摘要
本发明公开了一种预测用户档案访问需求的自适应缓存预热系统及方法,实时监控获取计算任务信息和用户档案数据的更新事件流,并收集任务的历史执行数据;提取用于用户档案访问需求预测的特征;利用至少一个机器学习模型预测电信计算任务将要访问的用户档案数据项集合;根据预测结果、数据项的易变性评估、任务的延迟要求以及当前缓存状态,决定预热的数据项及相应的缓存策略;将选定的数据项加载到高速缓存;监控所述电信计算任务的实际数据访问情况、缓存性能以及预热数据的时效性指标形成监控结果;根据监控结果反馈,自适应地更新机器学习模型及预热决策的缓存策略。本发明实现精准预测避免无效预热,提高高速缓存资源和数据加载带宽利用效率。
技术关键词
缓存预热方法
机器学习模型
数据项
缓存策略
预热系统
数据访问
内存数据网格
电信业务系统
数据存储模块
时效性
低延迟数据
历史访问数据
决策
联邦学习模型
事件流
数据更新
任务调度器
梯度提升树