[发明专利]基于人工智能的数据库扩展方法及相关设备

权利要求书

1.一种基于人工智能的数据库扩展方法，其特征在于，所述方法包括：

记录数据库扩展的开始时刻，并依据原始数据库的默认时区对开始时刻进行校准获得校准后时刻；

读取所述原始数据库的归档策略以获取每个数据块的归档进度，所述原始数据库包含多个数据块，将每个数据块存储数据的时间范围作为第一时间范围，所述归档策略用以定义每个数据块进行归档操作的第二时间范围，所述归档进度用以表征数据块当前是否正在进行归档操作；

依据所述校准后时刻与所述归档进度对所述数据块进行二分类获得离线数据块和在线数据块；

将所述离线数据块迁移至预设的副本数据库；

在所述离线数据块迁移完成之后，按照所述在线数据块的第一时间范围由早至晚的顺序依次将所述在线数据块写入所述副本数据库。

2.如权利要求1所述的基于人工智能的数据库扩展方法，其特征在于，所述记录数据库扩展的开始时刻，并依据原始数据库的默认时区对开始时刻进行校准获得校准后时刻包括：

实时获取原始数据库的资源占用率，若所述资源占用率小于预设的第一阈值则开始扩展时序副本并记录开始时刻；

依据当前时区与所述原始数据库默认时区的时间差修正所述开始时刻获得校准后时刻。

3.如权利要求1所述的基于人工智能的数据库扩展方法，其特征在于，所述读取所述原始数据库的归档策略以获取每个数据块的归档进度包括：

依据所述原始数据库的归档模式查询所述原始数据库的归档策略；

从所述归档策略中查询每个数据块进行归档操作的时间范围；

基于每个数据块进行归档操作的时间范围计算每个数据块的归档进度，所述归档进度包括“正在归档”和“未被归档”。

4.如权利要求1所述的基于人工智能的数据库扩展方法，其特征在于，所述依据所述校准后时刻与所述归档进度对所述数据块进行二分类获得离线数据块和在线数据块包括：

若某个数据块的归档进度为“正在归档”，则将该数据块归类为在线数据块，若某个数据块的归档进度为“未被归档”，则将该数据块作为备用离线数据块；

查询每个备用离线数据块存储数据的时间范围；

分别对比每个备用离线数据块的时间范围与所述校准后时刻，若所述校准后时刻在所述备用离线数据块的时间范围内则将该备用离线数据块归类为在线数据块，若所述校准后时刻不在所述备用离线数据块的时间范围内则将该备用离线数据块归类为离线数据块。

5.如权利要求1所述的基于人工智能的数据库扩展方法，其特征在于，所述按照所述在线数据块的第一时间范围由早至晚的顺序依次将所述在线数据块写入所述副本数据库包括：

依据所述在线数据块的第一时间范围由早至晚的顺序将所述在线数据块写入计算机的缓存空间中；

依据预设的校验方法修正所述缓存空间中的在线数据块；

将所述缓存空间中的在线数据块依次写入所述副本数据库以完成数据库扩展。

6.如权利要求5所述的基于人工智能的数据库扩展方法，其特征在于，所述依据所述在线数据块的第一时间范围由早至晚的顺序将所述在线数据块写入计算机的缓存空间中包括：

依据计算机缓存空间的容量和预设的阈值计算用于存储在线数据块的缓存容量；

将所述缓存容量划分为多个层级，每个层级可存储数据的容量由上至下依次递增；

依据所述在线数据块的第一时间范围由早至晚的顺序从数据容量最低的层级开始依次将所述在线数据块写入所述缓存空间；

当某个层级的数据容量溢满之后，将正在写入该层级的数据块重新写入下一个层级，直至所有在线数据块都被写入所述缓存空间。

7.如权利要求5所述的基于人工智能的数据库扩展方法，其特征在于，所述依据预设的校验方法修正所述缓存空间中的在线数据块包括：

依据层序遍历算法遍历所述缓存空间中的在线数据块并分类为完好数据块和缺损数据块；

利用循环冗余校验算法验证所述完好数据块以获取验证结果，所述验证结果包括“错误”和“无误”；

从所述原始数据库中查询所述验证结果为“错误”的完好数据块对应的在线数据块并重新写入所述缓存空间。