[发明专利]固态硬盘中垃圾回收的管理方法、存储介质和电子装置

权利要求书

1.一种固态硬盘中垃圾回收的管理方法，包括：

确定用于判断是否执行垃圾回收GC操作所需的配置参数；

将所述配置参数作为输入变量，将是否执行GC操作的判断结果作为输出变量，利用预先获取的历史数据，建立神经网络模型；

将当前状态下所述配置参数的取值作为输入信息，利用所述神经网络模型，计算所述输入信息对应的输出信息，得到当前状态下是否执行GC操作的判断结果；

向固态硬盘发送所述输出信息。

2.根据权利要求1所述的方法，其特征在于，所述配置参数包括如下至少一个：

GC操作待写入的数据总量a、能够使用的空闲block的总量b，主机端指令队列中包含的数据总量c、主机端有效数据的写入速率d以及GC操作的平均写入速率e。

3.根据权利要求1或2所述的方法，其特征在于，所述神经网络模型为马尔可夫决策过程，其中所述马尔可夫决策过程的计算表达式如下：

Pnext＝T(Pcurr,Acurr)；

其中，Pnext为下一时刻的状态变量，Pcurr为当前的状态变量，Acurr为所选动作变量，其中Pcurr和Acurr分别是状态变量集合P和动作变量集合A的子集；

其中，状态变量集合P中子集为所述历史数据中相同时刻下配置参数的取值；动作变量集合A的子集为执行GC操作或不执行GC操作。

4.根据权利要求3所述的方法，其特征在于，所述马尔可夫决策过程中的策略目标为写入放大WA趋于更小化以及写入性能的取值趋于更优化。

5.根据权利要求4所述的方法，其特征在于，所述马尔可夫决策过程在符合所述策略目标后，还设置有奖励函数，其中所述奖励函数的奖励值为临时奖励时，执行GC操作。

6.根据权利要求1所述的方法，其特征在于，所述向固态硬盘发送所述输出信息，所述方法还包括：

采集所述固态硬盘按照所述输出信息执行操作后配置参数的取值，得到采集结果；

利用所述采集结果对所述神经网络模型进行优化。

7.根据权利要求6所述的方法，其特征在于，所述利用所述采集结果对所述神经网络模型进行优化，包括：

利用深度Q网络，构建预测Q网络和目标Q网络，其中预测Q网络用于执行马尔可夫决策过程，得到计算在当前状态下各动作的Q值，目标Q网络用于执行包含马尔可夫决策过程和奖励函数的马尔可夫链，用以更新预测Q网络构建；

利用所述马尔可夫链对所述预测Q网络进行优化。

8.根据权利要求7所述的方法，其特征在于，采用如下计算表达式利用所述马尔可夫链对所述预测Q网络进行优化，包括：

Qp(Pcurr,A,L)＝Qp(Pcurr,A,L)+α(R+γmaxQt(Pcurr,A,Lt)-Qp(Pcurr,A,L))²；

其中，Qp为预测Q网络，L为预测Q网络参数，γ为奖励递减值；α为神经网络学习率，Qt为目标Q网络，Lt为目标Q网络的参数。

9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至8任一项中所述的方法。

10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至8任一项中所述的方法。