[发明专利]数据缓存优化方法及装置、非易失性存储介质、电子设备

权利要求书

1.一种数据缓存优化方法，其特征在于，包括：

获取目标对象请求数据；

将所述目标对象请求数据输入预先训练的神经网络模型中得到预测热点数据；

根据所述预测热点数据和预先确定的热点数据特征确定目标热点数据；

将所述目标热点数据进行预缓存，以对数据缓存进行优化。

2.根据权利要求1所述的方法，其特征在于，所述预先确定的热点数据特征通过以下方式确定：

确定热点数据集合和非热点数据集合的信息增益；

在所述热点数据集合的信息增益等于设定第一信息增益阈值的情况下，所述集合中的数据对应的特征作为第一特征集合；

在所述非热点数据集合的信息增益等于设定第二信息增益阈值的情况下，所述集合中的数据对应的特征作为第二特征集合；

将所述第一特征集合中与所述第二特征集合中的特征一致的特征剔除后构成所述热点数据特征。

3.根据权利要求2所述的方法，其特征在于，热点数据集合和非热点数据集合通过以下方式确定，包括：

获取目标对象请求历史数据和历史访问数据；

由所述请求历史数据中请求次数高于第一设定阈值的数据组成所述热点数据集合；

由所述历史访问数据中访问次数低于第二设定阈值且缓存命中率低于第三设定阈值的数据确定为非热点数据集合。

4.根据权利要求2所述的方法，其特征在于，所述确定热点数据集合的信息增益，包括：

确定所述热点数据集合的信息熵；

确定所述热点数据集合的样本熵；

将所述热点数据集合的信息熵与所述热点数据集合的样本熵的差作为所述热点数据集合的信息增益。

5.根据权利要求3所述的方法，其特征在于，所述预先训练的神经网络模型的训练通过以下方式训练得到：

以所述请求历史数据为样本数据，所述热点数据为所述样本数据的样本标签训练得到所述预先训练的神经网络模型。

6.根据权利要求4所述的方法，其特征在于，在训练所述预先训练的神经网络模型之前，所述方法还包括：

将所述热点数据集合和所述非热点数据集合中的数据的时间戳转化成浮点数格式的时间戳。

7.根据权利要求2所述的方法，其特征在于，在将所述目标热点数据进行预缓存，以对数据缓存进行优化之前，所述方法还包括：

获取非热点数据的数量；

在所述非热点数据的数量小于第四设定阈值的情况下，对所述目标热点数据进行预缓存，以对数据缓存进行优化。

8.一种数据缓存优化装置，其特征在于，包括：

获取模块，用于获取目标对象请求数据；

预测模块，用于将所述目标对象请求数据输入预先训练的神经网络模型中得到预测热点数据；

确定模块，用于根据所述预测热点数据和预先确定的热点数据特征确定目标热点数据；

优化模块，用于将所述目标热点数据进行预缓存，以对数据缓存进行优化。

9.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行权利要求1至7中任意一项所述数据缓存优化方法。

10.一种电子设备，其特征在于，存储器和处理器；所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至7中任意一项所述数据缓存方法。