[发明专利]一种基于机器学习的缓存预测调度方法、系统及介质

权利要求书

1.一种基于机器学习的缓存预测调度方法，其特征在于，包括：

步骤1：收集用户的查询数据作为样本数据，持续进行机器学习，并输出缓存预测曲线；

步骤2：根据上述缓存预测曲线，按照权重，把实时处理中的待缓存数据预先缓存到内存中，并根据内存容量，按权重进行置换；

步骤3：当获取到用户执行的首次查询操作，先至预缓存的数据中查询，同时将查询的条件加入到机器学习过程作为元数据；

步骤4：在查询的条件在预缓存中命中的情况下，直接输出结果，同时结果反馈到机器学习过程；

所述步骤1包括：

步骤1.1：将训练数据以及加入的查询数据作为机器学习的输入，输入到机器学习网络中；

步骤1.2：机器学习网络计算出预测结果，预测结果为以权重表示的待缓存数据需要预缓存的预测；

步骤1.3：预测结果存入缓存输出下一个周期的缓存权重曲线；

所述步骤2包括：

步骤2.1：查看内存是否有足够的缓存空间；

步骤2.2：若有足够的缓存空间则插入待缓存数据到缓存；若没有足够的缓存空间，则先查询权重表，根据权重做下一步判断；

步骤2.3 ：在待缓存的数据权重低于预设值的情况下，则丢弃待缓存数据；在待缓存的数据权重不低于预设值的情况下，则清除已有缓存中最低权重的缓存，然后重复步骤2.1。

2.根据权利要求1所述的一种基于机器学习的缓存预测调度方法，其特征在于，机器学习网络计算出预测结果，值越大表示预测需要缓存可能性越大，或者使用值越小表示预测需要缓存可能性越大的语义。

3.一种基于机器学习的缓存预测调度系统，其特征在于，包括

模块M1：收集用户查询数据作为样本数据，持续进行监督学习，并输出缓存预测曲线；

模块M2：根据上述缓存预测曲线，按照权重，把实时处理中的待缓存数据预先缓存到内存中，并根据内存容量，按权重进行置换；

模块M3：当获取到用户执行的首次查询操作，先至预缓存的数据中查询，同时将查询的条件加入到机器学习过程作为元数据；

模块M4：在查询的条件在预缓存中命中的情况下，直接输出结果，同时结果反馈到机器学习过程；

所述模块M1包括：

模块M1.1：将训练数据以及加入的查询数据作为机器学习的输入，输入到机器学习网络中；

模块M1.2：机器学习网络计算出预测结果，预测结果为以权重表示的待缓存数据需要预缓存的预测；

模块M1.3：预测结果存入缓存输出下一个周期的缓存权重曲线；

所述模块M2包括：

模块M2.1：查看内存是否有足够的缓存空间；

模块M2.2：若有足够的缓存空间则插入待缓存数据到缓存；若没有足够的缓存空间，则先查询权重表，根据权重做下一步判断；

模块M2.3 ：在待缓存的数据权重低于预设值的情况下，则丢弃待缓存数据；在待缓存的数据权重不低于预设值的情况下，则清除已有缓存中最低权重的缓存，然后重复模块M2.1。

4.根据权利要求3所述的一种基于机器学习的缓存预测调度系统，其特征在于，机器学习网络计算出预测结果，值越大表示预测需要缓存可能性越大，或者使用值越小表示预测需要缓存可能性越大的语义。

5.一种存储有机器学习的缓存预测调度方法的计算机可读存储介质，其特征在于，所述机器学习被处理器执行时实现权利要求1-2中任一项所述的方法的步骤。