分布式存储系统的缓存方法及系统与流程
技术特征：
1.分布式存储系统的缓存系统，其特征在于：包括参数采集模块、数据分析和预测模块、计算分析模块、智能评估模块和缓存优化模块；
2.根据权利要求1所述的分布式存储系统的缓存系统，其特征在于：所述参数采集模块包括数据采集单元、数据存储单元和数据预处理单元；
3.根据权利要求2所述的分布式存储系统的缓存系统，其特征在于：所述数据分析和预测模块包括数据分析单元和预测单元；
4.根据权利要求3所述的分布式存储系统的缓存系统，其特征在于：所述计算分析模块包括缓存计算单元和综合计算单元；
5.根据权利要求4所述的分布式存储系统的缓存系统，其特征在于：所述延迟计算单元用于构建访问延迟预测公式，基于当前预测t时刻的缓存利用率cu（t）和t时刻的缓存命中率chr（t）来计算t时刻的访问延迟al（t）；
6.根据权利要求4所述的分布式存储系统的缓存系统，其特征在于：所述命中率计算单元用于构建缓存命中率预测公式，通过结合访问t时刻的访问延迟al（t），进行计算预测获取在t时刻的缓存命中率chr（t）；
7.根据权利要求4所述的分布式存储系统的缓存系统，其特征在于：所述综合计算单元通过基于历史缓存数据和性能测试进行计算t时刻的缓存利用率cu（t）、t时刻的访问延迟al（t）和t时刻的缓存命中率chr（t）的平均值和标准差，获取缓存利用率预警阈值cuh、访问延迟预警阈值alh和缓存命中率预警阈值chrh，并将所获取到t时刻的缓存利用率cu（t）、t时刻的访问延迟al（t）和t时刻的缓存命中率chr（t），进行相关联计算获取综合预警评分zhyj；
8.根据权利要求1所述的分布式存储系统的缓存系统，其特征在于：所述智能评估模块用于依据每个分布式存储系统的历史缓存数据，确定每个分布式存储系统正常状态下缓存数据的平均值和标准差，预设缓存阈值h与所获取的综合预警评分zhyj进行第一次对比评估，分析每个分布式存储系统中缓存情况，具体评估结果如下；
9.根据权利要求8所述的分布式存储系统的缓存系统，其特征在于：所述缓存优化模块包括深度分析单元和深度评估单元；
10.分布式存储系统的缓存方法，应用于权利要求1-9任一项所述的分布式存储系统的缓存系统，其特征在于：包括以下步骤：
技术总结
本发明公开了分布式存储系统的缓存方法及系统，涉及存储缓存技术领域，该系统通过利用历史数据进行分析和预测，有效地识别缓存数据的使用模式和性能变化趋势。使用Pandas进行数据处理和统计分析，结合Matplotlib和Seaborn创建时间序列图、趋势图、散点图、统计图表、热力图和回归图，能够清晰地展示缓存性能的周期性变化。通过集成ARIMA模型和LSTM模型构建的机器学习模型，能够准确预测未来的缓存情况。这种预测能力不仅减少了缓存利用率不均衡和访问延迟增加的风险，还提升了缓存命中率，从而提高了系统的响应速度和用户体验。预测模型经过均方根误差、平均绝对误差和决定系数等评估指标的验证，确保了其预测性能的可靠性。
技术研发人员：孙骥,冯辉,张海斌
受保护的技术使用者：上海飞斯信息科技有限公司
技术研发日：
技术公布日：2024/12/2
技术研发人员：孙骥,冯辉,张海斌
技术所有人：上海飞斯信息科技有限公司
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除