[发明专利]一种数据预取的方法及相关设备

权利要求书

1.一种数据预取的方法，其特征在于，包括：

接收第一读请求；

将所述第一读请求所读取数据的地址输入神经网络模型，所述神经网络模型输出多个地址的概率值，每个地址的概率值表示每个地址对应的数据为第二读请求所读取的数据的概率，所述第二读请求为所述第一读请求的下一个读请求；

按照概率值从所述神经网络模型的输出中获取N个地址，使所述N个地址对应的数据存储在缓存中。

2.如权利要求1所述的方法，其特征在于，所述使所述N个地址对应的数据存储在缓存中，包括：

确定所述N个地址中对应的数据不在所述缓存中的M个地址，所述M为大于等于1的正整数；

将所述M个地址对应的数据存储至所述缓存。

3.如权利要求1所述的方法，其特征在于，所述神经网络模型包括第一神经网络模型及第二神经网络模型，其中所述第一神经网络模型用于对写入数据的地址进行训练，所述第二神经网络模型用于对读取数据的地址进行训练；

所述将所述第一读请求所读取数据的地址输入神经网络模型包括：

将所述第一读请求所读取数据的地址分别输入第一神经网络模型和第二神经网络模型；

所述按照概率值从所述神经网络模型的输出中获取N个地址包括：

按照概率值从大到小的顺序从所述第一神经网络模型的输出中获取前N1个地址，按照概率值从大到小的顺序从所述第二神经网络模型的输出中获取前N2个地址，其中，所述N1与所述N2之和等于所述N。

4.如权利要求3所述的方法，其特征在于，所述方法还包括：

获取一个写入数据的地址集合，所述地址集合中写入时间相邻的两个数据的写入时间间隔小于一预设值；

通过所述第一神经网络模型对地址集合中的地址进行训练，使得所述地址集合中的第一地址输入所述第一神经网络模型之后，所述第一地址之后的至少一个地址在所述第一神经网络模型输出的多个地址的概率中的概率增加，所述第一地址为所述地址集合中的任意一个地址。

5.如权利要求3所述的方法，其特征在于，所述方法还包括：

获取一个读取数据的地址集合，所述地址集合中读取时间相邻的两个数据的读取时间间隔小于一预设值；

通过所述第二神经网络模型对地址集合中的地址进行训练，使得所述地址集合中的第一地址输入所述第二神经网络模型之后，所述第一地址之后的至少一个地址在所述第二神经网络模型输出的多个地址的概率中的概率增加，所述第一地址为所述地址集合中的任意一个地址。

6.如权利要求2-5任一项所述的方法，其特征在于，所述方法还包括：

统计预设时长内，在所述缓存中命中的从所述第一神经网络模型的输出中获取的地址的数量A，以及在所述缓存中命中的从所述第二神经网络模型的输出中获取的地址的数量B；

根据所述A和所述B，调整从所述第一神经网络模型的输出中获取的地址数量N1和从所述第二神经网络模型的输出中获取的地址数量N2。

7.一种计算设备，其特征在于，包括：

接收单元，用于接收第一读请求；

预测单元，用于将所述第一读请求所读取数据的地址输入神经网络模型，所述神经网络模型输出多个地址的概率值，每个地址的概率值表示每个地址对应的数据为第二读请求所读取的数据的概率，所述第二读请求为所述第一读请求的下一个读请求；按照概率值从所述神经网络模型的输出中获取N个地址，使所述N个地址对应的数据存储在缓存中。

8.如权利要求7所述的计算设备，其特征在于，所述预测单元，还用于：

确定所述N个地址中对应的数据不在所述缓存中的M个地址，所述M为大于等于1的正整数；

将所述M个地址对应的数据存储至所述缓存。