一种用于时序数据库的自适应存储时间分区实现方法_CN119088876A__上海沄熹科技.pdf
免费下载
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号
(43)申请公布日
(21)申请号 202410949040 .4
(22)申请日 2024 .07 .16
(71)申请人 上海沄熹科技有限公司
地址 200120 上海市浦东新区中国（上海）
自由贸易试验区张东路1158号、丹桂
路1059号2幢305-22室
(72)发明人 翟延成 梁波
(74)专利代理机构 济南信达专利事务所有限公
司 37100
专利代理师 孙晶伟
(51)Int.Cl .
G06F
16/27
(2019 .01)
G06F
16/2458
(2019 .01)
G06F
16/248
(2019 .01)
G06F
11/14
(2006 .01)
G06N
3/0464
(2023 .01)
(54)发明名称
一种用于时序数据库的自适应存储时间分
区实现方法
(57)摘要
本发明公开一种用于时序数据库的自适应
存储时间分区实现方法 ,涉及数据库管理技术领
域；包括：步骤1：部署时序数据库主节点和备节
点，主节点与备节点之间进行双向数据同步写
入，步骤2：设定各存储时间分区参数，步骤3：搭
建自适应存储时间分区的算法模型，通过算法模
型获取各存储时间分区参数，利用写入主节点的
时序数据及相关数据训练算法模型，算法模型根
据不同的存储时间分区参数进行数据切分，比较
获取最优存储时间分区，步骤4：通过备节点根据
最优存储时间分区导入主节点的时序数据，进行
主备节点的切换，步骤5：定期通过算法模型筛选
最优存储时间分区，重复备节点根据最优存储时
间分区导入主节点的时序数据，进行主备节点切
换的过程。
权利要求书2页 说明书4页 附图1页
CN 119088876 A
2024.12.06
CN 119088876 A
1 .一种用于时序数据库的自适应存储时间分区实现方法，其特征是包括：
步骤1：部署时序数据库主节点和备节点，主节点与备节点之间进行双向数据同步写
入，
步骤2：设定各存储时间分区参数，
步骤3：搭建自适应存储时间分区的算法模型，通过算法模型获取各存储时间分区参
数，利用写入主节点的时序数据及相关数据训练算法模型，算法模型根据不同的存储时间
分区参数进行数据切分，比较获取最优存储时间分区，
步骤4：通过备节点根据最优存储时间分区导入主节点的时序数据，进行主备节点的切
换，
步骤5：定期通过算法模型筛选最优存储时间分区，重复备节点根据最优存储时间分区
导入主节点的时序数据，进行主备节点切换的过程。
2 .根据权利要求1所述的一种用于时序数据库的自适应存储时间分区实现方法，其特
征是步骤3中选择一个存储时间分区，向写入主节点写入时序数据，并将时序数据及相关的
业务读取和其他操作数据传递给算法模型，用于算法模型训练。
3 .根据权利要求1或2所述的一种用于时序数据库的自适应存储时间分区实现方法，其
特征是步骤3中使用深度卷积神经网络搭建自适应存储时间分区的算法模型，利用写入主
节点的时序数据及相关数据训练算法模型的深度卷积神经网络。
4 .根据权利要求1所述的一种用于时序数据库的自适应存储时间分区实现方法，其特
征是还包括步骤6：进行时序数据查询时，优先查询备节点的数据，如果存在备节点中的时
序数据跨度不满足查询的时间跨度的情况，则去主节点查询备节点所缺少的时间跨度内的
时序数据，将备节点查询获得的数据和主节点查询获得的数据进行合并，返回结果。
5 .一种用于时序数据库的自适应存储时间分区实现装置，其特征是包括部署模块、参
数管理模块、模型管理模块和存储管理模块，
部署模块部署时序数据库主节点和备节点，主节点与备节点之间进行双向数据同步写
入，
参数管理模块设定各存储时间分区参数，
模型管理模块搭建自适应存储时间分区的算法模型，通过算法模型获取各存储时间分
区参数，利用写入主节点的时序数据及相关数据训练算法模型，算法模型根据不同的存储
时间分区参数进行数据切分，比较获取最优存储时间分区，
存储管理模块通过备节点根据最优存储时间分区导入主节点的时序数据，进行主备节
点的切换，
模型管理模块定期通过算法模型筛选最优存储时间分区，存储管理模块重复备节点根
据最优存储时间分区导入主节点的时序数据，进行主备节点切换的过程。
6 .根据权利要求5所述的一种用于时序数据库的自适应存储时间分区实现装置，其特
征是模型管理模块选择一个存储时间分区，向写入主节点写入时序数据，并将时序数据及
相关的业务读取和其他操作数据传递给算法模型，用于算法模型训练。
7 .根据权利要求5或6所述的一种用于时序数据库的自适应存储时间分区实现装置，其
特征是模型管理模块使用深度卷积神经网络搭建自适应存储时间分区的算法模型，利用写
入主节点的时序数据及相关数据训练算法模型的深度卷积神经网络。
权 利 要 求 书
1/2 页
2
CN 119088876 A
2
of 8
免费下载
【版权声明】本文为墨天轮用户原创内容，转载时必须标注文档的来源（墨天轮），文档链接，文档作者等基本信息，否则作者和墨天轮有权追究责任。如果您发现墨天轮中有涉嫌抄袭或者侵权的内容，欢迎发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。
下载排行榜
评论