一种基于在线学习的多模型缓存管理算法

本发明公开了一种基于在线学习的多模型缓存管理算法，包括以下步骤：S1，SSD控制器接收上层应用发出的I/O请求，并捕获请求特征；S2，每处理固定数量的页后，将请求特征聚合生成窗口级指标；S3，经过离散化处理，映射为有限状态空间；S4，Q表计算基础策略池中各策略在当前状态下的预测值；S5，在线学习模块通过预测值在基础策略池中动态选择下一周期的缓存替换策略；S6，在缓存中额外设置优先驱逐链表，主动写回模块实时监测后端闪存芯片的繁忙程度，将优先驱逐链表中的冷脏页异步写回闪存。本发明通过动态策略切换提升缓存命中率；主动写回模块减少脏页替换延迟，延长SSD寿命；Q表与Xgboost模型的总内存占用小，适配嵌入式控制器资源限制。