[发明专利]一种基于神经网络的数据库缓存系统及方法

摘要

本发明公开了一种基于神经网络的数据库缓存系统，包括接入适配模块、分析模块和神经网络；其中：接入适配模块：负责进出数据的适配；分析模块：用于分析用户输入意图；神经网络：包括输入层、隐藏层和输出层；输入层用于接收参数激活隐藏层，隐藏层的每个神经元都包含数据库访问模块、前驱后继神经元路由表、记忆生存周期标识、特征标识和缓存数据集合；输出层用于输出查询结果集至接入适配模块。本发明解决了传统的缓存技术数据无法更新以及缓存状态逐渐恶化造成缓存命中率低的问题，大大提高了缓存的性能和稳定性。解决了传统缓存单一平面的问题，使得子查询相关中间数据可以被缓存，显著减少了数据库多表关联查询的处理时间。

主权项

1.一种基于神经网络的数据库缓存方法，其特征在于：包括以下步骤：/nS1：客户端访问数据库时，通过接入适配模块将数据发送给分析模块；/nS2：分析模块分析SQL语句，并根据其意图、参数以及额外信息生成神经网络能够理解的包含固定特征条件的特征化样本；其中，额外信息包括运行环境信息；/nS3：将步骤S2得到的特征化样本交由神经网络处理，神经网络包括输入层、隐藏层和输出层，其中隐藏层包含起点神经元、中继神经元和终点神经元；/nS4：当操作类型为select时，输入层根据特征化样本中包含的特征条件逐步激活隐藏层神经元，直到输出层输出结果集为止；/nS5：如果特征条件全满足，则直接返回此路径上隐藏层终点神经元已经存在的缓存数据给输出层，并回溯此路径上的所有神经元并将记忆周期加1，再进行步骤S8；如果有特征条件没有被满足，则进行步骤S6；/nS6：对于没有被满足的特征条件，创建一个满足此特征条件的空隐层神经元，并将特征化样本转入新的空隐层神经元处理，之后判断特征化样本中所有的特征条件是否已满足：如果不满足，则循环执行步骤S6，直到特征化样本中所有特征条件满足并到达起点神经元为止，激活起点神经元，路径上神经元的缓存数据反向流动到终点神经元，最后隐藏层终点神经元将最终处理完成的缓存数据返回给输出层；/nS7：当操作类型为insert、update和delete时，神经网络根据特征化样本中包含的特征条件按照S4中的激活方式激活相关已存在的隐藏层神经元，被激活的神经元逐步将其缓存的数据调整至最新状态；/nS8：输出层返回数据给接入适配模块，接入适配模块生成结果集给客户端。/n