[發(fā)明專利]一種基于BP神經(jīng)網(wǎng)絡(luò)的分布式緩存系統(tǒng)Memcached的改進方法

有效

• 申請?zhí)枺?/td>: 201710606649.1
• 申請日: 2017-07-24
• 公開（公告）號: CN107426315B
• 公開（公告）日: 2020-07-31
• 發(fā)明（設(shè)計）人: 金仙力;趙興旺
• 申請（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號: H04L29/08
• 分類號: H04L29/08;G06N3/08
• 代理公司: 南京知識律師事務(wù)所 32207
• 代理人: 李吉寬

本發(fā)明公開了一種基于BP神經(jīng)網(wǎng)絡(luò)的分布式緩存系統(tǒng)Memcached的改進方法，包含：初始化HC Model；利用三層BP神經(jīng)網(wǎng)絡(luò)分類器訓(xùn)練樣本數(shù)據(jù)，并得到分類依據(jù)；將實際數(shù)據(jù)輸入訓(xùn)練成功的三層BP神經(jīng)網(wǎng)絡(luò)分類器，產(chǎn)生熱點數(shù)據(jù)對象與冷點數(shù)據(jù)對象；裝載HC Model的真實數(shù)據(jù)，即將熱點與冷點數(shù)據(jù)對象裝載至對應(yīng)服務(wù)器節(jié)點。本發(fā)明提出的HC Model和依靠三層BP神經(jīng)網(wǎng)絡(luò)分類器區(qū)分熱點數(shù)據(jù)對象與冷點數(shù)據(jù)對象的方法，與Memcached自帶的分布式節(jié)點相比，新增加了熱點數(shù)據(jù)服務(wù)器與冷點數(shù)據(jù)服務(wù)器，并在其中存放對應(yīng)數(shù)據(jù)的路由和鍵值信息，極大提高了系統(tǒng)后面對數(shù)據(jù)的訪問速度，而且對Memcacahed分布式緩存系統(tǒng)的工作效率有很大的提高作用。

技術(shù)領(lǐng)域

本發(fā)明屬于分布式緩存數(shù)據(jù)的效率領(lǐng)域，涉及一種數(shù)據(jù)交換模型以及數(shù)據(jù)分類方法。

背景技術(shù)

伴隨著云計算和大數(shù)據(jù)時代的到來，用戶群體與日俱增的需求帶來了數(shù)據(jù)的海量增長，迫使傳統(tǒng)的緩存技術(shù)日漸顯現(xiàn)出容量擴展性差、讀寫速低，、用戶體驗差，、并發(fā)性能弱等劣勢。而云計算的分布式緩存技術(shù)恰到好處地提供了一種解決的方案，它具有高速率度讀寫、快速擴展、支持并發(fā)和快速響應(yīng)等優(yōu)勢。分布式緩存系統(tǒng)Memcached具有高性能，分布式等特點，它通過在內(nèi)存中維護一個統(tǒng)一的龐大的Hash表來管理緩存數(shù)據(jù)，旨在減少動態(tài)應(yīng)用的數(shù)據(jù)庫負載，提高緩存的訪問速度。Memcached的主要特征是它的分布式結(jié)構(gòu)，可以通過在多臺服務(wù)器上安裝Memcached來搭建一個緩存服務(wù)器集群，然后通過一致性hash來分散存儲，引進虛擬節(jié)點，采取智能路由，NRW多副本機制，數(shù)據(jù)均衡負載等方法降低數(shù)據(jù)庫的訪問壓力，提高數(shù)據(jù)訪問速度，保持存儲數(shù)據(jù)的一致性。

然而，分布式緩存系統(tǒng)中的數(shù)據(jù)量龐大，若能有效的地區(qū)分訪問頻率大的熱點數(shù)據(jù)與訪問頻率相對小的冷點數(shù)據(jù)，將進一步提高緩存數(shù)據(jù)的讀取效率。于是本發(fā)明提出Memcached的一種改進方法，引進HC Model與三層BP神經(jīng)網(wǎng)絡(luò)分類器，旨在較為準確地將熱點數(shù)據(jù)與冷點數(shù)據(jù)分類，通過訪問熱點數(shù)據(jù)服務(wù)器和冷點數(shù)據(jù)服務(wù)器來節(jié)省數(shù)據(jù)訪問時間，提高數(shù)據(jù)訪問效率。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是針對分布式緩存系統(tǒng)Memcached提出了一種HCModel和依靠三層BP神經(jīng)網(wǎng)絡(luò)分類器將龐大的緩存數(shù)據(jù)分類以區(qū)分熱點與冷點數(shù)據(jù)對象的方法，并且大大提高了HC Model的工作效率。

本發(fā)明為解決上述技術(shù)問題采用的技術(shù)方案為一種基于BP神經(jīng)網(wǎng)絡(luò)的分布式緩存系統(tǒng)Memcached的改進方法，包含以下步驟：

S1：初始化HC Model；

S2：利用三層BP神經(jīng)網(wǎng)絡(luò)分類器訓(xùn)練樣本數(shù)據(jù)，并得到分類依據(jù)；

S3：將實際數(shù)據(jù)輸入訓(xùn)練成功的三層BP神經(jīng)網(wǎng)絡(luò)分類器，產(chǎn)生熱點數(shù)據(jù)對象與冷點數(shù)據(jù)對象；

S4：裝載HC Model的真實數(shù)據(jù)，即將熱點與冷點數(shù)據(jù)對象裝載至對應(yīng)服務(wù)器節(jié)點。

進一步，上述步驟1具體包含：當分布式緩存系統(tǒng)Memcached系統(tǒng)啟動時，HC Model也隨即加載完成，HC Model由Memcached中的兩個隨機的節(jié)點組成，其中指定一個節(jié)點為熱點服務(wù)器，主要存儲熱點對象的鍵值與路由信息；指定另一個為冷點服務(wù)器，存儲暫時回收的鍵值和路由信息。在初始化HC Model時，HC Mode中的熱點數(shù)據(jù)服務(wù)器節(jié)點與冷點數(shù)據(jù)服務(wù)器節(jié)點均為空。

進一步，上述步驟2中所述三層BP神經(jīng)網(wǎng)絡(luò)分類器包含輸入層、一個或多個隱含層和輸出層，層與層之間全互聯(lián)，同層節(jié)點之間沒有任何耦合，并且每一層節(jié)點的輸出只影響下一層節(jié)點的輸出。

上述輸入層節(jié)點的個數(shù)通常取輸入向量的維數(shù)，輸出節(jié)點的個數(shù)通常取輸出向量的維數(shù)，隱含層節(jié)點個數(shù)尚無確定的標準，需經(jīng)過反復(fù)試湊的方法取得最終結(jié)果。