一种基于强化学习的频繁写缓存数据压缩方法
本发明公开了一种基于强化学习的频繁写缓存数据压缩方法,以此更好的解决非易失性缓存中数据压缩存储的问题。包括如下步骤:S1:对于每一次缓存写请求访问操作,将写强度和复用局部性信息记录在数据收集模块;S2:通过强化学习模式选择算法,选择适合压缩的模式,将选择的模式信息记录在预测表中;S3:根据预测表中缓存数据的压缩标志位,如果待写数据适合压缩,则将其压缩后存储在缓存中,下次读取该数据时,根据预测表中记录的压缩方法还原被压缩数据;S4:基于霍夫曼编码的数据压缩算法压缩待存储的数据;S5:如果有缓存访问操作,则返回至步骤S1,如果没有缓存访问操作,则缓存访问结束。本发明所提出的强化学习方法获取频繁写数据,以低功耗的形式压缩存储在非易失性缓存中,提升压缩效率和系统性能。
《一种基于强化学习的频繁写缓存数据压缩方法》是一发明专利,专利号为 2021112522125,当前法律状态为已下证,由南京审计大学提出申请,发明人为沈凡凡;徐超;陈勇,申请日期为2021-10-29,公开(公告)日期为2023-10-24,国际专利分类号(IPC)为 G06F 3/06 (2006.01),高新资质:未报高企,所属技术领域包括:#强化学习/缓存压缩/频繁写/非易失存储/霍夫曼编码/缓存管理/存储性能优化/冷热数据。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种基于强化学习的频繁写缓存数据压缩方法,以此更好的解决非易失性缓存中数据压缩存储的问题。包括如下步骤:S1:对于每一次缓存写请求访问操作,将写强度和复用局部性信息记录在数据收集模块;S2:通过强化学习模式选择算法,选择适合压缩的模式,将选择的模式信息记录在预测表中;S3:根据预测表中缓存数据的压缩标志位,如果待写数据适合压缩,则将其压缩后存储在缓存中,下次读取该数据时,根据预测表中记录的压缩方法还原被压缩数据;S4:基于霍夫曼编码的数据压缩算法压缩待存储的数据;S5:如果有缓存访问操作,则返回至步骤S1,如果没有缓存访问操作,则缓存访问结束。本发明所提出的强化学习方法获取频繁写数据,以低功耗的形式压缩存储在非易失性缓存中,提升压缩效率和系统性能。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
