本发明提供一种通用缓存替换方法及系统,包括:收集当前各种相关请求至缓存的I/O序列;将I/O序列输入到训练好的缓存分布预测器,以预测当前序列下应该采用何种缓存替换策略的概率;缓存分布预测器主要是以深度强化学习算法DDPG为基础,内部的神经网络在输入阶段对I/O序列在时序特征和统计特征上的分析;时序特征的提取主要是采用LSTM来实现,统计特征的提取主要是通过分析I/O序列本身反映出诸如最大最小以及均值等统计信息。本发明结合I/O序列的多维特征分析和深度强化学习算法来指导缓存应该选择何种缓存替换策略来完成缓存的替换过程,在无需应用层信息的情况下高效完成缓存的替换过程,降低了系统在复杂环境下部署的难度。
声明:
“通用缓存替换方法及系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)