[发明专利]一种跨介质分层存储方法、电子设备及存储介质

说明书

本发明涉及一种跨介质分层存储方法、电子设备及存储介质。本发明包括：并根据数据类型将数据分类到相应的存储区域进行存储，所述数据类型分为的热数据、温数据和冷数据；分别设置冷数据、温数据和热数据的判断规则；冷数据、温数据、热数据的判断规则参数至少包括：数据访问频次、数据来源、数据所属业务系统、数据类型，根据数据类型将数据分类到相应的存储区域进行存储，将热数据存储于半导体存储介质中，将温数据存储于磁盘存储介质中，将冷数据存储于光盘存储介质中。本发明结合了蓝光光盘和固态硬盘、磁盘存储各自的优势，解决单个类型存储介质独立使用的劣势，实现了数据的长期、安全存储，实现大数据的分层存储，解决数据分层存储问题。

技术领域

本发明涉及数据存储技术领域，尤其是指一种跨介质分层存储方法、电子设备及存储介质。

背景技术

目前市面主要存储大多为相对独立的存储介质、设备及控制软件，即固态硬盘存储、磁盘存储和光盘存贮各自分别有独立的存储介质、设备及控制程序。在数据维护、迁移、数据安全、容量及能源消耗等方面IT人员及企业都面临着巨大的挑战。目前存储设备的存储能力低、能耗高、不利于数据迁移的据安全性。

发明内容

为此，本发明所要解决的技术问题在于克服现有技术中存储设备的存储能力低、能耗高、不利于数据迁移的据安全性等问题。

为解决上述技术问题，本发明提供了一种跨介质分层存储方法，包括：判断数据的类型，并根据数据类型将数据分类到相应的存储区域进行存储，所述数据类型分为的热数据、温数据和冷数据；

分别设置冷数据、温数据和热数据的判断规则；当数据满足冷数据条件时，认为该数据为冷数据；当数据满足温数据条件时，认为该数据为温数据；当数据满足热数据条件时，认为该数据为热数据；冷数据、温数据、热数据的判断规则参数至少包括：数据访问频次、数据来源、数据所属业务系统、数据类型，在计算机系统中设置好冷数据、温数据、热数据相应参数阈值，系统根据相应参数阈值对数据做初步的特征值标记，然后由数据管理员人工修正；具体步骤为：

1)获取多个数据的多个属性信息构成训练样本集；所述多个属性信息包括：数据访问频次、数据来源、数据所属业务系统、数据类型信息；

2)对步骤1获得的训练样本集中的各个属性信息进行量化，获得各个属性信息的量化结果；通过Sigmoid激活函数将各个属性信息的量化结果收敛至一个预设区间；

3)构建获得机器学习模型，包括：使用数据访问频次、数据来源、数据所属业务系统、数据类型信息的参数阈值作为输入，机器学习模型表示为：

ω1x1+ω2x2+…+ωnxn＝y；

损失函数定义为：

式中，ω1、ω2、…、ωn表示需要调节的影响因子，为未知参数，通过机器学习来获得，通过机器学习模型根据数据修正后的特征值标签作为输入；

x1、x2、…、xn表示数据属性信息的量化值；Y表示实际分层结果；y表示计算分类结果；m表示计算的总组数；j表示第j组计算；

4)使用随机梯度算法训练时，在做梯度下降时，沿着梯度的反方向进行权重更新，找到全局的最优解；梯度下降为一种快速调整的计算方法，对损失函数求导，倒数最大值就是梯度的方向，表示为：

上述的随机梯度下降(SGD)也称为增量梯度下降，用于优化可微分目标函数；曲面上方向导数的最大值的方向就代表了梯度的方向；

5)根据输入数据的属性信息即得到数据的分类结果，根据分类结果和人工修正后的特征值作比较进行修正，再重复步骤3，输出最终分类结果；并将热数据存储于半导体存储介质中，将温数据存储于磁盘存储介质中，将冷数据存储于光盘存储介质中。