基于循环神经网络的SSD缓存管理方法及装置、介质、设备与流程

1.一种基于循环神经网络的ssd缓存管理方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述rnn决策模型具体用于：计算所述i/o请求的收益值；根据所述收益指确定是否将针对所述i/o请求从所述机械式硬盘中查找到的数据迁移到所述固态硬盘中；其中，所述收益值越高，将针对所述i/o请求从所述机械式硬盘中查找到的数据迁移到所述固态硬盘中的概率越大。

3.根据权利要求2所述的方法，其特征在于，所述rnn决策模型具体用于采用第一计算式计算所述i/o请求的收益值，所述第一计算式为：

4.根据权利要求1所述的方法，其特征在于，所述rnn决策模型还具体用于：根据所述固态硬盘中各个历史i/o请求对应数据的访问次数，确定各个历史i/o请求对应数据的持久度；根据各个历史i/o请求对应数据的持久度，确定各个历史i/o请求对应数据的清理优先级；针对每一种清理优先级设置一个队列，在每一个队列中存储对应清理优先级的历史i/o请求；在所述固态硬盘的缓存空间不足时，按照清理优先级从高到低的顺序，逐个地对队列中的历史i/o请求对应数据作为冷数据从所述固态硬盘中逐出去；其中，历史i/o请求对应数据的清理优先级越高，该历史i/o请求对应数据的清理紧迫度越高。

5.根据权利要求4所述的方法，其特征在于，所述rnn决策模型中根据各个历史i/o请求对应数据的持久度，确定各个历史i/o请求对应数据的清理优先级，包括：

6.根据权利要求4所述的方法，其特征在于，在一个清理优先级对应的队列中，位置越靠前的历史i/o请求对应的数据的被访问次数越高，在对一个队列中历史i/o请求对应的数据进行清理时，按照从后向前的顺序进行清理。

7.根据权利要求1所述的方法，其特征在于，所述rnn负载分类模型和各个工作负载类型对应的所述rnn决策模型均为预先在离线状态下利用各个工作负载追踪信息训练得到；其中，预先针对每一种工作负载类型训练得到对应的rnn决策模型，所述工作负载类型包括邮件服务器、web服务器、数据库和文件服务器。

8.一种基于循环神经网络的ssd缓存管理装置，其特征在于，包括：

9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行实现权利要求1～7中的任一项所述的方法。

10.一种计算设备，其特征在于，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现权利要求1～7中的任一项所述的方法。