[发明专利]一种数据迁移方法、装置、设备及存储介质

权利要求书

1.一种数据迁移方法，其特征在于，包括：

获取访问信息，以及第一存储区和第二存储区之间的当前数据迁移速率，所述访问信息包括：当前系统访问信息和历史数据访问信息；

将所述当前系统访问信息和所述当前数据迁移速率输入自适应控制模型得到迁移控制因子；

将所述历史数据访问信息输入迁移数据分析模型得到待迁移数据信息；所述迁移数据分析模型的阈值参数由所述迁移控制因子确定；

基于所述待迁移数据信息，执行所述第一存储区和所述第二存储区之间的数据迁移操作。

2.根据权利要求1所述的方法，其特征在于，所述自适应控制模型包括：目标神经网络控制模型和目标自适应校正模型；相应的，将所述当前系统访问信息和所述当前数据迁移速率输入自适应控制模型得到迁移控制因子，包括：

将所述当前系统访问信息输入目标神经网络控制模型得到输出因子，所述目标神经网络控制模型通过历史系统访问信息样本集迭代训练初始神经网络控制模型得到；

通过激励函数对所述输出因子进行压缩处理；

将所述当前数据迁移速率输入目标自适应校正模型得到自适应校正因子，所述目标自适应校正模型通过历史数据迁移速率样本集迭代训练初始自适应校正模型得到；

根据压缩处理后的输出因子和所述自适应校正因子确定迁移控制因子。

3.根据权利要求2所述的方法，其特征在于，通过历史系统访问信息训练样本集迭代训练初始神经网络控制模型包括：

建立初始神经网络控制模型；

将所述历史系统访问信息训练样本集输入所述初始神经网络控制模型得到预测输出因子；

通过激励函数对所述预测输出因子进行压缩处理；

根据压缩处理后的预测输出因子和第一预期数值形成的第一目标函数训练所述初始神经网络控制模型的参数。

4.根据权利要求2所述的方法，其特征在于，通过历史数据迁移速率训练样本集迭代训练初始自适应校正模型，包括：

建立初始自适应校正模型；

将所述历史数据迁移速率训练集输入所述初始自适应校正模型得到预测自适应校正因子；

根据所述预测自适应校正因子和第二预期数值形成的第二目标函数训练所述初始自适应校正模型的参数。

5.根据权利要求1所述的方法，其特征在于，在执行所述第一存储区和所述第二存储区之间的数据迁移操作之后，还包括：

基于信息摘要算法，分别计算执行所述数据迁移操作前所述待迁移数据的第一散列值和执行所述数据迁移操作后所述待迁移数据的第二散列值；所述待迁移数据由所述待迁移数据信息确定；

若所述第一散列值和所述第二散列值不同，则将执行所述迁移操作后的待迁移数据删除，并重新执行所述第一存储区和所述第二存储区之间的数据迁移操作；

若所述第一散列值和所述第二散列值相同，则删除执行所述迁移操作前的待迁移数据。

6.根据权利要求1所述的方法，其特征在于，所述待迁移数据信息包括：第一待迁移数据信息和第二待迁移数据信息，所述基于所述待迁移数据信息，执行所述第一存储区和所述第二存储区之间的数据迁移操作，包括：

根据所述第一待迁移数据信息确定第一待迁移数据，将所述第一待迁移数据从所述第一存储区迁移至所述第二存储区；所述第一待迁移数据为第一存储区内存储的预设时间内访问频率低于或等于预设频率的数据；

根据所述第二待迁移数据信息确定第二待迁移数据，将所述第二待迁移数据从所述第二存储区迁移至所述第一存储区；所述第二待迁移数据为第二存储区内存储的在预设时间内访问频率高于预设频率的数据。

7.根据权利要求1-6任一所述的方法，其特征在于，所述第一存储区为基于列式存储的分布式数据存储区，所述第二存储区为基于对象存储的数据存储区。