CN114489498A - 一种NAND Flash介质剩余寿命预测的方法、装置、设备及介质 - Google Patents
一种NAND Flash介质剩余寿命预测的方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114489498A CN114489498A CN202210047838.0A CN202210047838A CN114489498A CN 114489498 A CN114489498 A CN 114489498A CN 202210047838 A CN202210047838 A CN 202210047838A CN 114489498 A CN114489498 A CN 114489498A
- Authority
- CN
- China
- Prior art keywords
- data
- time
- nand flash
- date
- trained model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000008859 change Effects 0.000 claims abstract description 32
- 238000012549 training Methods 0.000 claims abstract description 20
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000004590 computer program Methods 0.000 claims description 11
- 230000015654 memory Effects 0.000 claims description 11
- 230000003203 everyday effect Effects 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 206010011906 Death Diseases 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 3
- 230000002028 premature Effects 0.000 abstract description 5
- 239000002699 waste material Substances 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 8
- 238000007667 floating Methods 0.000 description 8
- 210000004027 cell Anatomy 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000005299 abrasion Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 210000003850 cellular structure Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
- G06F3/0614—Improving the reliability of storage systems
- G06F3/0616—Improving the reliability of storage systems in relation to life time, e.g. increasing Mean Time Between Failures [MTBF]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
- G06F3/0638—Organizing or formatting or addressing of data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
- G06F3/0671—In-line storage system
- G06F3/0673—Single storage device
- G06F3/0679—Non-volatile semiconductor memory device, e.g. flash memory, one time programmable memory [OTP]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Techniques For Improving Reliability Of Storages (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明提供了一种NAND Flash介质剩余寿命预测的方法、装置、设备及可读介质，该方法包括：获取预设时间内NAND Flash的擦写次数随时间变化的第一数据和系统写入数据量随时间变化的第二数据；将第一数据和第二数据分别进行预处理；将预处理后的第一数据和第二数据分别输入到LSTM模型进行训练以得到训练后的模型；基于训练后的模型预测NAND Flash的寿命终点时间。通过使用本发明的方案，能够更精确的预测NAND Flash的寿命，保障NAND Flash数据的安全性，能够避免介质过早更换所带来的资源浪费。
Description
技术领域
本发明涉及计算机领域，并且更具体地涉及一种NAND Flash介质剩余寿命预测的方法、装置、设备及可读介质。
背景技术
NAND Flash是一种非易失性随机访问存储介质。它基于浮栅(Floating Gate)晶体管设计，通过浮栅来锁存电荷。电子电荷被储存在浮置栅极中，在无电源供应的情况下对数据有一定的保持能力。写操作是在控制极加正电压，使电子通过绝缘层进入浮栅极。擦除操作正好相反，是在衬底加正电压，把电子从浮栅极中吸出来。电子写入浮栅极时会对浮栅造成损伤，因此NAND Flash的擦写次数有限。通常NAND Flash有一个额定的擦写次数值，比如某些企业级MLC NAND的额定擦写次数为10000次，NAND介质的擦写次数超过该值则代表生命到达尽头，因此该指标可以用来预测NAND介质的寿命。
SSD(固态硬盘)存在写放大，即闪存落盘写入量>系统写入量。通常用实际擦写次数表示闪存介质的寿命，SSD厂商在出厂时还会设定写入数据总量TBW，两者都能表示SSD的寿命。
长短期记忆网络(LSTM，Long Short-Term Memory)是一种时间循环神经网络，属于RNN(循环神经网络)的一种，能够改进传统RNN存在的长期依赖问题。
使用NAND作为存储介质的硬盘成为SSD，SSD SMART(Self-Monitoring Analysisand Reporting Technology自我监测、分析及报告技术)技术用来监控NAND介质可靠性。通过SSD SMART技术可以获得SSD剩余寿命百分比(即已使用擦写次数/额定擦写次数)、擦写次数、系统写入数据量等信息。
现有NAND剩余寿命预测技术主要是使用SSD剩余寿命百分比求平均值的方法。通过统计一段时间内剩余寿命百分比变化，类比NAND未来还能使用多久，这种方法简单，但预测准确率无法保证。
发明内容
有鉴于此，本发明实施例的目的在于提出一种NAND Flash介质剩余寿命预测的方法、装置、设备及可读介质，通过使用本发明的技术方案，能够更精确的预测NAND Flash的寿命，保障NAND Flash数据的安全性，能够避免介质过早更换所带来的资源浪费。
基于上述目的，本发明的实施例的一个方面提供了一种NAND Flash介质剩余寿命预测的方法，包括以下步骤：
获取预设时间内NAND Flash的擦写次数随时间变化的第一数据和系统写入数据量随时间变化的第二数据；
将第一数据和第二数据分别进行预处理；
将预处理后的第一数据和第二数据分别输入到LSTM模型进行训练以得到训练后的模型；
基于训练后的模型预测NAND Flash的寿命终点时间。
根据本发明的一个实施例，获取预设时间内NAND Flash的擦写次数随时间变化的第一数据和系统写入数据量随时间变化的第二数据包括：
在预设时间段中的每日的同一时间使用samrtctl-a命令采集SSD SMART信息；
记录SMART信息中NAND Flash的擦写次数随时间变化的第一数据和系统写入数据量随时间变化的第二数据。
根据本发明的一个实施例，将第一数据和第二数据分别进行预处理包括：
判断第一数据或第二数据中是否存在缺失的数据；
响应于存在缺失的数据，使用插值法将缺失的数据补充到第一数据或第二数据中以保证数据的连续性。
根据本发明的一个实施例，基于训练后的模型预测NAND Flash的寿命终点时间包括：
获取当前NAND Flash的擦写次数随时间变化的第三数据和系统写入数据量随时间变化的第四数据；
将第三数据输入到训练后的模型中以预测擦写次数达到额定擦写次数的第一日期；
将第四数据输入到训练后的模型中以预测系统写入数据量达到写入数据总量的第二日期；
将第一日期和第二日期中较近的日期确定为NAND Flash的寿命终点时间。
本发明的实施例的另一个方面，还提供了一种NAND Flash介质剩余寿命预测的装置，装置包括：
获取模块，获取模块配置为获取预设时间内NAND Flash的擦写次数随时间变化的第一数据和系统写入数据量随时间变化的第二数据；
处理模块，处理模块配置为将第一数据和第二数据分别进行预处理；
训练模块，训练模块配置为将预处理后的第一数据和第二数据分别输入到LSTM模型进行训练以得到训练后的模型；
预测模块，预测模块配置为基于训练后的模型预测NAND Flash的寿命终点时间。
根据本发明的一个实施例，获取模块还配置为：
在预设时间段中的每日的同一时间使用samrtctl-a命令采集SSD SMART信息；
记录SMART信息中NAND Flash的擦写次数随时间变化的第一数据和系统写入数据量随时间变化的第二数据。
根据本发明的一个实施例，处理模块还配置为：
判断第一数据或第二数据中是否存在缺失的数据；
响应于存在缺失的数据，使用插值法将缺失的数据补充到第一数据或第二数据中以保证数据的连续性。
根据本发明的一个实施例，预测模块还配置为：
获取当前NAND Flash的擦写次数随时间变化的第三数据和系统写入数据量随时间变化的第四数据；
将第三数据输入到训练后的模型中以预测擦写次数达到额定擦写次数的第一日期；
将第四数据输入到训练后的模型中以预测系统写入数据量达到写入数据总量的第二日期；
将第一日期和第二日期中较近的日期确定为NAND Flash的寿命终点时间。
本发明的实施例的另一个方面，还提供了一种计算机设备，该计算机设备包括：
至少一个处理器；以及
存储器，存储器存储有可在处理器上运行的计算机指令，指令由处理器执行时实现上述任意一项方法的步骤。
本发明的实施例的另一个方面，还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述任意一项方法的步骤。
本发明具有以下有益技术效果：本发明实施例提供的NAND Flash介质剩余寿命预测的方法，通过获取预设时间内NAND Flash的擦写次数随时间变化的第一数据和系统写入数据量随时间变化的第二数据；将第一数据和第二数据分别进行预处理；将预处理后的第一数据和第二数据分别输入到LSTM模型进行训练以得到训练后的模型；基于训练后的模型预测NAND Flash的寿命终点时间的技术方案，能够更精确的预测NAND Flash的寿命，保障NAND Flash数据的安全性，能够避免介质过早更换所带来的资源浪费。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例。
图1为根据本发明一个实施例的NAND Flash介质剩余寿命预测的方法的示意性流程图；
图2为根据本发明一个实施例的LSTM模型结构的示意图；
图3为根据本发明一个实施例的NAND Flash介质剩余寿命预测的装置的示意图；
图4为根据本发明一个实施例的计算机设备的示意图；
图5为根据本发明一个实施例的计算机可读存储介质的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明实施例进一步详细说明。
基于上述目的，本发明的实施例的第一个方面，提出了一种NAND Flash介质剩余寿命预测的方法的一个实施例。图1示出的是该方法的示意性流程图。
如图1中所示，该方法可以包括以下步骤：
S1获取预设时间内NAND Flash的擦写次数随时间变化的第一数据和系统写入数据量随时间变化的第二数据。
预设时间可以设置一个较长的时间段，比如一个月，在一个月内的每天的相同时间时使用samrtctl-a命令采集SSD SMART信息，SMART信息中记录有NAND Flash的擦写次数随时间变化的第一数据和系统写入数据量随时间变化的第二数据。
S2将第一数据和第二数据分别进行预处理。
判断第一数据或第二数据中是否存在缺失的数据，缺失的数据指的是在预设时间段内的某天没有第一数据或没有第二数据，如果存在缺失的数据，则使用插值法将缺失的数据进行补充以保证数据的连续性。
S3将预处理后的第一数据和第二数据分别输入到LSTM模型进行训练以得到训练后的模型。
LSTM模型为现有技术常见的长短期记忆人工神经网络模型，可以使用两个LSTM模型，第一数据输入第一个LSTM模型进行训练，第二数据输入第二个LSTM模型进行训练，将清洗后的数据导入模型进行训练，模型训练包括但不限于使用梯度下降方法。
S4基于训练后的模型预测NAND Flash的寿命终点时间。
在进行寿命预测是时，获取当前NAND Flash的擦写次数随时间变化的第三数据和系统写入数据量随时间变化的第四数据，然后将第三数据输入到训练后的第一个模型中以预测擦写次数达到额定擦写次数的第一日期，将第四数据输入到训练后的第二个模型中以预测系统写入数据量达到写入数据总量的第二日期，最后将第一日期和第二日期中距当前日期较近的日期确定为NAND Flash的寿命终点时间。
LSTM模型结构示意图如2所示，LSTM模型由输入、输出和多个细胞(cell)组成。LSTM模型的细胞内部组成结构有多种形态，本发明所提到的LSTM模型不单指某种细胞形态。本发明中，使用NAND Flash的擦写次数和系统写入数据量分别进行训练和预测。其中，擦写次数表示闪存NAND Flash物理介质实际产生的磨损，系统写入数据量表示包含写放大在内的寿命损耗，表示上层的磨损。再预测擦写次数到单个闪存cell擦写次数额定最大值的时间，和系统写入数据量到厂商规定的TBW的时间，根据两个时间判断SSD寿命状态。使用擦写次数进行预测时，细胞的输入为NAND Flash某天的擦写次数，输出为预测的NANDFlash次日的擦写次数。系统写入数据量同理。选择以天为粒度的数据，一方面考虑训练LSTM模型需要较多的数据量，数据粒度不能过粗。另外一方面过细的数据量给训练带来困难，且NAND Flash的擦写次数变化不会特别快。
LSTM内部由三个门(gate)组成，分别是遗忘门、输入门和输出门。遗忘门用来接收上一个细胞预测的擦写次数，然后选择要丢弃的信息。输入门决定输入的当日真实擦写次数中，哪些需要留下来，加入新的细胞中。输出门最后决定输出的预测擦写次数是多少。
本发明使用长短期时间记忆神经网络预测NAND Flash擦写次数变化，与传统的预测方法相比具有以下优点：一、传统方法使用寿命变化百分比，粒度粗，误差大；本发明使用NAND Flash擦写次数和闪存写入数据总量，粒度细，更精确，二、本发明使用的方法能够更好的拟合擦写次数变化，当SSD使用场景发生变化时，遗忘门能够忘记过去无关的擦写次数变化，输入门增加近期擦写次数变化的比重，从而使预测结果更加准确，三、本发明使用介质擦写次数表示底层物理器件变化，系统写入数据量表示上层寿命，结合底层和上层两个指标，判断SSD寿命更加准确，能够给出准确的换盘建议。
通过本发明的技术方案，能够更精确的预测NAND Flash的寿命，保障NAND Flash数据的安全性，能够避免介质过早更换所带来的资源浪费。
在本发明的一个优选实施例中，获取预设时间内NAND Flash的擦写次数随时间变化的第一数据和系统写入数据量随时间变化的第二数据包括：
在预设时间段中的每日的同一时间使用samrtctl-a命令采集SSD SMART信息；
记录SMART信息中NAND Flash的擦写次数随时间变化的第一数据和系统写入数据量随时间变化的第二数据。
在本发明的一个优选实施例中，将第一数据和第二数据分别进行预处理包括：
判断第一数据或第二数据中是否存在缺失的数据；
响应于存在缺失的数据，使用插值法将缺失的数据补充到第一数据或第二数据中以保证数据的连续性。缺失的数据指的是在预设时间段内的某天没有第一数据或没有第二数据，如果存在缺失的数据，则使用插值法将缺失的数据进行补充以保证数据的连续性。
在本发明的一个优选实施例中，基于训练后的模型预测NAND Flash的寿命终点时间包括：
获取当前NAND Flash的擦写次数随时间变化的第三数据和系统写入数据量随时间变化的第四数据；
将第三数据输入到训练后的模型中以预测擦写次数达到额定擦写次数的第一日期；
将第四数据输入到训练后的模型中以预测系统写入数据量达到写入数据总量的第二日期；
将第一日期和第二日期中较近的日期确定为NAND Flash的寿命终点时间。第一日期和第二日期中较近的日期指第一日期和第二日期中距当前日期较近的日期。
通过本发明的技术方案，能够更精确的预测NAND Flash的寿命，保障NAND Flash数据的安全性，能够避免介质过早更换所带来的资源浪费。
需要说明的是，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关硬件来完成，上述的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中存储介质可为磁碟、光盘、只读存储器(Read-Only Memory，ROM)或随机存取存储器(Random AccessMemory，RAM)等。上述计算机程序的实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
此外，根据本发明实施例公开的方法还可以被实现为由CPU执行的计算机程序，该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被CPU执行时，执行本发明实施例公开的方法中限定的上述功能。
基于上述目的，本发明的实施例的第二个方面，提出了一种NAND Flash介质剩余寿命预测的装置，如图3所示，装置200包括：
获取模块，获取模块配置为获取预设时间内NAND Flash的擦写次数随时间变化的第一数据和系统写入数据量随时间变化的第二数据；
处理模块，处理模块配置为将第一数据和第二数据分别进行预处理；
训练模块，训练模块配置为将预处理后的第一数据和第二数据分别输入到LSTM模型进行训练以得到训练后的模型；
预测模块，预测模块配置为基于训练后的模型预测NAND Flash的寿命终点时间。
在本发明的一个优选实施例中，获取模块还配置为：
在预设时间段中的每日的同一时间使用samrtctl-a命令采集SSD SMART信息；
记录SMART信息中NAND Flash的擦写次数随时间变化的第一数据和系统写入数据量随时间变化的第二数据。
在本发明的一个优选实施例中，处理模块还配置为：
判断第一数据或第二数据中是否存在缺失的数据；
响应于存在缺失的数据，使用插值法将缺失的数据补充到第一数据或第二数据中以保证数据的连续性。
在本发明的一个优选实施例中，预测模块还配置为：
获取当前NAND Flash的擦写次数随时间变化的第三数据和系统写入数据量随时间变化的第四数据；
将第三数据输入到训练后的模型中以预测擦写次数达到额定擦写次数的第一日期；
将第四数据输入到训练后的模型中以预测系统写入数据量达到写入数据总量的第二日期；
将第一日期和第二日期中较近的日期确定为NAND Flash的寿命终点时间。
基于上述目的，本发明实施例的第三个方面，提出了一种计算机设备。图4示出的是本发明提供的计算机设备的实施例的示意图。如图4所示，本发明实施例包括如下装置：至少一个处理器21；以及存储器22，存储器22存储有可在处理器上运行的计算机指令23，指令由处理器执行时实现以下方法：
获取预设时间内NAND Flash的擦写次数随时间变化的第一数据和系统写入数据量随时间变化的第二数据；
将第一数据和第二数据分别进行预处理；
将预处理后的第一数据和第二数据分别输入到LSTM模型进行训练以得到训练后的模型；
基于训练后的模型预测NAND Flash的寿命终点时间。
在本发明的一个优选实施例中，获取预设时间内NAND Flash的擦写次数随时间变化的第一数据和系统写入数据量随时间变化的第二数据包括：
在预设时间段中的每日的同一时间使用samrtctl-a命令采集SSD SMART信息；
记录SMART信息中NAND Flash的擦写次数随时间变化的第一数据和系统写入数据量随时间变化的第二数据。
在本发明的一个优选实施例中，将第一数据和第二数据分别进行预处理包括：
判断第一数据或第二数据中是否存在缺失的数据；
响应于存在缺失的数据，使用插值法将缺失的数据补充到第一数据或第二数据中以保证数据的连续性。
在本发明的一个优选实施例中，基于训练后的模型预测NAND Flash的寿命终点时间包括：
获取当前NAND Flash的擦写次数随时间变化的第三数据和系统写入数据量随时间变化的第四数据；
将第三数据输入到训练后的模型中以预测擦写次数达到额定擦写次数的第一日期；
将第四数据输入到训练后的模型中以预测系统写入数据量达到写入数据总量的第二日期；
将第一日期和第二日期中较近的日期确定为NAND Flash的寿命终点时间。
基于上述目的，本发明实施例的第四个方面，提出了一种计算机可读存储介质。图5示出的是本发明提供的计算机可读存储介质的实施例的示意图。如图5所示，计算机可读存储介质31存储有被处理器执行时执行如下方法的计算机程序32：
获取预设时间内NAND Flash的擦写次数随时间变化的第一数据和系统写入数据量随时间变化的第二数据；
将第一数据和第二数据分别进行预处理；
将预处理后的第一数据和第二数据分别输入到LSTM模型进行训练以得到训练后的模型；
基于训练后的模型预测NAND Flash的寿命终点时间。
在本发明的一个优选实施例中，获取预设时间内NAND Flash的擦写次数随时间变化的第一数据和系统写入数据量随时间变化的第二数据包括：
在预设时间段中的每日的同一时间使用samrtctl-a命令采集SSD SMART信息；
记录SMART信息中NAND Flash的擦写次数随时间变化的第一数据和系统写入数据量随时间变化的第二数据。
在本发明的一个优选实施例中，将第一数据和第二数据分别进行预处理包括：
判断第一数据或第二数据中是否存在缺失的数据；
响应于存在缺失的数据，使用插值法将缺失的数据补充到第一数据或第二数据中以保证数据的连续性。
在本发明的一个优选实施例中，基于训练后的模型预测NAND Flash的寿命终点时间包括：
获取当前NAND Flash的擦写次数随时间变化的第三数据和系统写入数据量随时间变化的第四数据；
将第三数据输入到训练后的模型中以预测擦写次数达到额定擦写次数的第一日期；
将第四数据输入到训练后的模型中以预测系统写入数据量达到写入数据总量的第二日期；
将第一日期和第二日期中较近的日期确定为NAND Flash的寿命终点时间。
此外，根据本发明实施例公开的方法还可以被实现为由处理器执行的计算机程序，该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被处理器执行时，执行本发明实施例公开的方法中限定的上述功能。
此外，上述方法步骤以及系统单元也可以利用控制器以及用于存储使得控制器实现上述步骤或单元功能的计算机程序的计算机可读存储介质实现。
本领域技术人员还将明白的是，结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性，已经就各种示意性组件、方块、模块、电路和步骤的功能对其进行了一般性的描述。这种功能是被实现为软件还是被实现为硬件取决于具体应用以及施加给整个系统的设计约束。本领域技术人员可以针对每种具体应用以各种方式来实现的功能，但是这种实现决定不应被解释为导致脱离本发明实施例公开的范围。
在一个或多个示例性设计中，功能可以在硬件、软件、固件或其任意组合中实现。如果在软件中实现，则可以将功能作为一个或多个指令或代码存储在计算机可读介质上或通过计算机可读介质来传送。计算机可读介质包括计算机存储介质和通信介质，该通信介质包括有助于将计算机程序从一个位置传送到另一个位置的任何介质。存储介质可以是能够被通用或专用计算机访问的任何可用介质。作为例子而非限制性的，该计算机可读介质可以包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储设备、磁盘存储设备或其它磁性存储设备，或者是可以用于携带或存储形式为指令或数据结构的所需程序代码并且能够被通用或专用计算机或者通用或专用处理器访问的任何其它介质。此外，任何连接都可以适当地称为计算机可读介质。例如，如果使用同轴线缆、光纤线缆、双绞线、数字用户线路(DSL)或诸如红外线、无线电和微波的无线技术来从网站、服务器或其它远程源发送软件，则上述同轴线缆、光纤线缆、双绞线、DSL或诸如红外线、无线电和微波的无线技术均包括在介质的定义。如这里所使用的，磁盘和光盘包括压缩盘(CD)、激光盘、光盘、数字多功能盘(DVD)、软盘、蓝光盘，其中磁盘通常磁性地再现数据，而光盘利用激光光学地再现数据。上述内容的组合也应当包括在计算机可读介质的范围内。
以上是本发明公开的示例性实施例，但是应当注意，在不背离权利要求限定的本发明实施例公开的范围的前提下，可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外，尽管本发明实施例公开的元素可以以个体形式描述或要求，但除非明确限制为单数，也可以理解为多个。
应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
上述本发明实施例公开实施例序号仅仅为了描述，不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子；在本发明实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上的本发明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。
Claims (10)
1.一种NAND Flash介质剩余寿命预测的方法，其特征在于，包括以下步骤：
获取预设时间内NAND Flash的擦写次数随时间变化的第一数据和系统写入数据量随时间变化的第二数据；
将第一数据和第二数据分别进行预处理；
将预处理后的第一数据和第二数据分别输入到LSTM模型进行训练以得到训练后的模型；
基于训练后的模型预测NAND Flash的寿命终点时间。
2.根据权利要求1所述的方法，其特征在于，获取预设时间内NAND Flash的擦写次数随时间变化的第一数据和系统写入数据量随时间变化的第二数据包括：
在预设时间段中的每日的同一时间使用samrtctl-a命令采集SSD SMART信息；
记录SMART信息中NAND Flash的擦写次数随时间变化的第一数据和系统写入数据量随时间变化的第二数据。
3.根据权利要求1所述的方法，其特征在于，将第一数据和第二数据分别进行预处理包括：
判断第一数据或第二数据中是否存在缺失的数据；
响应于存在缺失的数据，使用插值法将缺失的数据补充到第一数据或第二数据中以保证数据的连续性。
4.根据权利要求1所述的方法，其特征在于，基于训练后的模型预测NAND Flash的寿命终点时间包括：
获取当前NAND Flash的擦写次数随时间变化的第三数据和系统写入数据量随时间变化的第四数据；
将第三数据输入到训练后的模型中以预测擦写次数达到额定擦写次数的第一日期；
将第四数据输入到训练后的模型中以预测系统写入数据量达到写入数据总量的第二日期；
将第一日期和第二日期中较近的日期确定为NAND Flash的寿命终点时间。
5.一种NAND Flash介质剩余寿命预测的装置，其特征在于，所述装置包括：
获取模块，所述获取模块配置为获取预设时间内NAND Flash的擦写次数随时间变化的第一数据和系统写入数据量随时间变化的第二数据；
处理模块，所述处理模块配置为将第一数据和第二数据分别进行预处理；
训练模块，所述训练模块配置为将预处理后的第一数据和第二数据分别输入到LSTM模型进行训练以得到训练后的模型；
预测模块，所述预测模块配置为基于训练后的模型预测NAND Flash的寿命终点时间。
6.根据权利要求5所述的装置，其特征在于，所述获取模块还配置为：
在预设时间段中的每日的同一时间使用samrtctl-a命令采集SSD SMART信息；
记录SMART信息中NAND Flash的擦写次数随时间变化的第一数据和系统写入数据量随时间变化的第二数据。
7.根据权利要求5所述的装置，其特征在于，所述处理模块还配置为：
判断第一数据或第二数据中是否存在缺失的数据；
响应于存在缺失的数据，使用插值法将缺失的数据补充到第一数据或第二数据中以保证数据的连续性。
8.根据权利要求5所述的装置，其特征在于，所述预测模块还配置为：
获取当前NAND Flash的擦写次数随时间变化的第三数据和系统写入数据量随时间变化的第四数据；
将第三数据输入到训练后的模型中以预测擦写次数达到额定擦写次数的第一日期；
将第四数据输入到训练后的模型中以预测系统写入数据量达到写入数据总量的第二日期；
将第一日期和第二日期中较近的日期确定为NAND Flash的寿命终点时间。
9.一种计算机设备，其特征在于，包括：
至少一个处理器；以及
存储器，所述存储器存储有可在所述处理器上运行的计算机指令，所述指令由所述处理器执行时实现权利要求1-4任意一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-4任意一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210047838.0A CN114489498A (zh) | 2022-01-17 | 2022-01-17 | 一种NAND Flash介质剩余寿命预测的方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210047838.0A CN114489498A (zh) | 2022-01-17 | 2022-01-17 | 一种NAND Flash介质剩余寿命预测的方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114489498A true CN114489498A (zh) | 2022-05-13 |
Family
ID=81511565
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210047838.0A Withdrawn CN114489498A (zh) | 2022-01-17 | 2022-01-17 | 一种NAND Flash介质剩余寿命预测的方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114489498A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114860624A (zh) * | 2022-05-23 | 2022-08-05 | 深圳市芯存科技有限公司 | 一种基于Nandflash芯片的数据擦写方法及系统 |
-
2022
- 2022-01-17 CN CN202210047838.0A patent/CN114489498A/zh not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114860624A (zh) * | 2022-05-23 | 2022-08-05 | 深圳市芯存科技有限公司 | 一种基于Nandflash芯片的数据擦写方法及系统 |
| CN114860624B (zh) * | 2022-05-23 | 2023-04-28 | 深圳市芯存科技有限公司 | 一种基于Nandflash芯片的数据擦写方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10877683B2 (en) | Tiered storage optimization and migration | |
| CN109558287B (zh) | 一种固态硬盘寿命预测方法、装置和系统 | |
| CN103177180B (zh) | 预测模型的建模样本的筛选方法 | |
| CN111104342B (zh) | 用于存储的方法、电子设备和计算机程序产品 | |
| US20230297243A1 (en) | Method and apparatus for predicting service life of solid-state disk, and computer-readable storage medium | |
| CN111078439A (zh) | 一种固态硬盘寿命预测方法和装置 | |
| CN110990174A (zh) | 一种基于Prophet模型预测SSD可用时间的方法、设备及介质 | |
| CN111078123A (zh) | 一种闪存块的磨损程度的评估方法及装置 | |
| CN111325444B (zh) | 一种风险防控决策方法、装置、系统及设备 | |
| CN106708912B (zh) | 垃圾文件识别及管理方法、识别装置、管理装置和终端 | |
| US11734103B2 (en) | Behavior-driven die management on solid-state drives | |
| CN111475115A (zh) | 一种ssd闪存寿命预测的方法、装置、设备及可读介质 | |
| CN114489498A (zh) | 一种NAND Flash介质剩余寿命预测的方法、装置、设备及介质 | |
| CN110837477B (zh) | 一种基于寿命预测的存储系统损耗均衡方法及装置 | |
| US9785374B2 (en) | Storage device management in computing systems | |
| CN113538154A (zh) | 风险对象的识别方法、装置、存储介质和电子设备 | |
| CN116307247A (zh) | 空气质量的预测方法、模型的训练方法、设备及存储介质 | |
| CN110602207A (zh) | 基于离网预测推送信息的方法、装置、服务器和存储介质 | |
| CN112908391B (zh) | 一种基于数学模型的闪存分类方法及装置 | |
| CN116882767A (zh) | 一种基于不完善异构关系网络图的风险预测方法及装置 | |
| US9549044B1 (en) | Data processing | |
| US20160328246A1 (en) | Real-time device settings using knowledge base | |
| EP3614309A1 (en) | Method and apparatus for clustering data stream | |
| WO2022156064A1 (zh) | 闪存芯片可靠性等级预测方法、装置及存储介质 | |
| CN113419682B (zh) | 一种数据处理方法、装置和计算机闪存设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220513 |
|
| WW01 | Invention patent application withdrawn after publication |