[发明专利]基于RBF神经网络的搜索集群优化方法及系统

摘要

本发明公开了一种基于RBF神经网络的搜索集群优化方法及系统，涉及大数据搜索领域。该系统包括数据节点、管理节点和RBF神经网络训练单元，RBF神经网络训练单元基于RBF神经网络进行搜索集群，将数据节点的索引数量、搜索反馈、搜索CPU消耗、搜索响应时长、节点负载压力等数据，作为输入向量集，定时进行训练与计算，设置自定义误差范围、迭代次数及权值，训练得到最适合自己的簇群及管理节点。当某个管理节点失效，系统自动取出其簇群下失效数据节点的训练结果数据，并找到适合该失效节点的管理节点，在失效数据节点与管理节点之间建立连接请求流程，自动申请加入簇群。

主权项

一种基于RBF神经网络的搜索集群优化方法，其特征在于，包括以下步骤：S1、以数据节点的索引数量、搜索反馈、搜索CPU消耗、搜索响应时长、节点负载压力数据作为训练样本集，进行RBF神经网络训练，匹配最优的管理节点，得到失效的数据节点，向合适的管理节点发送申请加入簇群的请求；S2、判断管理节点在规定时长内是否有响应，若该管理节点在规定时长内无响应，则返回步骤S1，对失效的数据节点重新进行RBF神经网络训练；若该管理节点在规定时长内有响应，则转到步骤S3；S3、管理节点对当前簇群的数据节点数量进行分析，判断簇群的数据节点数量是否达到上限，若达到上限，则返回步骤S1，对失效的数据节点重新进行RBF神经网络训练；若未达到上限，则转到步骤S4；S4、管理节点向申请加入的数据节点回复请求，与该数据节点建立连接，并通知整个搜索集群。