一种基于深度学习的数据库缓存管理方法、系统

本发明提供一种基于深度学习的数据库缓存管理方法、系统，通过提前预测并加载将来可能被访问的数据到缓存中，有效减少了缓存未命中的情况。模型训练过程中充分考虑了数据的多种特征，如时间特征、历史访问频率特征和表之间的关联性特征，从而提高预测的准确性。采用改进的长短期记忆网络(LSTM)，引入了数据库表之间的关联信息，使得预测数据访问模式方面更精确，显著提升了缓存命中率和系统响应速度。本发明过智能分析和高效预测，优化了资源利用，减少了访问延迟，提升了整体系统性能，为复杂多变的数据库访问模式提供了更智能的缓存管理策略。