[发明专利]一种基于人工智能的缓存优化方法

摘要

本发明公开了一种基于人工智能的缓存优化方法，将存储在磁盘空间中的数据集分割为大小均一的数据块；在增量过程中，统计不同数据块的命中率；在缓存更新过程中，首选根据前述命中率筛选命中较高的数据块并对这些数据块进行时间序列上的状态预测，将状态预测值为热的数据块作为核数据块。同时，根据预设的溢出边界以核数据块为中心建立溢出区，对每个数据块做状态预测，在这一预测过程中，将该数据块的时间序列状态预测与周边数据块的时间序列状态预测值进行统一处理，最终形成该数据块的状态预测值，实现缓存数据集的筛选。

主权项

1.一种基于人工智能的缓存优化方法，其特征在于，包括步骤如下：第一步：以定长尺度将原始数据集切分成一组数据块，这些数据块根据位置先后进行序列化组织；第二步：以一定时间窗口为周期进行缓存更新，每次缓存更新时根据最近一个窗口期中数据块的查询命中统计进行缓存对象的筛选；第三步：在查询命中统计过程中，以倒排索引为基础进行统计，根据每条命中的数据记录所处位置与长度进行对应数据块的命中统计增量，得到命中统计值；根据命中统计值对数据块的状态进行分类；第四步：在进行每一次缓存更新操作时，首先筛选特定状态的数据块作为数据块选集；然后结合每个数据块历史状态序列，对相应数据块在下一个周期的状态进行预测，并按照状态预测值对数据块进行热度标记；第五步：根据第四步预测的结果，将热度标记为“hot”状态的数据块作为核数据块，形成核数据块集，然后对核数据块集中的核数据块进行聚集处理；第六步：依次获取核数据块集中核数据块对应的聚集，为每个核数据块聚集向前后延伸固定个数据块长度，形成初始溢出区；第七步：将溢出区以核数据块聚集为基础，向前、向后进行溢出区伸缩操作；在这一过程中依次计算数据块与临近核数据块聚集一侧的邻居数据块的状态预测值，然后通过联合分布预测函数实现当前数据块的状态预测计算；第八步：完成溢出区的全部数据块的状态预测计算后，检查溢出区当前边界位置上的当前数据块，如果当前数据块的状态满足边界外延条件，则将当前边界向特定方向外延一个数据块，并将新增数据块进行第七步预测处理；如果当前数据块的状态满足边界收缩条件，则将该当前数据块从溢出区中删除，将其靠近核数据块聚集一侧的邻居数据块作为新的边界，继续执行第七步；第九步：当前边界位置上的当前数据块不满足边界外延条件，则当前缓存完成筛选，执行后续缓存更新操作。