一种基于深度学习的混合多模式热数据缓存策略

摘要

本发明提出一种基于深度学习的混合多模式热数据缓存策略。在索引缓存层快速响应大部分的查询请求，减少持久存储层的访问次数，提高索引系统的整体性能是分层式索引模型的设计目标。但缓存的容量毕竟是有限的，如何选择一种合适的缓存替换策略，在使用尽量少的缓存情况下，提高其命中率成为提升索引系统整体性能的一个重要研究问题，因此我们提出基于深度学习的混合多模式热数据缓存替换策略。在原有的多模式热数据敏感的缓存策略基础上，通过支撑平台提供的查询趋势预测服务，对查询任务进行预测，采用深度学习中的DBN预测算法来预测在完成一次查询任务后，下一次可能的查询任务，将与预测到的查询任务相关的索引记录加载至缓存层中，从而增大缓存中索引记录的命中率，提高查询效率。