[发明专利]分布式存储系统的数据存储方法、系统、设备及存储介质

权利要求书

1.一种分布式存储系统的数据存储方法，其特征在于，所述分布式存储系统中包括多个硬盘集群，所述硬盘集群中包括多个型号相同的硬盘，且同一所述硬盘集群中的各个硬盘均在同一批次加入所述分布式存储系统，所述分布式存储系统的数据存储方法包括：

接收待写入数据，并划分出所述待写入数据的数据类型；其中，在设定的N种数据类型中，第i+1数据类型的待写入数据在第一时长内的修改次数预估值，高于第i数据类型的待写入数据在第一时长内的修改次数预估值，N为不小于2的正整数；

当所述待写入数据的数据类型为第i数据类型时，判断当前是否存在第i状态的硬盘集群；

如果是，则选取出1个第i状态的硬盘集群；

将所述待写入数据写入选取出的该第i状态的硬盘集群中；其中，在设定的N种状态的硬盘集群中，第i+1状态的硬盘集群的磨损度低于第i状态的硬盘集群的磨损度，i为正整数。

2.根据权利要求1所述的分布式存储系统的数据存储方法，其特征在于，所述划分出所述待写入数据的数据类型，包括：

基于所述待写入数据的文件名，划分出所述待写入数据的数据类型。

3.根据权利要求2所述的分布式存储系统的数据存储方法，其特征在于，所述基于所述待写入数据的文件名，划分出所述待写入数据的数据类型，包括：

当所述待写入数据的文件名与预设的第j数据库匹配时，将所述待写入数据的数据类型划分为第j数据类型；其中，j为正整数且1≤j≤N-1；

当所述待写入数据的文件名与预设的N-1个数据库均不匹配时，将所述待写入数据的数据类型划分为第N数据类型。

4.根据权利要求3所述的分布式存储系统的数据存储方法，其特征在于，还包括：

以文件名作为训练样本，以训练样本在第一时长内的修改次数统计值作为所述训练样本的训练标签，对预设的深度学习模型进行训练；

在所述深度学习模型训练完毕之后，依次输入各个不同的文件名至训练完毕的所述深度学习模型，并基于所述深度学习模型的输出结果，进行N-1个所述数据库的数据更新。

5.根据权利要求3所述的分布式存储系统的数据存储方法，其特征在于，还包括：

接收针对第j数据库的调整指令，并根据所述调整指令进行第j数据库的数据项增加操作和/或数据项删除操作和/或数据项修改操作。

6.根据权利要求1所述的分布式存储系统的数据存储方法，其特征在于，N=3，第1数据类型为只读数据类型，第2数据类型为冷数据类型，第3数据类型为热数据类型，硬盘集群的第1状态为G_readonly状态，硬盘集群的第2状态为G_cold状态，硬盘集群的第3状态为G_hot状态。

7.根据权利要求6所述的分布式存储系统的数据存储方法，其特征在于，还包括：

当所述待写入数据为第1数据类型，且判断出当前不存在第1状态的硬盘集群时，将所述待写入数据写入G_hot状态或者G_cold状态的硬盘集群中。

8.根据权利要求6所述的分布式存储系统的数据存储方法，其特征在于，还包括：

当所述待写入数据为第2数据类型，且判断出当前不存在第2状态的硬盘集群时，将所述待写入数据写入G_hot状态的硬盘集群中。

9.根据权利要求6所述的分布式存储系统的数据存储方法，其特征在于，还包括：

当所述待写入数据为第3数据类型，且判断出当前不存在第3状态的硬盘集群时，反馈写失败的提示信息。

10.根据权利要求1所述的分布式存储系统的数据存储方法，其特征在于，所述选取出1个第i状态的硬盘集群，包括：

以硬盘集群的磨损度越低则优先级越高的规则，选取出1个第i状态的硬盘集群。