存储器读重表优化方法、装置、可读存储介质及电子设备与流程

本发明涉及固态存储，特别是涉及一种存储器读重表优化方法、装置、可读存储介质及电子设备。背景技术：：：1、ssd（固态硬盘，solid state disk或solid state drive）作为一种广泛应用的存储设备，其存储介质为闪存（nand flash）。闪存在长期的使用以及存储过程中，由于自擦写磨损、读干扰、写干扰以及数据保留（data retention）等因素的影响，容易使得存储在闪存里的数据发生比特翻转，导致数据错误。2、针对该问题，闪存厂商通常提供读重表（read retry table）处理读取错误。然而，由于读取错误存在多种情况，现有的读重表无法充分覆盖所有场景，使得基于读重表进行数据重读时，无法高效的完成重读操作。技术实现思路1、本发明所要解决的技术问题是：提供一种存储器读重表优化方法、装置、可读存储介质及电子设备，增强硬盘在复杂使用环境下的数据稳定性和可靠性。2、为了解决上述技术问题，本发明采用的技术方案为：3、一种存储器读重表优化方法，包括：4、获取当前存储设备的工作环境数据；5、将所述工作环境数据输入完成训练的神经网络模型，得到最佳可读电压；6、获取当前读重表以及所述当前读重表的基准电压；7、根据所述最佳可读电压以及所述基准电压得到读重电压值，并根据所述读重电压值更新当前所述读重表中的电压值以及可读阈值。8、为了解决上述技术问题，本发明采用的另一技术方案为：9、一种存储器读重表优化装置，包括：10、第一获取模块，用于获取当前存储设备的工作环境数据；11、预测模块，用于将所述工作环境数据输入完成训练的神经网络模型，得到最佳可读电压；12、第二获取模块，用于获取当前读重表以及所述当前读重表的基准电压；13、更新模块，用于根据所述最佳可读电压以及所述基准电压得到读重电压值，并根据所述读重电压值更新当前所述读重表中的电压值以及可读阈值。14、为了解决上述技术问题，本发明采用的另一技术方案为：15、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的一种存储器读重表优化方法中的各个步骤。16、为了解决上述技术问题，本发明采用的另一技术方案为：17、一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述一种存储器读重表优化方法中的各个步骤。18、本发明的有益效果在于：通过采集存储设备当前的工作环境数据，并基于完成训练的升级网络模型对采集到的工作环境数据进行预测，输出当前工作环境下对应的最佳可读电压，再通过最佳可读电压以及当前读重表的基准电压，对读重表中的电压值以及可读阈值进行更新，使得读重表中的电压值以及可读阈值能够根据存储设备当前的工作环境进行变化，提高了存储设备对复杂环境的适应性；并且，优化后的读重表有效降低了在特定环境条件下数据丢失的风险，提高了nand存储设备的数据稳定性和可靠性。技术特征：1.一种存储器读重表优化方法，其特征在于，包括：2.根据权利要求1所述的一种存储器读重表优化方法，其特征在于，所述最佳可读电压包括最佳可读阈值以及最佳读取电压；3.根据权利要求2所述的一种存储器读重表优化方法，其特征在于，所述读重电压值更新当前所述读重表中的电压值以及可读阈值包括：4.根据权利要求1所述的一种存储器读重表优化方法，其特征在于，所述将所述工作环境数据输入完成训练的神经网络模型之前包括：5.根据权利要求1或4所述的一种存储器读重表优化方法，其特征在于，所述将所述工作环境数据输入完成训练的神经网络模型之前包括：6.根据权利要求1所述的一种存储器读重表优化方法，其特征在于，所述将所述工作环境数据输入完成训练的神经网络模型，得到最佳可读电压包括：7.根据权利要求1所述的一种存储器读重表优化方法，其特征在于，所述神经网络模型的训练包括：8.根据权利要求7所述的一种存储器读重表优化方法，其特征在于，所述记录每一所述测试样本对应的测试结果包括：9.根据权利要求7所述的一种存储器读重表优化方法，其特征在于，所述记录每一所述测试样本对应的测试结果包括：10.根据权利要求7所述的一种存储器读重表优化方法，其特征在于，得到完成训练的所述神经网络模型还包括：11.一种存储器读重表优化装置，其特征在于，包括：12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-10任一项所述的一种存储器读重表优化方法中的各个步骤。13.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-10任一项所述的一种存储器读重表优化方法中的各个步骤。技术总结本发明公开一种存储器读重表优化方法、装置、可读存储介质及电子设备，包括：获取当前存储设备的工作环境数据；将所述工作环境数据输入完成训练的神经网络模型，得到最佳可读电压；获取当前读重表以及所述当前读重表的基准电压；根据所述最佳可读电压以及所述基准电压得到读重电压值，并根据所述读重电压值更新当前所述读重表中的电压值以及可读阈值。使得读重表中的电压值以及可读阈值能够根据存储设备当前的工作环境进行变化，提高了存储设备对复杂环境的适应性；并且，优化后的读重表有效降低了在特定环境条件下数据丢失的风险，提高了NAND存储设备的数据稳定性和可靠性。技术研发人员：何瀚,孙成思,王灿,谢林枫受保护的技术使用者：成都佰维存储科技有限公司技术研发日：技术公布日：2024/8/20