[发明专利]数据存储及获取方法和装置

权利要求书

1.一种数据存储方法，其特征在于，应用于存储设备，所述方法包括：

获取当前数据和所述当前数据的历史数据；

使用所述历史数据对所述当前数据进行预测，得到第一预测数据；所述第一预测数据是基于所述历史数据的变化规律对所述当前数据进行预测后的数据；

获取所述当前数据与所述第一预测数据的第一差量；

判断所述第一差量所占的存储空间是否小于所述当前数据所占的存储空间；

当所述第一差量所占的存储空间大于或等于所述当前数据所占的存储空间时，存储所述当前数据，或者，存储所述当前数据经压缩得到的值，或者，存储标识信息，所述标识信息用于指示用于恢复所述当前数据的信息是所述第一差量或所述第一差量经压缩得到的值；

当所述第一差量所占的存储空间小于所述当前数据所占的存储空间时，存储用于恢复所述当前数据的信息；其中，所述用于恢复所述当前数据的信息包括所述第一差量或所述第一差量经压缩得到的值，执行所述压缩所采用的算法包括字典型压缩算法，所述字典型压缩算法的字典包括至少两个集合，每个集合包括一个或多个映射关系，每个映射关系是指一个第一数据与一个第二数据之间的映射关系，所述第一数据所占的存储空间大于所述第二数据所占的存储空间；每个集合对应一个命中率范围，不同集合对应的命中率范围不同；

所述方法还包括：

获取所述第一差量的命中率；

根据所述第一差量的命中率，在所述至少两个集合中确定目标集合；所述第一差量的命中率用于确定所述第一差量所在的目标映射关系的命中率，所述确定的目标映射关系的命中率属于所述目标集合对应的命中率范围；

在所述目标集合的第一数据中查找所述第一差量，以确定与所述第一差量对应的第二数据；与所述第一差量对应的第二数据为所述第一差量经压缩得到的值。

2.根据权利要求1所述的数据存储方法，其特征在于，执行所述预测所采用的算法包括人工智能AI神经算法。

3.根据权利要求2所述的数据存储方法，其特征在于，所述AI神经算法的类型包括以下任一种：归一化最小均方自适应滤波NLMS类型、单层感知SLP类型、多层感知MLP类型或循环神经网络RNN类型。

4.根据权利要求2或3所述的数据存储方法，其特征在于，所述方法还包括：

存储所述用于恢复所述当前数据的信息和执行所述预测所采用的所述AI神经算法的参数之间的对应关系。

5.根据权利要求2或3所述的数据存储方法，其特征在于，在所述存储用于恢复所述当前数据的信息之后，所述方法还包括：

通过自适应学习更新所述AI神经算法的参数；

根据更新后的所述AI神经算法的参数，更新所述用于恢复所述当前数据的信息。

6.根据权利要求5所述的数据存储方法，其特征在于，所述根据更新后的所述AI神经算法的参数，更新所述用于恢复所述当前数据的信息，包括：

读取所述用于恢复所述当前数据的信息；

根据执行所述预测所采用的所述AI神经算法的参数、所述用于恢复所述当前数据的信息和所述当前数据的历史数据，恢复所述当前数据；

根据更新后的所述AI神经算法的参数和所述当前数据的历史数据，对所述当前数据进行预测，得到第二预测数据；所述第二预测数据是基于所述历史数据的变化规律和更新后的所述AI神经算法的参数对所述当前数据进行预测后的数据；

获取所述当前数据与所述第二预测数据的第二差量；

当所述第二差量所占的存储空间小于所述当前数据所占的存储空间时，将所存储的所述用于恢复所述当前数据的信息更新为所述第二差量或者所述第二差量经压缩得到的值。

7.根据权利要求2所述的数据存储方法，其特征在于，所述存储设备包括AI计算卡，所述使用所述历史数据对所述当前数据进行预测，得到第一预测数据，包括：

通过所述AI计算卡使用所述历史数据对所述当前数据进行预测，得到所述第一预测数据。