技術(shù)特征：

1.一種云端ai驅(qū)動的大數(shù)據(jù)處理系統(tǒng)，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的云端ai驅(qū)動的大數(shù)據(jù)處理系統(tǒng)，其特征在于，所述預測存儲消耗時長的獲取方式為：生成待存儲數(shù)據(jù)的若干副本數(shù)據(jù)塊，以數(shù)據(jù)丟失概率pds，訪問速度fv和存儲成本fc為約束，求解得到待存儲數(shù)據(jù)對應的存儲分布位置矩陣，從存儲分布位置矩陣中找到每個副本數(shù)據(jù)塊的目標存儲位置；基于每個副本數(shù)據(jù)塊與對應目標存儲位置的距離和網(wǎng)絡傳輸速度，計算每個副本數(shù)據(jù)塊抵達存儲分布位置矩陣的預測存儲消耗時長。

3.根據(jù)權(quán)利要求2所述的云端ai驅(qū)動的大數(shù)據(jù)處理系統(tǒng)，其特征在于，所述預測存儲消耗時長的獲取過程包括下列內(nèi)容：

4.根據(jù)權(quán)利要求3所述的云端ai驅(qū)動的大數(shù)據(jù)處理系統(tǒng)，其特征在于，所述存儲分布位置矩陣的獲取過程包括下列步驟：

5.根據(jù)權(quán)利要求1所述的云端ai驅(qū)動的大數(shù)據(jù)處理系統(tǒng)，其特征在于，所述訪問時間偏離度的獲取方式為：基于訪問請求從數(shù)據(jù)庫中選擇距離最小的副本數(shù)據(jù)塊作為最近副本；獲取最近副本和數(shù)據(jù)請求位置的傳輸距離；基于實時網(wǎng)絡速度和副本數(shù)據(jù)塊大小，以及傳輸距離，計算得到預測訪問消耗時長；通過監(jiān)控實時測量，得到實際訪問消耗時長；基于實際訪問消耗時長和預測訪問消耗時長的差值，構(gòu)建得到訪問時間偏離度。

6.根據(jù)權(quán)利要求1所述的云端ai驅(qū)動的大數(shù)據(jù)處理系統(tǒng)，其特征在于，基于機器學習算法搭建算力服務完成時間的算力任務預測模型，將算力服務的請求數(shù)據(jù)輸入算力任務預測模型，輸出預測算力服務完成時間，所述算力任務預測模型的搭建過程包括下列步驟：

7.根據(jù)權(quán)利要求1所述的云端ai驅(qū)動的大數(shù)據(jù)處理系統(tǒng)，其特征在于，所述大數(shù)據(jù)處理系統(tǒng)還包括：

8.根據(jù)權(quán)利要求7所述的云端ai驅(qū)動的大數(shù)據(jù)處理系統(tǒng)，其特征在于，用數(shù)據(jù)存儲質(zhì)量評估指數(shù)ya表示存儲時間偏離度；所述數(shù)據(jù)存儲質(zhì)量評估指數(shù)ya的獲取方式為：

9.根據(jù)權(quán)利要求7所述的云端ai驅(qū)動的大數(shù)據(jù)處理系統(tǒng)，其特征在于，用數(shù)據(jù)訪問質(zhì)量評估指數(shù)yb表示訪問時間偏離度，獲取訪問的響應時間閾值記為tth；

技術(shù)總結(jié)
本發(fā)明公開了一種云端AI驅(qū)動的大數(shù)據(jù)處理系統(tǒng)，具體涉及大數(shù)據(jù)處理技術(shù)領域，包括：將云端任務按照使用場景劃分為云端數(shù)據(jù)存儲任務、云端數(shù)據(jù)訪問任務和云端算力服務任務；采集得到云端服務器的任務完成相關(guān)數(shù)據(jù)，分析云服務過程數(shù)據(jù)，得到存儲時間偏離度、訪問時間偏離度和算力時間偏離度；分別判斷存儲時間偏離度、訪問時間偏離度和算力時間偏離度和對應閾值的關(guān)系，基于判斷結(jié)果采取措施；通過將云端任務劃分為數(shù)據(jù)存儲、數(shù)據(jù)訪問和算力服務三種使用場景，能夠更準確地識別和處理不同類型的任務，從而優(yōu)化資源配置和性能管理，有助于快速響應性能問題，減少服務中斷時間，提高用戶體驗。

技術(shù)研發(fā)人員：賈朝輝,鄧立偉,王志清,張鳴龍
受保護的技術(shù)使用者：吉林省恒泰嘉信科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/10