公开(公告)号：CN118278500A

公开(公告)日：2024-07-02

申请号：CN202410524935.3

申请日：2024-04-29

Applicant: 华中科技大学

Inventor： 周可 ,  李春花 ,  王元璋 ,  张鹏

IPC: G06N3/096 ,  G06F16/182 ,  G06F9/50 ,  G06N20/00 ,  G06N3/006 ,  G06F18/214 ,  G06F18/24 ,  G06F17/18

Abstract: 本发明公开了一种在DFS中通过基于负载感知的目录级迁移的方法，首先通过机器学习模型分析负载信息以提前发现热点目录，随后，综合预测出的目录热度和系统节点状态情况，提出迁移代价分析模型衡量迁移数据的必要性和紧急度，进而确定何时触发迁移或容忍不均的情况，然后，为了更好的利用局部性，设计了同级目录协同迁移机制，最后，采用多目标优化的方法来恰当的选择所要迁入的存储节点。本发明能解决现有文件级数据迁移方法由于在迁移过程中引入过多的指针，导致增加额外开销的技术问题，在迁移过程中文件的热度消失很快，导致频繁的文件级迁移操作过程中出现很多无效迁移的技术问题，以及由于不能够充分发现热点数据，导致迁移效率低的技术问题。