基于多预测树组合算法的电力信息系统数据库缓存模型

为解决电力大数据时代背景下信息系统数据库体积大、并发量高导致的运行效率瓶颈,分析了当前几种缓存模型的基本架构和原理,综合电力内网中各业务系统的主要特点,构建了一个电力信息系统数据库缓存模型,在模型中设计了一种多预测树组合算法(预测树森林)。通过在应用层使用boosting方式对队列进行抽样得到具有时序性和业务逻辑特点的SQL语句构建预测树森林,智能预测可能发生的数据库操作并将结果集提前缓存到内存中,模型还可以根据系统的运行情况动态调整预测树森林的投票阈值,从而达到提高缓存效率和命中率的目的。并基于Oracle数据库对模型的可行性进行了讨论,在云平台下运行结果表明模型不仅算法收敛速度快而且能够实现同等内存容量下缓存效率的提高。