一种基于BP神经网络的分布式缓存系统Memcached的改进方法

摘要

本发明公开了一种基于BP神经网络的分布式缓存系统Memcached的改进方法，包含：初始化HC Model；利用三层BP神经网络分类器训练样本数据，并得到分类依据；将实际数据输入训练成功的三层BP神经网络分类器，产生热点数据对象与冷点数据对象；装载HC Model的真实数据，即将热点与冷点数据对象装载至对应服务器节点。本发明提出的HC Model和依靠三层BP神经网络分类器区分热点数据对象与冷点数据对象的方法，与Memcached自带的分布式节点相比，新增加了热点数据服务器与冷点数据服务器，并在其中存放对应数据的路由和键值信息，极大提高了系统后面对数据的访问速度，而且对Memcacahed分布式缓存系统的工作效率有很大的提高作用。