[发明专利]基于人工智能的数据中心数据管理方法及系统

说明书

本发明实施例提供一种基于人工智能的数据中心数据管理方法及装置，所述方法包括：获取历史记录中的历史调度数据，并根据历史调度数据获取对应的历史数据的数据属性和调度记录；排除历史数据中包含数据目的标签的数据，根据剩余历史数据的数据来源、数据类型、数据大小构建对应的数据属性权重模型；将数据属性权重模型与对应的调度记录作为训练样本输入到卷积神经网络模型中训练；获取目标数据的数据属性，并将目标数据的数据属性输入至训练后的卷积神经网络模型，输出目标数据对应的调度记录，根据目标数据的调度记录对目标数据进行数据管理。这样能够根据人工智能的深度学习完成对目标数据的数据管理，节省管理资源的同时，也提高了管理效率。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于人工智能的数据中心数据管理方法及系统。

背景技术

目前，随着我国互联网技术的快速发展，数据网络平台的数据交互越来越多，进而导致处理数据的数据中心需要处理的数据量也越来越大，对数据中心的工作人员，以及数据中心的数据处理装置要求也越来越高。

现有技术中，因为数据中心的数据管理越来越复杂，数据量越来越多，而需要对每个数据进行依次处理，数据中心要么通过多个数据中心进行配合处理，要么通过增加处理时间完成数据处理，但上述的处理手段不能在节约处理资源的同时，保证数据的处理效率。

发明内容

针对现有技术中存在的问题，本发明实施例提供一种基于人工智能的数据中心数据管理方法及系统。

本发明实施例提供一种基于人工智能的数据中心数据管理方法，包括：

获取历史记录中的历史调度数据，并根据所述历史调度数据获取对应的历史数据的数据属性和调度记录，所述数据属性包括数据来源、数据类型、数据大小、数据目的标签，所述调度记录包括数据迁移、数据删改、数据合并；

排除所述历史数据中包含数据目的标签的数据，根据剩余历史数据的数据来源、数据类型、数据大小构建对应的数据属性权重模型；

将数据属性权重模型与对应的调度记录作为训练样本输入到卷积神经网络模型中进行训练；

获取目标数据的数据属性，并将所述目标数据的数据属性输入至训练后的卷积神经网络模型，输出目标数据对应的调度记录，根据所述目标数据的调度记录对所述目标数据进行数据管理。

在其中一个实施例中，所述方法还包括：

根据所述数据来源确定发送方的第一优先级，根据所述第一优先级确定所述剩余历史数据的第一权重；

根据所述数据类型确定所述剩余历史数据的第二优先级，根据所述第二优先级确定所述剩余历史数据的第二权重；

根据所述数据大小确定所述剩余历史数据的第三优先级，根据所述第三优先级确定所述剩余历史数据的第三权重；

根据所述第一权重、第二权重、第三权重确定综合权重，根据所述剩余历史数据及对应的综合权重构建对应的数据属性权重模型。

在其中一个实施例中，所述方法还包括：

获取数据中心当前容量，根据所述数据大小，结合所述当前容量，动态调整所述剩余历史数据的第三优先级。

在其中一个实施例中，所述方法还包括：

获取预设的权重倾向，根据所述权重倾向，结合所述第一权重、第二权重、第三权重确定综合权重，所述权重倾向为发送方优先、优先级数据优先、数据中心性能优先三者之一。

在其中一个实施例中，所述方法还包括：

将数据属性权重模型分别与所述数据迁移、数据删改、数据合并的调度记录作为训练样本输入到卷积神经网络模型中进行训练，分别得到三个训练卷积神经网络模型；