申请/专利权人：华中科技大学

申请日：2021-09-18

公开（公告）日：2024-04-23

公开（公告）号：CN113779154B

主分类号：G06F16/27

分类号：G06F16/27;G06F16/23;G06F16/22;G06N3/098

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2021.12.28#实质审查的生效;2021.12.10#公开

摘要：本发明公开了一种分布式学习索引模型的构建方法及应用，属于计算机分布式存储技术领域，包括：对各存储节点，分别将其存储的数据根据键值的大小进行排序后，以其存储的数据的键值作为输入，对应的排序位置作为输出，训练机器学习模型，得到各存储节点的学习索引模型，并同步到所有的计算节点中；计算节点通过RDMA操作直接修改存储节点中的数据，而无需存储节点的CPU参与工作；同时，计算节点异步地对旧模型进行重新训练，并将新模型同步到存储节点中；通过将修改数据和模型的操作放到分布式系统中的计算节点来执行，大大降低了存储节点的CPU开销。

主权项：1.一种分布式学习索引模型的构建方法，其特征在于，包括：对各存储节点，分别将其存储的数据根据键值key的大小进行排序后，以其存储的数据的键值key作为输入，对应的排序位置作为输出，训练机器学习模型，得到各存储节点的学习索引模型，并同步到所有的计算节点中；所述学习索引模型包括多个相互独立的索引子模型；所述存储节点所存储的数据被划分到多个数据区间上，每个索引子模型分别用于索引一个数据区间内的数据，且各索引子模型所覆盖的数据区间互不重叠；各索引子模型分别由对应数据区间内的数据进行训练，以使各索引子模型的最大误差均小于预设阈值；其中，第k个索引子模型的最大误差为max_errork＝|Yk,i-fXk,i|+δ；i为1,2,…,Nk；Nk为第k个索引子模型对应数据区间内的数据数量；Yk,i为第k个索引子模型对应数据区间内的第i个数据的排序位置；Xk,i为第k个索引子模型对应数据区间内的第i个数据的键值key；fXk,i为第k个索引子模型对应数据区间内的第i个数据经第k个索引子模型预测后所得的排序位置；δ为偏差值；所述存储节点中存储的数据排序后存储在多个大小为δ的数组中，所有数组的物理地址均存储在地址转换表中，且所述地址转换表被相应地同步到对应的计算节点中。

全文数据：

权利要求：

百度查询： 华中科技大学 一种分布式学习索引模型的构建方法及应用

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD