[发明专利]通过对执行中工作负载的学习而部署储存系统资源的方法

摘要

本发明提供一种通过对执行中工作负载的学习而部署储存系统资源的方法。该方法应用于储存系统，利用状态‑动作模糊规则与动作‑奖励模糊规则，学习工作负载的性能参数以得到资源的最佳动态部署，无须人力介入操作。这样减轻了储存系统管理员的工作量，并加强该储存系统的性能。

主权项

1.一种通过对执行中工作负载的学习而部署储存系统资源的方法，其特征在于，包括：A、设定在特定场景与资源调整下用于储存系统的性能参数与工作负载的服务层级协议间的偏离百分比的状态‑动作模糊规则，及用于资源调整与奖励值的动作‑奖励模糊规则，其中所述场景为所述性能参数的偏离方向与对应的资源变化间的特定关系；B、提供经验矩阵，所述经验矩阵的任一列中的字段都对应到在特定状态下的奖励值，且任一行的字段都对应到对于至少一个资源的调整的奖励值，其中所述经验矩阵的所有字段数值初始值归零，所述初始值归零的状态是性能参数偏离百分比的特定组合；C、搜集来自其中一个工作负载的目前性能参数偏离百分比，并为所述工作负载提供多个之后时间点上的预测性能参数偏离百分比；D、随机选择一个场景，并将搜集到的所述工作负载的目前性能参数偏离百分比输入到选择的场景的状态‑动作模糊规则的隶属函数中，进行模糊化、模糊推理，与结果汇总，得到第一动作区间；E、对第一动作区间解模糊化以得到对至少一个资源的调整量；F、在所述储存系统中对所述工作负载执行所述调整量；G、将提供的所述工作负载的预测性能参数偏离百分比输入到动作‑奖励模糊规则的隶属函数中，进行模糊化、模糊推理，与结果汇总，得到奖励区间；H、对所述奖励区间解模糊化以得到偏离奖励值；I、在所述经验矩阵中与与所述预测性能参数偏离百分比的状态对应的列中，寻找每一列中的最大值；J、将所述偏离奖励值与来自步骤I中在先前时间上的选择值进行累加得到更新奖励值，并将所述更新奖励值取代所述经验矩阵中在所述性能参数偏离百分比的状态与先前时间点动作量下的字段的值；K、重复步骤C到步骤J，直到每一字段满足收敛条件，其中步骤D所使用的工作负载是对所有工作负载依序轮流选定执行；及L、选择所述经验矩阵中与观测到的性能参数偏离百分比对应的一列，并在所述储存系统中执行对应的列中最大值字段的特定资源的调整。