【技术实现步骤摘要】
本专利技术涉及智能选择，特别涉及一种集群共识的智能选择方法。
技术介绍
1、随着分布式系统的广泛应用，集群共识成为了一个重要的研究领域。在分布式系统中，多个节点需要达成一致的决策，例如在区块链系统中需要达成一致的交易记录，而在分布式数据库系统中需要达成一致的数据视图。共识算法是一种在分布式系统中达成一致决策的方法，它们被广泛应用于区块链、数据库、分布式文件系统等领域。
2、目前，已经有很多共识算法被提出和研究，但是算法的优缺点也较为明显，比如小型数据集的数据可能运算不准确，因此需要根据具体的应用场景和需求来选择。同时，也需要考虑算法的可扩展性、安全性、容错性等方面的因素。
3、因此，本专利技术提供一种集群共识的智能选择方法。
技术实现思路
1、本专利技术提供一种集群共识的智能选择方法，用以通过系统的预置需求与处理数据类型得出需求占比情况与特征子集，对预置需求进行可用共识算法的筛选，对其进行初级评估，确定每种算法的不同节点的数据一致性，根据一致性判定结果对每个集群进行质量分析，最终得出最适合预置需求的集群共识算法，实现准确高效的选择集群共识算法，更好地满足系统的需求，提高系统与集群的性能与可靠性。
2、本专利技术提供一种集群共识的智能选择方法，包括：
3、步骤1：对系统的预置需求进行因素分析，确定需求占比情况，获取系统处理数据类型，并根据数据类型生成对应特征子集，结合特征子集对需求占比情况进行优化；
4、步骤2：根据预置需求
5、步骤3：将一致性超出设定值的共识算法基于优化后的需求占比情况对每个集群进行质量分析，根据质量分析结果选择最适合预置需求的集群共识算法。
6、本专利技术提供一种集群共识的智能选择方法，对系统的预置需求进行因素分析，确定需求占比情况，包括：
7、根据系统目标对每个预置需求进行重要性、影响程度和紧急程度的因素分析，确定每个预置需求的分配权重；
8、根据分配权重计算每个预置需求的需求占比情况，其中，预置需求包括功能需求、性能需求与安全需求。
9、本专利技术提供一种集群共识的智能选择方法，获取系统处理数据类型，并根据数据类型生成对应特征子集，结合特征子集对需求占比情况进行优化，包括：
10、获取系统处理数据类型，提取每个处理数据类型针对系统的每个预置需求的特征子集，对每个预置需求涉及到的所有特征子集进行需求贡献评估；
11、根据评估结果对相应预置需求的需求占比情况进行调整。
12、本专利技术提供一种集群共识的智能选择方法，根据预置需求从当下文献与技术文档库筛选可用共识算法，并进行初级评估，确定每种共识算法在不同节点的数据一致性，包括：
13、根据预置需求从当下文献与技术文档库筛选可用共识算法；
14、基于算法遍历模型对可用共识算法进行遍历，确定对应可用共识算法的算法执行机制；
15、对所有预设需求涉及到的特征子集按照数据类型进行聚类分析，确定每个聚类结果中涉及到的运行节点以及每个运行节点涉及到的子数据集；
16、根据子数据集中的数据分布情况以及运行节点基于子数据集的节点执行权重以及基于节点原本权重，对所有聚类结果进行主次划分；
17、获取主要划分下的聚类结果中的所有运行节点以及节点-算法映射表所匹配的对应算法执行机制，对相应主要聚类结果进行第一模拟评估；
18、根据第一模拟评估结果，分别获取同个主要聚类结果下的每个算法执行机制的第一执行向量；
19、从每个次要划分下的聚类结果中筛选数据量最大的子数据集对应运行节点，并根据匹配的算法执行机制，得到对应次要聚类结果进行第二模拟评估；
20、根据第二模拟评估结果，获取得到对应算法执行机制的第二执行向量；
21、将所有聚类结果下的同个算法执行机制的所有第一执行向量以及所有第二执行向量进行一致性分析，确定对应共识算法在不同节点的数据一致性；
22、；其中，表示对应共识算法下的第i个向量与第j个向量的相似度；表示对应共识算法下的所有相似度的相似方差；表示方差阈值；表示对应共识算法下存在的向量的总个数；示对应共识算法下除去最大相似度与最小相似度外的剩余相似度的相似方差；表示数据一致性；
23、筛选数据一致性超过设定值的共识算法。
24、本专利技术提供一种集群共识的智能选择方法，筛选数据一致性超过设定值的共识算法的过程中，还包括：
25、将主要划分下的聚类结果中每个运行节点的子数据集打包，生成单个集群区块，其中，每个聚类结果即为一个集群，且每个集群涉及若干单个集群区块；
26、基于单个集群区块设定验证条件且结合首轮共识日志，确定单个集群区块所在集群的验证节点集合，并从验证节点集合中随机筛选n1个验证节点，来分别统计每个验证节点对相应打包的子数据集的接收时间上限；
27、若最大的接收时间上限小于所在集群的设定共识时间上限，则向相应打包发送的运行节点设置适用标签；
28、筛选数据一致性超过设定值的第一共识算法；
29、根据设置适用标签的节点涉及到的共识算法，来与筛选的第一共识算法进行相交处理；
30、根据相交处理结果，得到对应集群的适应共识算法进行保留。
31、本专利技术提供一种集群共识的智能选择方法，基于优化后的需求占比情况对每个集群进行质量分析，根据质量分析结果选择最适合系统需求的集群共识算法，包括：
32、基于预置需求确定系统可用性，根据系统可用性对所有集群的适应共识算法进行一致性衡量；
33、将每个适用共识算法基于衡量结果且结合优化后的需求占比情况对每个集群进行质量分析，得到针对每个集群的质量分析向量；
34、将所有质量分析向量按照行的先后顺序进行放置，得到分析矩阵；
35、分别确定分析矩阵中每列的分析精确度；
36、从所有分析精确度中提取最大精确度以及第二大精度对应的适用共识算法作为最适合系统需求的集群共识算法。
37、本专利技术提供一种集群共识的智能选择方法，根据质量分析结果选择最适合系统需求的集群共识算法之后，还包括：
38、根据每个集群共识算法的可满足需求与系统的预置需求的需求占比，确定可计算数据规模；
39、从算法数据库中，确定每个集群共识算法对集群故障的处理策略与集群数据的保障情况，得出对应集群共识算法的安全性；
40、根据所述可计算数据规模以及安全性，进行系统网络覆盖。
41、本专利技术提供一种集群共识的智能选择方法，将每个适用共识算法基于衡量结果且结合优化后的需求占比情况对每个集群进行质量分析，得到针对每个集群的质量分析向量，包括：
42、基于关键参数提取模块分别提取适用共识算法的第一关本文档来自技高网...
【技术保护点】
1.一种集群共识的智能选择方法，其特征在于，包括：
2.根据权利要求1所述的一种集群共识的智能选择方法，其特征在于，对系统的预置需求进行因素分析，确定需求占比情况，包括：
3.根据权利要求1所述的一种集群共识的智能选择方法，其特征在于，获取系统处理数据类型，并根据数据类型生成对应特征子集，结合特征子集对需求占比情况进行优化，包括：
4.根据权利要求3所述的一种集群共识的智能选择方法，其特征在于，根据预置需求从当下文献与技术文档库筛选可用共识算法，并进行初级评估，确定每种共识算法在不同节点的数据一致性，包括：
5.根据权利要求4所述的一种集群共识的智能选择方法，其特征在于，筛选数据一致性超过设定值的共识算法的过程中，还包括：
6.根据权利要求5所述的一种集群共识的智能选择方法，其特征在于，基于优化后的需求占比情况对每个集群进行质量分析，根据质量分析结果选择最适合系统需求的集群共识算法，包括：
7.根据权利要求1所述的一种集群共识的智能选择方法，其特征在于，根据质量分析结果选择最适合系统需求的集群共识算法之后，还
8.根据权利要求6中所述的一种集群共识的智能选择方法，其特征在于，将每个适用共识算法基于衡量结果且结合优化后的需求占比情况对每个集群进行质量分析，得到针对每个集群的质量分析向量，包括：
...【技术特征摘要】
1.一种集群共识的智能选择方法，其特征在于，包括：
2.根据权利要求1所述的一种集群共识的智能选择方法，其特征在于，对系统的预置需求进行因素分析，确定需求占比情况，包括：
3.根据权利要求1所述的一种集群共识的智能选择方法，其特征在于，获取系统处理数据类型，并根据数据类型生成对应特征子集，结合特征子集对需求占比情况进行优化，包括：
4.根据权利要求3所述的一种集群共识的智能选择方法，其特征在于，根据预置需求从当下文献与技术文档库筛选可用共识算法，并进行初级评估，确定每种共识算法在不同节点的数据一致性，包括：
5.根据权利要求4所述的一种集群共识的...
【专利技术属性】
技术研发人员：王语博，祁纲，韩国权，李芳，
申请(专利权)人：太极计算机股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。