[发明专利]一种预测存储设备性能的方法和系统

说明书

本发明提出了一种预测存储设备性能的方法和系统。该方法包括:搭建测试环境；通过测试工具对多种配置下的存储设备进行性能测试，得到原始测试数据；在原始测试数据中筛选出相同配置项下IOPS最大的数据作为参考值；对参考值中的异常点进行数据平滑；异常点平滑完成后插入多组数据得到某配置项下的IOPS；采用曲线拟合函数对某配置项下的IOPS进行拟合得到多个拟合函数，选取出拟合度最高的拟合函数以及对应的配置项。基于该方法，还提出了一种预测存储设备性能的系统，本发明根据有限的样本测试数据，对数据进行最大化筛选、平滑处理、插入更多数据再数据拟合，能得到各种配置项下无限的性能数据，对于预测存储设备的性能有重要意义。

技术领域

本发明属于服务器存储设备技术领域，特别涉及一种预测存储设备性能的方法和系统。

背景技术

随着近几年互联网和移动互联网的高速发展,人们产生的数据总量呈现急剧增长的趋势,大概每六个月产生的数据总量是以往的数据量之和。存储设备作为数据的重要后端存储源，在各大企业、政府、军队、医院等机构被广泛使用，每年的数据量持续增长，存储设备的采购量也每年在增加。存储设备的性能也必须能够满足这些客户在各种严苛场景下使用。根据客户应用场景所需的性能，给出对应的存储配置方案，是各存储厂商需要解决的事情。而这些配置方案的背后，需要有一套理论工具支撑，用于预测各种配置下的存储性能。

现有技术中，存在的有建立数据样本特征空间；使用数据样本特征空间训练机器学习模型以生成分类判断函数；使用分类判断函数处理特定配置参数以预测存储设备在特定配置参数下的存储性能的方法，还有通过AdaBoost迭代算法模型进行预测。但是现有技术中均不能做到对预测数据的最大化筛选，以及插入更多的数据。

发明内容

为了解决上述技术问题，本发明提出了一种预测存储设备性能的方法和系统。根据有限的样本测试数据，对数据进行最大化筛选、平滑处理、插入更多数据，然后进行数据拟合，理论上能得到各种配置项下无限的性能数据。

为实现上述目的，本发明采用以下技术方案：

一种预测存储设备性能的方法，包括以下步骤：

通过测试工具对多种配置下的存储设备进行性能测试，得到原始测试数据；

在原始测试数据中筛选出相同配置项下IOPS最大的数据作为参考值；对所述参考值中的异常点进行数据平滑；异常点平滑完成后插入多组数据得到某配置项下的IOPS；

采用曲线拟合函数对所述某配置项下的IOPS进行拟合得到多个拟合函数，选取出拟合度最高的拟合函数以及对应的配置项。

进一步的，所述原始测试数据包括存储设备实际测试得到的配置项和该配置项下的性能数据，将所述原始测试数据存入第一数据表中。

进一步的，所述在原始测试数据中筛选出相同配置项下IOPS最大的数据作为参考值包括：从第一数据表中筛选出相同配置项下IOPS最大的数据作为参考值存入第二数据表。

进一步的，所述对所述参考值中的异常点进行数据平滑包括：对第二数据表中参考值中的异常点进行曲线拟合完成异常点平滑，并将平滑完成后的配置条件、盘数和IOPS数据存入第三数据表。

进一步的，所述异常点平滑完成后插入多组数据得到某配置项下的IOPS包括：对平滑完成后第三数据表中数据调用函数Sub_func_interpolyfit插入多组数据得到某配置项下的IOPS并存入第四数据表。

进一步的，所述采用曲线拟合函数对所述某配置项下的IOPS进行拟合得到多个拟合函数，选取出拟合度最高的拟合函数以及对应的配置项包括：对第四数据表中某配置项下的IOPS采用曲线拟合函数Sub_func_exp进行拟合得到多个拟合函数，选取出拟合度最高的拟合函数以及对应的配置项，将所述拟合度、拟合函数和对应的配置项写入第五数据表。