[发明专利]资源网站的缓存方法及装置

说明书

本发明实施例公开了一种资源网站的缓存方法、装置、电子设备及存储介质，涉及电子信息领域，包括：确定与资源网站相对应的多个二级网站，获取各个二级网站的网站缓存资源属性信息以及网站缓存资源增益比；根据所述各个二级网站的网站缓存资源属性信息以及网站缓存资源增益比生成训练数据集；将所述训练数据集输入预设的神经元网络模型，根据所述神经元网络模型的输出结果确定所述资源网站的资源缓存策略。该方式能够动态生成训练数据集，并根据神经元网络模型的输出结果动态确定资源网站的资源缓存策略，从而使得资源缓存策略更加灵活，能够满足各类资源网站的实际缓存需求。

技术领域

本发明涉及电子信息领域，具体涉及一种资源网站的缓存方法及装置。

背景技术

运营商缓存系统主要采用被动缓存方式，即先缓存资源，再提供服务。通常在运营商网络边缘通过旁路分析(比如分光、端口镜像)实时监测、分析上行链路中终端的上网资源请求，并调度系统内缓存设备对可缓存的热点资源先进行回源获取，然后当终端重复请求已缓存资源时提供这些缓存资源给终端，从而达到节省出口带宽、提高终端访问体验的目的。缓存系统采用被动缓存方式时，最核心的环节是如何设置缓存触发策略。其中，缓存触发策略用于设定缓存资源的触发条件，即：当资源满足何种条件时对其执行缓存操作。

在现有技术中，缓存触发策略通常为固定设置方式，例如，当资源的访问请求次数达到预设数值(如2次)时则对其进行缓存。但是，固定设置的缓存触发策略不够灵活，无法满足不同类型的资源网站的缓存需求。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种资源网站的缓存方法及装置。

根据本发明的一个方面，提供了一种资源网站的缓存方法，包括：

确定与资源网站相对应的多个二级网站，获取各个二级网站的网站缓存资源属性信息以及网站缓存资源增益比；

根据所述各个二级网站的网站缓存资源属性信息以及网站缓存资源增益比生成训练数据集；

将所述训练数据集输入预设的神经元网络模型，根据所述神经元网络模型的输出结果确定所述资源网站的资源缓存策略。

可选地，所述将所述训练数据集输入预设的神经元网络模型，根据所述神经元网络模型的输出结果确定所述资源网站的资源缓存策略包括：

根据所述训练数据集中包含的各个二级网站的网站缓存资源增益比确定所述神经元网络模型的输入数据；

判断所述神经元网络模型的输出结果是否大于预设阈值；

若否，剔除所述训练数据集中包含的若干二级网站，得到缩小后的训练数据集，并将所述缩小后的训练数据集再次输入所述神经元网络模型。

可选地，所述判断所述神经元网络模型的输出结果是否大于预设阈值之后，进一步包括：

若是，根据与神经元网络模型的本次输入数据相对应的训练数据集中包含的各个二级网站的网站缓存资源属性信息确定所述资源网站的资源缓存策略。

可选地，所述剔除所述训练数据集中包含的若干二级网站，得到缩小后的训练数据集包括：

将所述训练数据集中包含的各个二级网站按照网站缓存资源增益比从大到小的顺序进行排序；

根据排序结果剔除排序靠后的若干个二级网站，得到缩小后的训练数据集。

可选地，所述根据与神经元网络模型的本次输入数据相对应的训练数据集中包含的各个二级网站的网站缓存资源属性信息确定所述资源网站的资源缓存策略包括：

根据所述与神经元网络模型的本次输入数据相对应的训练数据集中包含的各个二级网站的网站缓存资源属性信息，确定与所述训练数据集中包含的各个二级网站相对应的文件数据量、和/或访问请求次数；