[发明专利]一种基于Apriori算法的数据缓存方法

权利要求书

1.一种基于Apriori算法的数据缓存方法，其特征在于，包括以下步骤：

步骤1：在磁盘中以天为单位记录天内用户查询语句中的条件属性，建立个查询日志，即用户查询内容；

步骤2：计算查询日志中各数据块的查询频繁度，根据得到数据块查询频繁度的大小获得查询频繁度高的多个数据块，形成频繁数据块集合；

步骤3：各频繁数据块的条件属性形成条件属性集合；

步骤4：计算条件属性集合中的每个条件属性的查询频繁度，根据得到条件属性查询频繁度的大小获得查询频繁度高的多个条件属性，形成频繁条件属性集合；

步骤5：利用Apriori算法和频繁条件属性集合获得频繁条件属性组集合，条件属性的查询频繁度映射为Apriori算法中的支持度，Apriori算法得到的频繁项集即为频繁条件属性组集合；

步骤6：将频繁条件属性组集合对应的数据缓存至内存中，并对频繁条件属性集合中的频繁条件属性建立索引，完成数据缓存；

步骤7：当客户端需要进行数据查询时，根据要查询的数据的条件属性，进行查询操作：若要查询的数据的条件属性全部为内存缓存的频繁条件属性，则直接得到查询结果；若要查询的数据的条件属性一部分为内存缓存的频繁条件属性，则根据该部分频繁条件属性的索引查询磁盘数据库中满足该部分条件属性的数据，完成查询操作；若要查询的数据的条件属性均不在内存缓存的频繁条件属性集合中，则从磁盘中加载数据块进行查询操作。

2.根据权利要求1所述的基于Apriori算法的数据缓存方法，其特征在于，所述步骤2具体按如下步骤执行：

步骤2.1：确定 T个查询日志中各数据块中数据的查询次数；

步骤2.2：对各数据块中的数据的查询次数进行规范化处理：设置近期日志比例区分近期日志数据与历史日志数据，当数据块中的历史日志数据的查询次数高于历史日志数据查询次数上限阈值时，则该历史日志数据的查询次数取值为该上限阈值；当数据块中的近期日志数据的查询次数高于近期日志数据查询次数上限阈值时，则该近期日志数据的查询次数取值为该上限阈值；

步骤2.3：对规范化处理后的数据块中数据的查询次数进行加权操作：分别对规范化处理后的T个查询日志中各数据块中数据的查询次数加权求和后取平均值，即得到各数据块的查询频繁度；

步骤2.4：根据各数据块查询频繁度的大小选择查询频繁度高的多个数据块，即频繁数据块，各频繁数据块形成频繁数据块集合。

3.根据权利要求1所述的基于Apriori算法的数据缓存方法，其特征在于，所述步骤4具体按如下步骤执行：

步骤4.1：确定 T个查询日志中在频繁数据块中各条件属性的查询次数；

步骤4.2：对各条件属性的查询次数进行规范化处理：根据近期日志比例区分近期日志条件属性与历史日志条件属性，当历史日志条件属性的查询次数高于历史日志条件属性查询次数上限阈值时，则该历史日志条件属性的查询次数取值为该上限阈值；当近期日志条件属性的查询次数高于近期日志条件属性查询次数上限阈值时，则该近期日志条件属性查询次数取值为该上限阈值；

步骤4.3：对规范化处理后的条件属性查询次数进行加权操作：分别对规范化处理后的T天内的各条件属性的查询次数加权后求和取平均值，即得到各条件属性的查询频繁度；

步骤4.4：根据得到的各条件属性的查询频繁度，选择频繁度高的多个条件属性，即频繁条件属性，各频繁条件属性形成频繁条件属性集合。