基于人工智能的自适应数据编织性能优化方法技术

本申请公开基于人工智能的自适应数据编织性能优化方法，其包括：基于数据源清单获取多源异构数据并对其进行解析以生成至少包含技术元数据、业务元数据、操作元数据及管理元数据的元数据集；基于虚拟表接口，对元数据集进行虚拟表抽象以及封装处理，以生成逻辑数据载体；确定元数据集的操作属性，以基于操作属性生成逻辑数据载体的数据编织路径；实时监测数据访问任务队列以及访问指标反馈，以基于构建的资源调度模型对数据访问任务队列以及访问指标反馈提取资源负载关联特征，以根据资源负载关联特征生成资源调度策略；基于资源调度策略对逻辑数据载体的数据编织路径进行优化，得到优化后的数据编织路径以对多源异构数据进行数据编织。

【技术实现步骤摘要】

本申请涉及人工，具体而言，涉及一种基于人工智能的自适应数据编织性能优化方法。

技术介绍

1、在企业数字化转型进程中，多源异构数据的集成与高效利用已成为支撑业务决策、提升运营效率的核心需求。当前，企业数据源呈现出显著的异构性特征，涵盖关系型数据库（如mysql、oracle）、nosql数据库（如mongodb、redis）、非结构化文件（如csv、json文档）及物联网设备实时数据流等，这些数据需通过数据编织技术实现跨源整合，以满足实时交易分析、批量数据统计、静态报表查询等多样化业务场景对统一数据视图的访问需求，尤其在金融、电商等领域，对数据编织的实时性、稳定性及资源适配性提出了更高要求。

2、现有数据编织方案多采用静态化的实现思路：首先依赖人工梳理数据源的基础属性（如存储位置、数据格式等技术层面信息），通过手动配置建立数据源与数据访问接口的对应关系；随后基于预设的固定路径规则（如按数据源类型分配固定的传输协议与处理节点）构建数据编织路径；在资源调度层面，通常按业务场景预先分配固定的计算、存储资源，例如为批量数据处理场景固定分配50%的内存资源本文档来自技高网...

【技术保护点】

1.一种基于人工智能的自适应数据编织性能优化方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，步骤1具体包括如下步骤：

3.根据权利要求1所述的方法，其特征在于，步骤2具体包括如下步骤：

4.根据权利要求3所述的方法，其特征在于，步骤21具体包括如下步骤：

5.根据权利要求1所述的方法，其特征在于，步骤3具体包括如下步骤：

6.根据权利要求5所述的方法，其特征在于，步骤31具体包括如下步骤：

7.根据权利要求1所述的方法，其特征在于，步骤4，具体包括如下步骤：

8.根据权利要求7所述的方...

【技术特征摘要】

1.一种基于人工智能的自适应数据编织性能优化方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，步骤1具体包括如下步骤：

3.根据权利要求1所述的方法，其特征在于，步骤2具体包括如下步骤：

4.根据权利要求3所述的方法，其特征在于，步骤21具体包括如下步骤：

5.根据权利要求1所述的方法，其特征在于，步骤3具体包括如下步骤：

<...

【专利技术属性】
技术研发人员：王甫宁，韩涵，何江，
申请(专利权)人：北京中数睿智科技有限公司，
类型：发明
国别省市：