(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111610545.0 (22)申请日 2021.12.27 (71)申请人 深存科技 （无锡） 有限公司 地址 214000 江苏省无锡市新吴区弘 毅路 10号金乾 座401、 402室 (72)发明人 袁静丰　 (74)专利代理 机构 无锡市汇诚永信专利代理事 务所(普通 合伙) 32260 代理人 郭慧 (51)Int.Cl. G06F 12/02(2006.01) G06N 20/00(2019.01) (54)发明名称 用于SSD闪存 管理的机器学习优化及应用方 法 (57)摘要 本发明提供的用于SSD闪存 管理的机器学习 优化及应用方法， 属于SSD的应用技术领域， 包括 以下步骤： S1收集数据有效时间， 判断并标定数 据的温度类型， 温度类型包括冷数据、 温数据和 热数据； S2采用机器学习的方法， 在写入数据时 预测数据的温度类型； S3将数据根据预测的温度 类型的目标标签写入到目标闪存块。 本发明通过 收集主机相关的连续写入和删除的习惯和机器 学习的方法在后续数据写入的同时预测并标定 其冷热程度， 从而在写入时将数据直接映射到相 适配的可靠性较高的闪存块， 同时在实际删除时 检测预测 效果， 调整后续数据的预测结果， 有效 实现了SSD的磨损平 衡， 减少闪存块失 效的概率， 也增加了SSD总体使用寿 命。 权利要求书2页 说明书3页 附图1页 CN 114328282 A 2022.04.12 CN 114328282 A 1.用于SSD闪存管理的机器学习优化及应用方法， 其特 征在于， 包括以下步骤： S1收集数据有效时间， 根据有效时间判断并标定数据的温度类型， 所述温度类型包括 冷数据、 温数据和热 数据； S2采用机器学习的方法， 在写入数据时预测数据的温度类型； S3将数据根据预测的温度类型的目标 标签存储到目标闪存块。 2.如权利要求1所述的用于SSD闪存管理的机器学习优化及应用方法， 其特征在于， 所 述S1包括： S11定义数据流 监测时间窗口； S12记录当前时间窗口内每 个数据写入和删除的时间差， 标定数据的温度类型。 3.如权利要求2所述的用于SSD闪存管理的机器学习优化及应用方法， 其特征在于， 所 述S12包括： S121数据写入时， 将数据的逻辑地址映射到闪存物理地址， 并标定闪存物 理地址， 记录 数据有效起始时间戳； S122数据删除时， 将数据的逻辑地址映射到闪存物理地址， 并标定闪存物 理地址， 记录 数据失效时间戳； S123根据 数据删除时标定的闪存物 理地址， 查找同一闪存物 理地址下记录的数据有效 起始时间戳， 计算数据有效起始时间戳和数据失效时间戳的时间差； S124根据数据有效起始时间戳和数据失效时间戳的时间差判断并预测数据的温度类 型。 4.如权利要求2所述的用于SSD闪存管理的机器学习优化及应用方法， 其特征在于， 所 述S2为： 计算当前时间窗口中的冷数据、 温数据和热数据分别占当前时间窗口总数据量的比 例； 将下一时间窗口写入的数据预测为当前窗口占比最多的温度类型。 5.如权利要求2所述的用于SSD闪存管理的机器学习优化及应用方法， 其特征在于， 所 述S2为： 计算当前时间窗口冷数据、 温数据和热数据分别占当前时间窗口总数据量的比例,并 设置概率阈值p； 若当前时间窗口占比最多的温度类型的比例大于或等于p， 将下一时间窗口写入的数 据预测为该温度类型； 若当前时间窗口占比最多的温度类型的比例小于p， 则将下一时间窗口写入的数据预 测为该混合数据。 6.如权利要求2或4或5任一所述的用于SSD闪存管理的机器学习优化及应用方法， 其特 征在于， 还包括： 持续监测下一时间窗口， 收集下一时间窗口中数据失效时间戳， 并根据对 应的数据有效起始 时间戳计算实际温度类型， 若实际温度类型与预测的温度类型不符， 则 进行温度类型修 正。 7.如权利要求1所述的用于SSD闪存管理的机器学习优化及应用方法， 其特征在于， 所 述S3为： 对应将冷数据存储到 短寿命闪存块， 将温数据存储到中寿命闪存块， 将热数据存储 到长寿命闪存块。 8.如权利要求7所述的用于SSD闪存管理的及其学习方法， 其特征在于， 所述S3后还包权　利　要　求　书 1/2 页 2 CN 114328282 A 2括： S4根据闪存块剩余寿命确定闪存块回收优 先级， 长寿命闪存块优 先于中寿命闪存块， 中 寿命闪存块优于短寿命闪存块。权　利　要　求　书 2/2 页 3 CN 114328282 A 3