[发明专利]基于机器学习的并发控制方法及系统

权利要求书

1.一种基于机器学习的并发控制方法，其特征在于，包括：

初始设定步骤：将待执行事务进行初始化，并标记状态为执行中；

操作执行步骤：判定执行中的事务是否存在未执行操作，若存在未执行操作，则查询操作执行策略，执行未完成的操作，判断是否进行提前校验并执行对应操作；若不存在未执行操作，则根据当前事务的提交策略进行事务校验，并进行提交操作；

提前校验步骤：对事务累积的读操作进行正确性验证，验证的读写集包括上一次提前校验成功至本次校验的读操作的集合；

事务校验步骤：查询事务的提交策略，根据提交策略和本事务建立的事务依赖关系进行等待操作直到事务依赖关系满足预设条件，对事务的读操作的集合进行正确性校验；

通过结合机器学习策略与实际数据库事务执行环境，对事务状态进行并发控制。

2.根据权利要求1所述的基于机器学习的并发控制方法，其特征在于，若待执行事务为失败后重新执行的事务，则获取待执行事务的校验失败数据集合后继续执行。

3.根据权利要求1所述的基于机器学习的并发控制方法，其特征在于，若提前校验成功，则将校验成功的操作信息写入元数据并继续执行操作；若提前校验失败，则将事务回滚至上一次提前校验成功的状态，重新执行操作。

4.根据权利要求1所述的基于机器学习的并发控制方法，其特征在于，若事务校验成功则进行写操作提交，维护操作数据及热度元数据的访问，标记事务状态为已提交；若事务校验失败，则回滚事务的执行内容，标记事务状态为重执行，并重新执行此校验失败事务。

5.根据权利要求1所述的基于机器学习的并发控制方法，其特征在于，所述操作执行步骤包括：

查询操作执行策略步骤：获取本操作的操作标识符、待访问数据和热度元数据信息，并输入到本操作的执行策略中；

根据查询的操作执行策略，获得操作的执行方法，进行数据访问。

6.根据权利要求1所述的基于机器学习的并发控制方法，其特征在于，执行中的事务操作包括：

读操作：通过索引读取数据地址，根据查询操作执行策略步骤获得的操作执行方法获悉读取数据的已提交最新版本或者是未提交的事务暂存的最新版本，进行本地临时缓存，并记录所读取数据的元数据；

写操作：对已经读取的数据进行更新，将写操作的更新记录在临时缓存中；

插入操作：插入空数据并记录该空数据的元数据，将插入操作的更新记录在临时缓存中。

7.根据权利要求1所述的基于机器学习的并发控制方法，其特征在于，所述提前校验步骤包括：

对当前事务的读集合中的数据，选择出上一校验成功位置到当前的读操作集合，通过记录的元数据，验证所读写集合中的数据是否被修改；

若待验证的读操作读取版本为已提交最新版本，则通过记录的数据地址直接读取数据的当前版本，并将数据的当前版本信息与记录的数据版本信息进行比较，同时检查是否有未提交事务暂存的更新版本；若当前版本信息与数据版本信息一致且无未提交事务暂存的更新版本，则判定数据为未被修改，此操作校验通过；否则，判定数据为被修改，此操作校验失败；

若全部待校验读操作均校验通过，则此数据校验通过，将数据访问信息写入元数据，包括暂存校验成功区间的写操作数据以及读操作访问信息；否则数据校验不通过，事务回滚至上一校验成功位置，重新执行。

8.根据权利要求1所述的基于机器学习的并发控制方法，其特征在于，所述元数据包括数据地址、版本信息和事务访问信息；

所述数据地址用于在数据库中直接访问数据，减少重复索引数据的额外开销；

所述版本信息是数据访问记录的版本号，用于校验数据是否被修改；

所述事务访问信息包括不同未提交事物对该数据库数据的执行相对顺序及操作类型，其中写操作额外包含暂存的更新版本，用于并发事物之间的同步以及依赖关系构建。