本发明涉及一种基于机器学习的分布式缓存策略自适应切换方法及其系统.基于基准测试对各缓存策略进行评价,确定影响缓存策略性能表现的场景要素;分别在不同场景要素条件下收集各缓存策略的数据集;训练该数据集得到缓存性能模型;基于缓存性能模型与集群环境下的在线监测数据决策最优缓存策略,在当前缓存策略与最优策略不一致时执行缓存策略切换.本发明采用机器学习的方法建立可以准确刻画当前场景的缓存性能模型,并通过构建性能数据仓库周期性的更新该模型,进一步提高了模型的精度,可以较好的适应环境的动态变化,增强缓存服务的柔性和自适应性.
发明专利
CN201110167018.7
2011.06.21
CN102227121A
2011-10-26
张文博 秦秀磊 王伟 魏峻 钟华 黄涛
中国科学院软件研究所
H04L29/08(2006.01)I,H,H04,H04L,H04L29
H04L29/08(2006.01)I,H,H04,H04L,H04L29,H04L29/08
一种分布式缓存策略自适应切换方法,其步骤包括:1)基于基准测试对各缓存策略进行评价,确定影响缓存策略性能表现的场景要素;2)分别在不同场景要素条件下收集各缓存策略的数据集;3)训练该数据集得到缓存性能模型;4)基于缓存性能模型与集群环境下的在线监测数据决策最优缓存策略,在当前缓存策略与最优策略不一致时执行缓存策略切换.