[发明专利]高速缓存更新预测机制在审
申请号: | 202110129814.5 | 申请日: | 2021-01-29 |
公开(公告)号: | CN113204357A | 公开(公告)日: | 2021-08-03 |
发明(设计)人: | S·达斯古普塔;C·E·弗勒;M·C·弗罗里克;C·S·格里尼治;J·J·小哈劳;S·V·马德亚斯塔;C·麦卡蒂;A·帕德利亚;R·潘德伊;J·M·萨奥尔;G·舒尼科特;L·斯里尼亚萨恩;G·L·塔恩奎斯特 | 申请(专利权)人: | 慧与发展有限责任合伙企业 |
主分类号: | G06F8/65 | 分类号: | G06F8/65 |
代理公司: | 北京市金杜律师事务所 11256 | 代理人: | 王茂华 |
地址: | 美国得*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 高速缓存 更新 预测 机制 | ||
1.一种用于促进基础设施管理的系统,包括:
一个或多个处理器;以及
非暂态机器可读介质,存储指令,所述指令在被执行时使所述一个或多个处理器执行控制器以:
检测在数据高速缓存处接收到的第一数据更新,所述数据高速缓存与多个数据源中的第一数据源相关联;
生成到达时间值,所述到达时间值与所述更新在所述数据高速缓存处被接收的时间相关联;
基于所述到达时间值,调整机器学习模型中的一个或多个参数;以及
基于所述一个或多个参数来生成预测到达时间值,其中所述预测到达时间值对应于到针对所述第一数据源的所述数据高速缓存的第二数据更新的预测到达时间。
2.根据权利要求1所述的系统,其中所述控制器基于所述预测到达时间来生成更新速率值。
3.根据权利要求2所述的系统,其中所述更新速率值包括由自所述第一数据更新以来的经过时间除以直到所述第二数据更新的所述预测到达时间为止的延迟时间所表示的百分比。
4.根据权利要求3所述的系统,其中所述机器学习模型包括梯度下降模型。
5.根据权利要求4所述的系统,其中所述梯度下降模型基于所述一个或多个参数的线性回归来生成所述预测到达时间值。
6.根据权利要求5所述的系统,其中所述第一数据源包括控制多个基础设施设备的预置基础设施控制器。
7.根据权利要求6所述的系统,其中所述第一数据源包括基础设施设备。
8.根据权利要求1所述的系统,其中所述多个数据源中的每个数据源包括唯一标识符。
9.根据权利要求8所述的系统,其中所述第一数据更新包括数据流,所述数据流包括与所述第一数据源相关联的第一标识符。
10.一种存储指令的非暂态机器可读介质,所述指令在由处理器执行时使所述处理器:
检测在数据高速缓存处接收到的第一数据更新,所述数据高速缓存与多个数据源中的第一数据源相关联;
生成到达时间值,所述到达时间值与所述更新在所述数据高速缓存处被接收的时间相关联;
基于所述到达时间值,调整机器学习模型中的一个或多个参数;以及
基于所述一个或多个参数来生成预测到达时间值,其中所述预测到达时间值对应于到针对所述第一数据源的所述数据高速缓存的第二数据更新的预测到达时间。
11.根据权利要求10所述的非暂态机器可读介质,存储指令,所述指令在由处理器执行时使所述处理器基于所述预测到达时间生成来更新速率值。
12.根据权利要求11所述的非暂态机器可读介质,其中所述更新速率值包括由自所述第一数据更新以来的经过时间除以直到所述第二数据更新的所述预测到达时间为止的延迟时间所表示的百分比。
13.根据权利要求12所述的非暂态机器可读介质,其中所述机器学习模型包括梯度下降模型。
14.根据权利要求13所述的非暂态机器可读介质,其中所述梯度下降模型基于所述一个或多个参数的线性回归生成所述预测到达时间值。
15.根据权利要求14所述的非暂态机器可读介质,其中所述第一数据源包括控制多个基础设施设备的预置基础设施控制器。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于慧与发展有限责任合伙企业,未经慧与发展有限责任合伙企业许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110129814.5/1.html,转载请声明来源钻瓜专利网。