[发明专利]一种一致性模型的创建方法及系统

权利要求书

1.一种一致性模型的创建方法，其特征在于，所述方法包括：

预先配置一致性模型的前置数据，所述前置数据包括一致性模型的应用对象、一致性模型的控制粒度以及多个一致性模型的偏差参数；

基于所述一致性模型额控制粒度，确定所述多个一致性模型的偏差参数之间的关联关系；

根据确定的所述关联关系，通过结合主成分分析法和逐步回归法，创建一致性模型。

2.根据权利要求1所述的方法，其特征在于，所述一致性模型的应用对象为元数据本身，并非事务处理过程。

3.根据权利要求1所述的方法，其特征在于，所述一致性模型的控制粒度为子树，并非全局树。

4.根据权利要求1所述的方法，其特征在于，所述一致性模型的偏差参数包括数值偏差参数、顺序偏差参数以及时间偏差参数。

5.根据权利要求1所述的方法，其特征在于，在创建所述一致性模型之前，所述方法还包括：

建立两个假设条件，并基于建立的所述两个假设条件创建所述一致性模型；其中，所述两个假设条件为：

假设每一个元数据项的写入、读取内存的速度相同；

假设所有元数据项的应用价值权重相同。

6.根据权利要求1所述的方法，其特征在于，确定所述多个一致性模型的偏差参数之间的关联关系包括：

数值偏差参数用目录下的文件数量表示，顺序偏差程度用上层目录下的目录数量表示，时间偏差参数用本层目录的树深度表示。

7.根据权利要求1所述的方法，其特征在于，根据确定的所述关联关系，通过结合主成分分析法和逐步回归法，创建一致性模型包括：

对原始数据进行标准化处理，并将标准化处理后的变量逐个引入逐步回归模型，以得到最优变量组；

通过对所述最优变量组中的各个变量线性加权得到若干具有最佳解释能力的新综合变量；

将所述新综合变量作为回归变量进行最小二乘回归分析，得到线性预测模型。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

将所述新综合变量作为回归变量采取非线性回归分析，构建一个面向主成分变量的完全二次多项式函数，所述完全二次多项式函数为：

其中，y表示所述二次多项式函数，α_i，β_ij，δ_i是回归参数，k是常量，P_i和P_j为主成分，n表示主成分的个数。

9.根据权利要求1所述的方法，其特征在于，所述方法还包括：

首先将元数据分为热点与非热点两类，判断是否为热点的规则是，与根节点的距离处于预设范围内或访问频率高于预设阈值的元数据为热点元数据，反之为非热点元数据，按照以下规则进行一致性策略的在线切换：

规则一：设置响应时间阈值，当热点元数据平均响应时间低于所述响应时间阈值时，全局元数据采用最强一致性策略；

规则二：给定应用性能需求前提下，将可调一致性模型中一致性偏差边界值，作为一致性策略切换的依据；

规则三：同时满足规则一和规则二时，规则一优先级高于规则二。

10.一种一致性模型的创建系统，其特征在于，所述系统包括：

前置数据配置单元，用于预先配置一致性模型的前置数据，所述前置数据包括一致性模型的应用对象、一致性模型的控制粒度以及多个一致性模型的偏差参数；

关联关系确定单元，用于基于所述一致性模型额控制粒度，确定所述多个一致性模型的偏差参数之间的关联关系；

模型创建单元，用于根据确定的所述关联关系，通过结合主成分分析法和逐步回归法，创建一致性模型。