摘要
本申请提供一种基于大模型优化对象存储中对象列举性能的方法、系统、设备及介质,属于数据存储技术领域,所述方法:收集存储系统中访问日志和对象元数据构建数据集,并使用数据集训练访问模式识别大模型;响应对象列举请求,使用访问模式识别大模型分析对象列举请求的上下文,提前预测用户需要访问的热点对象;基于预测结果动态调整查询策略和存储节点的访问方式,以及对热点对象提前进行缓存和预加载,再执行对象列举操作;收集对象列举操作的列举结果和性能数据,并结合新的访问日志对访问模式识别大模型进行优化和更新。本发明在对象列举操作中能够有效减少查询延迟,提高响应速度和吞吐量,优化资源利用率,降低存储成本,并增强用户体验。
技术关键词
对象
查询策略
模式识别模型
热点
存储系统
日志
节点
优化资源利用率
数据存储技术
缓存策略
处理器
内存
模型更新
动态
模块
存储器
标签
电子设备
系统为您推荐了相关专利信息
打磨机器人
误差补偿值
航空发动机叶片
深度置信网络
模糊参数
执行设备
方位误差
定位补偿方法
关节
穿刺机器人
物品存储方法
分片
分布式存储节点
指纹算法
滑动窗口
智能分析方法
实体
大语言模型
训练人工智能模型
对象识别特征