一种分布式数据处理方法、装置及设备

本申请涉及一种分布式数据处理方法、装置及设备。所述方法通过采集异构节点的硬件负载与数据特征构建时空状态矩阵，利用深度强化学习模型动态预测最优分区调整动作，实现无感知数据分布切换，并通过反馈驱动在线更新深度强化学习模型，有效解决动态异构环境下传统静态分区策略导致的负载不均衡、资源利用率低及响应延迟波动问题，显著提升分布式系统在复杂场景下的自适应调度能力、资源利用效率及服务连续性保障水平。