當(dāng)機(jī)器學(xué)習(xí)遇上SSD，會(huì)擦出怎樣的火花呢?

近年來人工智能和大數(shù)據(jù)的迅速發(fā)展正在深刻改變著這個(gè)世界和我們的生活方式。人工智能的核心是機(jī)器學(xué)習(xí)(Machine Learning) 算法，自 2006 年以來，在機(jī)器學(xué)習(xí)領(lǐng)域，以深度學(xué)習(xí)(Deep Lerning) 為代表的機(jī)器學(xué)習(xí)算法取得了突破性的進(jìn)展，在2017年AlphaGo大戰(zhàn)圍棋冠軍李世石后這一技術(shù)加速走向市場(chǎng)、落地應(yīng)用。而SSD作為大數(shù)據(jù)的一種存儲(chǔ)介質(zhì)，正在取代HDD成為主流的存儲(chǔ)設(shè)備。那么當(dāng)機(jī)器學(xué)習(xí)遇上SSD，會(huì)擦出怎樣的火花呢?

一、什么是機(jī)器學(xué)習(xí)?

·機(jī)器學(xué)習(xí)是讓計(jì)算機(jī)具有學(xué)習(xí)的能力，無需進(jìn)行明確編程。—— 亞瑟·薩繆爾，1959

·計(jì)算機(jī)程序利用經(jīng)驗(yàn) E 學(xué)習(xí)任務(wù) T，性能是 P，如果針對(duì)任務(wù) T 的性能 P 隨著經(jīng)驗(yàn) E 不斷增長(zhǎng)，則稱為機(jī)器學(xué)習(xí)。—— 湯姆·米切爾，1997

機(jī)器學(xué)習(xí)是一類算法的總稱，這些算法從大量歷史數(shù)據(jù)中挖掘出其中隱含的規(guī)律，并用于預(yù)測(cè)或者分類，更具體的說，機(jī)器學(xué)習(xí)可以看作是尋找一個(gè)函數(shù)，輸入是樣本數(shù)據(jù)，輸出是期望的結(jié)果，只是這個(gè)函數(shù)過于復(fù)雜，以至于不太方便形式化表達(dá)。需要注意的是，機(jī)器學(xué)習(xí)的目標(biāo)是使學(xué)到的函數(shù)很好地適用于“新樣本”，而不僅僅是在訓(xùn)練樣本上表現(xiàn)很好。學(xué)到的函數(shù)適用于新樣本的能力，稱為泛化(Generalization)能力。

二、機(jī)器學(xué)習(xí)步驟

通常學(xué)習(xí)一個(gè)好的函數(shù)，分為以下三步：

1、選擇一個(gè)合適的模型，這通常需要依據(jù)實(shí)際問題而定，針對(duì)不同的問題和任務(wù)需要選取恰當(dāng)?shù)哪Ｐ?，模型就是一組函數(shù)的集合。

2、判斷一個(gè)函數(shù)的好壞，這需要確定一個(gè)衡量標(biāo)準(zhǔn)，也就是我們通常說的損失函數(shù)(Loss Function)，損失函數(shù)的確定也需要依據(jù)具體問題而定，如回歸問題一般采用歐式距離，分類問題一般采用交叉熵代價(jià)函數(shù)。

3、找出“最好”的函數(shù)，如何從眾多函數(shù)中最快的找出“最好”的那一個(gè)，這一步是最大的難點(diǎn)，做到又快又準(zhǔn)往往不是一件容易的事情。常用的方法有梯度下降算法，最小二乘法等和其他一些技巧(tricks)。

學(xué)習(xí)得到“最好”的函數(shù)后，需要在新樣本上進(jìn)行測(cè)試，只有在新樣本上表現(xiàn)很好，才算是一個(gè)“好”的函數(shù)。

三、機(jī)器學(xué)習(xí)的類型

機(jī)器學(xué)習(xí)主要有三種基本類型：監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。

1監(jiān)督學(xué)習(xí)

監(jiān)督學(xué)習(xí)是使用已知正確答案的示例來訓(xùn)練模型。已知數(shù)據(jù)和其一一對(duì)應(yīng)的標(biāo)簽，訓(xùn)練一個(gè)智能算法，將輸入數(shù)據(jù)映射到標(biāo)簽的過程，它的常見應(yīng)用場(chǎng)景如分類問題和回歸問題。常見的算法有K近鄰算法、線性回歸、邏輯回歸、支持向量機(jī)(SVM)、決策樹和隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)。

分類

在分類中，機(jī)器被訓(xùn)練成將一個(gè)組劃分為特定的類。分類的一個(gè)簡(jiǎn)單例子是電子郵件帳戶上的垃圾郵件過濾器。過濾器分析你以前標(biāo)記為垃圾郵件的電子郵件，并將它們與新郵件進(jìn)行比較。如果它們匹配一定的百分比，這些新郵件將被標(biāo)記為垃圾郵件并發(fā)送到適當(dāng)?shù)奈募A。那些比較不相似的電子郵件被歸類為正常郵件并發(fā)送到你的郵箱。

也許你會(huì)問這個(gè)分類算法對(duì)于SSD有什么用呢?SSD中的一個(gè)典型的分類問題是IO模式識(shí)別，判斷IO是純讀、純寫或者混合讀寫的，這是一個(gè)三分類的問題;判斷IO是順序的還是隨機(jī)的，這是一個(gè)二分類的問題?？梢愿鶕?jù)實(shí)際情況選擇相應(yīng)的相應(yīng)的機(jī)器學(xué)習(xí)分類算法識(shí)別出不同的IO模式，然后針對(duì)不同的模式FTL就可采取不同策略，進(jìn)而提升SSD的性能。

回歸

回歸問題通常是用來預(yù)測(cè)一個(gè)值，它的預(yù)測(cè)結(jié)果是連續(xù)的，如預(yù)測(cè)房?jī)r(jià)、未來的天氣情況等，例如一個(gè)產(chǎn)品的實(shí)際價(jià)格為500元，通過回歸分析預(yù)測(cè)值為499元，我們認(rèn)為這是一個(gè)比較好的回歸分析。

回歸算法在SSD中能用在什么地方呢?回歸算法在SSD的一個(gè)應(yīng)用是IO強(qiáng)度預(yù)測(cè)，在一定模式下IO強(qiáng)度在時(shí)序上是有一定規(guī)律的，可以根據(jù)前一段時(shí)間的IO強(qiáng)度預(yù)測(cè)下一段時(shí)間的IO強(qiáng)度，Smart-IO技術(shù)采用長(zhǎng)短期記憶人工神經(jīng)網(wǎng)絡(luò)LSTM對(duì)IO強(qiáng)度進(jìn)行預(yù)測(cè)。提前預(yù)測(cè)出IO強(qiáng)度后就可優(yōu)化FTL策略、合理分配GC占用資源、合理調(diào)度、提高數(shù)據(jù)命中率等，進(jìn)而提升SSD性能。

2非監(jiān)督學(xué)習(xí)

在無監(jiān)督學(xué)習(xí)中，數(shù)據(jù)是無標(biāo)簽的。學(xué)習(xí)模型是為了推斷出數(shù)據(jù)的一些內(nèi)在結(jié)構(gòu)。無監(jiān)督學(xué)習(xí)主要分為聚類和降維。

聚類用于根據(jù)屬性和行為對(duì)象進(jìn)行分組。這與分類不同，因?yàn)檫@些組不是你提供的。聚類的一個(gè)例子是將一個(gè)組劃分成不同的子組(例如，基于年齡和婚姻狀況)，然后應(yīng)用到有針對(duì)性的營(yíng)銷方案中。大多數(shù)大數(shù)據(jù)可視化使用降維來識(shí)別趨勢(shì)和規(guī)則。主要算法: K-means、層次聚類分析(HCA)、DBSCAN。

高維數(shù)據(jù)中很容易出現(xiàn)樣本稀疏、距離計(jì)算困難等問題，即“維度災(zāi)難”，為了緩解維度災(zāi)難，常用的就是降維。降維的主要方法有主成分分析(PCA)、線性判別分析(LDA)、局部線性嵌入(LLE)。如圖所示，通過PCA的方法可以把一個(gè)三位的數(shù)據(jù)降維成一個(gè)二維數(shù)據(jù)。

無監(jiān)督學(xué)習(xí)由于沒有標(biāo)簽，相比監(jiān)督學(xué)習(xí)來說相當(dāng)于少了一些輸入信息，實(shí)際應(yīng)用中相對(duì)監(jiān)督學(xué)習(xí)學(xué)習(xí)會(huì)困難一些，那么在SSD是否就無用武之地了呢?非也非也。Smart-IO數(shù)據(jù)分組技術(shù)用K-means算法對(duì)IO進(jìn)行冷熱數(shù)據(jù)分組，然后把不同組的數(shù)據(jù)寫到不同的block或者die上，那么就可以減小，可減小WA，延長(zhǎng)SSD使用壽命。

3強(qiáng)化學(xué)習(xí)

強(qiáng)化學(xué)習(xí)算法的思路非常簡(jiǎn)單，以游戲?yàn)槔绻谟螒蛑胁扇∧撤N策略可以取得較高的得分，那么就進(jìn)一步「強(qiáng)化」這種策略，以期繼續(xù)取得較好的結(jié)果。這種策略與日常生活中的各種「績(jī)效獎(jiǎng)勵(lì)」非常類似。我們平時(shí)也常常用這樣的策略來提高自己的游戲水平。AlphaGo下圍棋也是這個(gè)原理，只告訴機(jī)器圍棋的基本規(guī)則，但是不告訴它人類摸索了上千年才總結(jié)出來的定式等圍棋戰(zhàn)術(shù)，讓機(jī)器完全依靠自學(xué)，打敗人類。

強(qiáng)化學(xué)習(xí)感覺和SSD很難沾上邊，不過熟悉SSD(固態(tài)硬盤)的人都知道，垃圾回收(GC，Garbage Collection)是SSD固件設(shè)計(jì)中的重要一環(huán)，也是影響SSD主控性能的重要因素。一般的GC機(jī)制都是只根據(jù)當(dāng)前硬盤空閑空間狀態(tài)來做GC的：當(dāng)有空閑空間的時(shí)，不啟動(dòng)GC;反之，當(dāng)沒有空閑空間的情況下，執(zhí)行GC任務(wù)。這種策略的缺點(diǎn)是如果在用戶操作的時(shí)候進(jìn)行GC會(huì)造成SSD性能明顯下降，可以在主控空閑時(shí)提前進(jìn)行GC，但是GC過于頻繁會(huì)造成WA寫放大過大，所以需要一個(gè)平衡，需要一種算法來自動(dòng)確定何時(shí)GC，強(qiáng)化學(xué)習(xí)正好可以排上用場(chǎng)，給定一定的衡量標(biāo)準(zhǔn)，然后讓機(jī)器通過強(qiáng)化學(xué)習(xí)的方法訓(xùn)練來自動(dòng)學(xué)習(xí)GC的時(shí)機(jī)，得到更優(yōu)的GC的策略。

四、DapuStor機(jī)器學(xué)習(xí)技術(shù)

DapuStor已基于SSD開發(fā)出Smart-IO Data Grouping和Smart-IO Intensities Prediction等先進(jìn)技術(shù)，把機(jī)器學(xué)習(xí)的先進(jìn)算法用到了SSD中，提升了SSD的產(chǎn)品性能。同時(shí)自研的帶有計(jì)算和智能的數(shù)據(jù)存儲(chǔ)處理器芯片(簡(jiǎn)稱DPU)，可以在芯片層面實(shí)現(xiàn)更多的智能功能和硬件加速，實(shí)現(xiàn)存算一體，滿足高端存儲(chǔ)和邊緣計(jì)算市場(chǎng)的需求。