[發明專利]基于分布式數據庫的數據存儲方法、存儲介質和電子設備

有效

• 申請號: 201910758096.0
• 申請日: 2019-08-16
• 公開（公告）號: CN110515944B
• 公開（公告）日: 2022-03-29
• 發明（設計）人: 陳曉宇;王倪東;雷欣;李志飛
• 申請（專利權）人: 出門問問（蘇州）信息科技有限公司
• 主分類號: G06F16/22
• 分類號: G06F16/22;G06F16/27
• 代理公司: 北京睿派知識產權代理事務所(普通合伙) 11597
• 代理人: 劉鋒

本發明實施例公開了一種基于分布式數據庫的數據存儲方法、存儲介質和電子設備。本發明實施例的服務器端在發送數據獲取請求后，接收數據獲取請求對應的目標數據集合，并對目標數據集合中包括至少一個更新的人工智能模型對應的流程樹文件在內的各目標數據進行處理，從而將處理后的各目標數據進行存儲。在本實施例中，服務器在監測到任一配置空間內的數據發生變化后，可以根據發生變化的數據確定目標數據集合，并自動發送數據獲取請求。在接收到目標數據集合后，還可以自動對目標數據集合進行處理并進行存儲。由此，可以自動對預測服務器存儲的人工智能模型進行更新，降低人工成本，提升更新效率，并避免對人工智能模型的應用產生影響。

技術領域

本發明公開涉及計算機技術領域，具體涉及一種基于分布式數據庫的數據存儲方法、存儲介質和電子設備。

背景技術

隨著科技的不斷發展，人工智能模型的應用領域也在不斷擴展。而各領域的數據量不斷增長和變化，使得應用于各領域的人工智能模型也需要保持較高的更新頻率。人工智能模型的數量龐大、更新頻率快，人工智能模型的訓練過程和應用過程通常無法在同一個服務器上進行。因此在現有技術中，在訓練服務器端對人工智能模型進行更新訓練后，需要通過人工的方式在預測服務器端的數據庫中存儲的人工智能模型進行更新。但上述方式人工成本高，且更新效率低，從而對人工智能模型的應用產生影響。

發明內容

有鑒于此,本發明實施例目的在于提供一種基于分布式數據庫的數據存儲方法、存儲介質和電子設備，用于在訓練服務器對人工智能模型進行更新后，自動對預測服務器存儲的人工智能模型進行更新，降低人工成本，提升更新效率，從而避免對人工智能模型的應用產生影響。

根據本發明實施例的第一方面，提供了一種基于分布式數據庫的數據寫入方法，所述方法包括：

接收數據寫入請求以及所述數據寫入請求對應的目標數據集合，所述目標數據集合包括至少一個流程樹文件；

確定所述目標數據集合對應的任務類型；

根據所述任務類型確定所述目標數據集合對應的目標配置空間；

將所述目標數據集合寫入所述目標配置空間。

優選地，所述根據所述任務類型確定所述目標數據集合對應的目標配置空間包括：

響應于所述任務類型對應的配置空間存在，將所述對應的配置空間確定為所述目標配置空間；

響應于所述任務類型對應的配置空間不存在，創建新的配置空間，并將所述新的配置空間確定為所述目標配置空間。

優選地，所述將所述目標數據集合寫入所述目標配置空間包括：

響應于所述目標配置空間存在與所述目標數據集合中的目標數據對應的字段，對所述對應的字段進行修改；

響應于所述目標配置中心不存在與所述目標數據集合對應的字段，增加所述對應的字段。

本實施例的配置中心在接收到數據寫入請求以及對應的包括至少一個流程樹文件的目標數據集合后，確定目標數據集合對應的任務類型，進而根據任務類型確定目標數據集合在配置中心中對應的目標配置空間，從而將目標數據集合寫入目標配置中心內進行存儲。在本實施例中，在訓練服務器對人工智能模型訓練完畢后，配置中心能夠對訓練服務器中更新的流程樹文件等數據進行自動寫入，有效降低了數據寫入的人工成本。

根據本發明實施例的第二方面，提供了一種基于分布式數據庫的數據存儲方法，所述方法包括：

發送數據獲取請求；

接收所述數據獲取請求對應的目標數據集合，所述目標數據集合包括至少一個流程樹文件；

對所述目標數據集合中的各目標數據進行處理，獲取處理后的各所述目標數據；