机器人与智能制造项目推介整理——32、基于机器学习的分布式缓存策略自适应切换方法及系统

申请号:  

CN201110167018.7

申请日:

2011.06.21

应用领域:  

平台资源管理，数据处理

项目简介:  

本发明涉及一种基于机器学习的分布式缓存策略自适应切换方法及其系统。基于基准测试对各缓存策略进行评价，确定影响缓存策略性能表现的场景要素；分别在不同场景要素条件下收集各缓存策略的数据集；训练该数据集得到缓存性能模型；基于缓存性能模型与集群环境下的在线监测数据决策最优缓存策略，在当前缓存策略与最优策略不一致时执行缓存策略切换。 

技术优势:

本发明在离线模型训练阶段，采用信息增益理论评价各性能参数，有效减少了主观因素的影响。基于 Ripper 方法产生的规则集易于理解和修改，方法简单，更易实施。本发明采用机器学习的方法建立可以准确刻画当前场景的缓存性能模型，并通过构建性能数据仓库周期性的更新该模型，进一步提高了模型的精度，可以较好的适应环境的动态变化。本发明可为 Web 应用及缓存服务性能调优提供支持。通过对 Web 应用不同访问模式、用户并发量和平台资源等环境信息的学习与侦测，帮助平台管理人员及时调整缓存策略，减少人工管理成本，优化资源利用率，增强缓存服务的柔性和自适应性。

（以上资讯来源于网络，如有侵权，请联系管理员删除。）