买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉桂林电子科技大学申请的专利基于SDN的Ceph异构分布式存储系统及其读写优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115454342B 。

龙图腾网通过国家知识产权局官网在2026-03-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211119726.8，技术领域涉及：G06F3/06；该发明授权基于SDN的Ceph异构分布式存储系统及其读写优化方法是由王勇;李志珂设计研发完成，并于2022-09-14向国家知识产权局提交的专利申请。

本基于SDN的Ceph异构分布式存储系统及其读写优化方法在说明书摘要公布了：本发明公开一种基于SDN的Ceph异构分布式存储系统及其读写优化方法，首先设计了一个基于SDN技术的云存储系统模型；然后基于节点异构资源分类策略将OSD进行分类；随后利用SDN技术实时获取网络和负载情况，并建立基于随机森林的OSD性能预测模型，从而获得性能影响因子的影响权重；最后结合OSD状态和影响权重，利用多属性决策TOPSIS模型计算OSD的读写贴合度，进而自适应地优化集群读写性能。这样做既考虑了集群节点网络状态，又考虑了节点上OSD的负载均衡，其可以自适应地将读写负载集中在不同性能类型的OSD上，并保证异构OSD设备的负载均衡，从而增加了集群的可靠性。

本发明授权基于SDN的Ceph异构分布式存储系统及其读写优化方法在权利要求书中公布了：1.一种基于SDN的Ceph异构分布式存储系统的读写优化方法，其特征是，包括步骤如下： 步骤1、Ceph存储节点采集自身异构节点信息，并上传给SDN控制器进行整合；SDN控制器将整合后的系统异构节点信息下发给Ceph监控节点；Ceph监控节点基于节点异构资源分类策略对系统中的对象存储设备进行分类，得到最终的对象存储设备最小分类集； 步骤2、Ceph监控节点以设定的权重变化步长依次改变最终的对象存储设备最小分类集中的每个对象存储设备及其同类对象存储设备的CRUSH权重值；在此过程中，系统中的各Ceph存储节点周期性采集自身的CPU利用率和内存利用率、以及所含各对象存储设备的占有PG比例、读IO请求数据量和写IO请求数据量，并上传给SDN控制器；SDN控制器周期性采集系统中的各Ceph存储节点的网络消耗带宽； 步骤3、SDN控制器利用周期性采样所得到的网络消耗带宽、CPU利用率、内存利用率、占有PG比例、读IO请求数据量和写IO请求数据量构建读性能训练数据样本集和写性能训练数据样本集，并下发给Ceph监控节点； 对于读性能训练数据样本集的一条读性能训练数据样本，其输入参数矩阵为一次周期性采样所得到的所有对象存储设备的网络消耗带宽、CPU利用率、内存利用率、占有PG比例和写IO请求数据量所构成的矩阵，其输出参数向量为一次周期性采样所得到的所有对象存储设备的读IO请求数据量所构成的向量； 对于写性能训练数据样本集的一条写性能训练数据样本，其输入参数矩阵为一次周期性采样所得到的所有对象存储设备的网络消耗带宽、CPU利用率、内存利用率、占有PG比例和读IO请求数据量所构成的矩阵，其输出参数向量为一次周期性采样所得到的所有对象存储设备的写IO请求数据量所构成的向量； 步骤4、Ceph监控节点利用读性能训练数据样本集和写性能训练数据样本集分别对随机森林模型进行训练，并分别基于训练好的随机森林模型对读性能训练数据样本和写性能训练数据样本的输入参数矩阵中的各参数的重要性进行分析，得到读影响权重向量和写影响权重向量； 步骤5、当用户需要进行读和或写优化时： 在读优化过程中，Ceph存储节点采集当前时刻下系统中的各个对象存储设备的CPU利用率、内存利用率、占有PG比例和写IO请求数据量，并上传给SDN控制器；SDN控制器采集当前时刻下系统中的各个对象存储设备的网络剩余带宽，并将网络剩余带宽、CPU利用率、内存利用率、占有PG比例和写IO请求数据量整合为当前时刻的读负载信息下发给Ceph监控节点；Ceph监控节点先对当前时刻的读负载信息进行归一化处理后构建读决策矩阵，再将读决策矩阵和读影响权重向量送入到多属性决策TOPSIS模型中得到读贴合度向量，后基于该读贴合度向量，将读贴合度低的对象存储设备中的读数据量转到读贴合度高的对象存储设备中执行； 在写优化过程中，Ceph存储节点采集当前时刻下系统中的各个对象存储设备的CPU利用率、内存利用率、占有PG比例和读IO请求数据量，并上传给SDN控制器；SDN控制器采集当前时刻下系统中的各个对象存储设备的网络剩余带宽，并将网络剩余带宽、CPU利用率、内存利用率、占有PG比例和读IO请求数据量整合为当前时刻的写负载信息下发给Ceph监控节点；Ceph监控节点先对当前时刻的写负载信息进行归一化处理后构建读决策矩阵，再将读决策矩阵和读影响权重向量送入到多属性决策TOPSIS模型中得到读贴合度向量，后基于该读贴合度向量，将读贴合度低的对象存储设备中的读数据量转到读贴合度高的对象存储设备中执行。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人桂林电子科技大学，其通讯地址为：541004 广西壮族自治区桂林市七星区金鸡路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。