Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 天津神舟通用数据技术有限公司王德鑫获国家专利权

天津神舟通用数据技术有限公司王德鑫获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉天津神舟通用数据技术有限公司申请的专利一种基于大数据组件集群的对象存储服务方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN121326255B

龙图腾网通过国家知识产权局官网在2026-03-20发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202511875958.X,技术领域涉及:G06F3/06;该发明授权一种基于大数据组件集群的对象存储服务方法及系统是由王德鑫;苏华钦;李明阳;郭鑫;李振伟;赵旭;胡薇;陈振巍;宋菲设计研发完成,并于2025-12-12向国家知识产权局提交的专利申请。

一种基于大数据组件集群的对象存储服务方法及系统在说明书摘要公布了:本发明公开了一种基于大数据组件集群的对象存储服务方法及系统,涉及分布式存储技术领域;本发明通过提取数据对象静态特征、集群动态环境特征及历史访问模式特征,拼接预处理后形成实时多维特征;基于DDPG深度强化学习模型,通过Actor‑Critic网络架构处理连续动作空间,利用历史存储数据训练得到存储策略模型;将实时特征输入模型生成包含存储位置、副本数量、数据分片和生命周期管理的优化策略,并转化为集群可执行指令;本发明克服了现有静态策略的不足,实现了存储资源的动态优化配置,有效平衡性能、成本与可靠性,提升了海量非结构化数据存储在异构集群环境下的自适应管理能力与资源利用效率。

本发明授权一种基于大数据组件集群的对象存储服务方法及系统在权利要求书中公布了:1.一种基于大数据组件集群的对象存储服务方法,其特征在于,包括以下步骤: S1、获取数据对象静态特征、大数据组件集群动态环境特征以及历史访问模式特征;所述历史访问模式特征通过将数据对象静态特征映射至元数据库得到;所述S1包括以下步骤: S11、数据接入层接收数据对象写入请求,并进行验证,验证通过后,同意数据对象写入请求,得到数据对象; 提取数据对象的静态特征向量,得到数据对象静态特征;所述数据对象静态特征包括数据大小、数据类型以及用户或应用的标签; S12、收集大数据组件集群存储层的系统状态数据,得到实时大数据组件集群数据;提取实时大数据组件集群数据的特征,得到大数据组件集群动态环境特征; S13、查询元数据库,检索与实时数据对象具有相同静态特征的历史数据的访问模式,得到历史访问模式特征; S2、将数据对象静态特征、大数据组件集群动态环境特征、历史访问模式特征进行特征拼接并进行预处理,得到实时多维拼接特征; S3、基于对象存储数据的连续动作空间特性和Actor-Critic架构,构建DDPG模型;收集历史存储服务数据;使用历史存储服务数据结合奖励函数对DDPG模型进行训练,得到DDPG存储策略模型; S4、将实时多维拼接特征输入至DDPG存储策略模型,得到对象存储策略指令; S5、将对象存储策略指令转化为大数据组件集群能够识别的指令,得到对象存储控制指令;大数据组件集群基于对象存储控制指令进行分布式存储; 所述S3包括以下步骤: S31、构建DDPG模型;所述DDPG模型包括Actor-Critic架构;所述Actor-Critic架构包括Actor网络和Critic网络;所述Actor网络包括在线Actor网络和目标Actor网络,所述Critic网络包括在线Critic网络和目标Critic网络; S32、收集历史集群状态日志、数据访问日志以及元数据与操作日志,得到初始历史存储服务数据;将初始历史存储服务数据中的数据进行关联与对齐,得到历史存储服务数据中的数据; S33、基于历史存储服务数据构建历史状态-动作-奖励序列; S34、使用历史状态-动作-奖励序列结合奖励函数对DDPG模型进行训练,得到DDPG存储策略模型;所述步骤S33包括: S331、基于历史存储服务数据提取特征并拼接,得到历史多维拼接特征;所述基于历史存储服务数据提取特征并拼接的步骤和所述S1、S2相同; S332、从历史存储服务数据中的操作日志中提取实际执行的动作,得到历史动作数据;将所述历史动作数据作为动作; S333、设定奖励函数,根据奖励函数计算在历史多维拼接动作的状态下执行历史动作数据的动作后所获得的历史奖励数据;计算一段时间内,对数据X的访问延迟、以及节点A,B,C的负载均衡度,综合得出一个奖励值Rt;所述奖励函数如下: 奖励值Rt=α性能奖励+β成本奖励+γ可靠性奖励-δ惩罚项;其中,Rt表示执行当前动作的奖励值,α、β、γ、δ分别表示性能奖励权重,成本奖励权重、可靠性奖励权重以及惩罚项权重; 其中,所述性能奖励通过延迟奖励和吞吐奖励相加得到;所述延迟奖励=-log实际延迟目标延迟,所述实际延迟为从接收到数据读取请求到返回第一个数据字节的时间,所述目标延迟为基于历史正常延迟数据的平均值;所述元数据查询响应目标延迟设为≤10ms,文件读写吞吐量目标可设为万兆网环境下600MBs;所述吞吐奖励=tanh实际吞吐量目标吞吐量,所述实际吞吐量为实际统计到的单位时间内成功传输的数据量,目标吞吐量为基于历史正常吞吐数据的平均值。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人天津神舟通用数据技术有限公司,其通讯地址为:300384 天津市滨海新区华苑产业区工华道2号8号楼-1-1;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。