[发明专利]访问请求的处理方法、装置、设备及存储介质

说明书

本申请提供了一种访问请求的处理方法、装置、设备及存储介质，属于存储技术领域。本申请实施例中，在数据迁移的场景下，通过将旧的存储设备的数据以及旧的存储设备训练出的AI模型，均从旧的存储设备迁移到新的存储设备上，新的存储设备如果接收到访问请求，通过复用旧的存储设备训练好的AI模型，即可得到AI模型针对访问请求的预测结果，从而免去新的存储设备重新进行模型训练带来的时间开销，提高了新的存储设备利用AI模型提供功能的效率。

技术领域

本申请涉及存储技术领域，特别涉及一种访问请求的处理方法、装置、设备及存储介质。

背景技术

随着存储技术以及人工智能(artificial intelligence，AI)技术的发展，可以使用AI模型学习出上层应用对存储设备中存储的数据的访问模式，当存储设备接收到访问请求时，存储设备可以根据访问请求，利用AI模型来预测出将要使用的指令或数据，从而进行缓存(cache)预取，或者利用AI模型来预测出发送访问请求的工作负载(workload)，从而实现工作负载识别功能，或者利用AI模型来预测出需要分配多少资源来处理访问请求，从而实现智能调度功能。

存储设备会在运行过程中，基于输入输出(input output，IO)请求进行模型训练，得到AI模型。具体而言，在存储设备初始化的过程中，存储设备会创建AI模型，将该AI模型的参数置为预设初始值，得到初始AI模型。之后，存储设备启动，每当接收到对存储的数据的IO请求，存储设备会根据IO请求，获取初始AI模型的预测结果，再根据预测结果的误差，对初始AI模型的参数进行调整，直至预测结果的误差小于误差阈值为止，将初始AI模型作为训练完成的AI模型。

相关技术中，在数据迁移的场景下，比如需要将数据从在旧的存储设备上存储，改为将数据在新的存储设备上存储时，旧的存储设备和新的存储设备均需要为数据执行模型训练流程。具体地，旧的存储设备在历史运行过程中，客户端会向旧的存储设备发送历史IO请求，旧的存储设备会接收到历史IO请求，历史IO请求用于请求读取数据或写入数据。旧的存储设备会根据历史IO请求进行模型训练，得到AI模型。当需要迁移数据时，旧的存储设备会向新的存储设备发送数据，新的存储设备会从旧的存储设备接收数据，存储数据，从而完成数据迁移。此后，客户端会向新的存储设备发送IO请求，新的存储设备接收到IO请求后，会基于IO请求，重新执行模型训练的流程，来重新得到AI模型。

采用上述方法时，新的存储设备需要重新进行模型训练，才能得到AI模型，而重新进行模型训练会耗费很长的时间，影响了新的存储设备利用AI模型来提供缓存预取、负载识别、智能调度等功能的效率。

发明内容

本申请实施例提供了一种访问请求的处理方法、装置、设备及存储介质，能够免去新的存储设备重新进行模型训练带来的时间开销，提高新的存储设备利用AI模型提供功能的效率。

第一方面，提供了一种访问请求的处理方法，应用于第一存储设备，所述方法包括：接收来自第二存储设备的数据以及人工智能AI模型，所述AI模型由所述第二存储设备在历史运行过程中，基于对所述数据的历史输入输出IO请求训练得到；存储所述数据以及所述AI模型；接收对所述数据的访问请求；根据所述访问请求，获取所述AI模型的预测结果。

在数据从第二存储设备迁移至第一存储设备的场景下，通过将AI模型也从第二存储设备迁移至第一存储设备，第一存储设备可以复用第二存储设备已训练的AI模型，来得到AI模型的预测结果，从而免去了第一存储设备重新进行模型训练的流程，进而免去了第一存储设备重新训练AI模型带来的时间开销。由于第一存储设备得到AI模型的速度更快，第一存储设备根据AI模型来得到预测结果的速度也就更快，因此根据预测结果来提供缓存预取、负载识别、智能调度等功能的速度也就更快，从而极大地提高了第一存储设备进行缓存预取、负载识别以及智能调度的效率。

可选地，所述数据属于所述第二存储设备的第一逻辑存储单元LUN，所述AI模型为所述第一LUN对应的目标AI模型。