多的关注数据的存储。存储设备已经由单一的磁盘、磁带转向磁盘阵列，进而发展到当前流行的存储网络。数据存储已经对人们的工作和生活产生了巨大的影响，而其中对于使用的存储设备的各项性能提高也自然越来越需要关注。目前，对存储设备性能测试的过程为测试人员输入配置参数，使存储设备真实运行检测存储设备性能，通常需要反复组合各种配置参数的变量，以找到最优的性能。这个过程费事费力，测试效率较低。

发明内容

为解决上述问题，本发明提供一种存储设备性能预测方法及装置，建立性能预测模型，通过性能预测模型针对不同配置参数进行性预测，提高测试效率。

本发明的技术方案是：一种存储设备性能预测方法，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。

进一步地，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。

进一步地，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。

进一步地，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，N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。