买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉宁波市特种设备检验研究院;和利时卡优倍科技有限公司申请的专利基于大数据的分布式实时数据库智能管理方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119356882B 。

龙图腾网通过国家知识产权局官网在2025-04-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411911026.1，技术领域涉及：G06F9/50；该发明授权基于大数据的分布式实时数据库智能管理方法及系统是由陈文飞;邓红星;沈峥;陈虎;许波;李斌彬;胡英华;邵冬冬;余亚东;胡利晨;王红源;王亚男;余杨设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本基于大数据的分布式实时数据库智能管理方法及系统在说明书摘要公布了：本发明提供一种基于大数据的分布式实时数据库智能管理方法及系统，涉及数据库管理技术领域，包括通过神经网络模型预测资源需求，选取目标数据节点，采用环形数据结构生成数据分片映射表，构建分片路由表实现数据分片的写入和迁移。接收数据处理任务后，根据分片路由表确定数据分布，拆分子任务并基于优先级分配至目标数据节点，监控资源占用率并在必要时重分配任务，最终生成数据处理结果。本方法提高了数据库管理效率和资源利用率。

本发明授权基于大数据的分布式实时数据库智能管理方法及系统在权利要求书中公布了：1.一种基于大数据的分布式实时数据库智能管理方法，其特征在于，包括：接收数据处理请求，提取所述数据处理请求中的数据类型标识、数据处理规则、数据规模信息与数据优先级，基于所述数据类型标识构建数据特征向量，将所述数据特征向量输入预设的神经网络模型，获取数据处理的计算资源需求预测值与存储资源需求预测值，根据所述计算资源需求预测值与所述存储资源需求预测值，调用数据节点负载计算模块计算节点负载值，选取节点负载值低于第一预设阈值的数据节点作为目标数据节点；在所述目标数据节点上划分数据分片，采用环形数据结构生成数据分片映射表，所述环形数据结构通过多项式计算构建虚拟节点，为每个数据分片分配唯一标识，将数据分片的唯一标识与目标数据节点的对应关系存入分片路由表，根据所述分片路由表将数据分片写入对应的目标数据节点，基于分片路由表采集目标数据节点的节点负载值，当检测到目标数据节点的节点负载值超过第二预设阈值时，选取节点负载值最低的数据节点作为目标迁移节点，将数据分片迁移至所述目标迁移节点，并更新所述分片路由表；接收数据处理任务，根据所述分片路由表确定数据分片的分布位置，将数据处理任务拆分为多个子任务，构建子任务的依赖关系图，根据所述依赖关系图计算每个子任务的优先级，基于优先级将子任务分配至对应的目标数据节点，监控子任务的资源占用率，当资源占用率超过第三预设阈值时，暂停所述子任务的执行，选取节点负载值低于第四预设阈值的数据节点作为任务重分配节点，将子任务迁移至任务重分配节点继续执行，汇总子任务的执行结果，生成数据处理结果；根据所述计算资源需求预测值与所述存储资源需求预测值，调用数据节点负载计算模块计算节点负载值，选取节点负载值低于第一预设阈值的数据节点作为目标数据节点包括：采集数据节点的计算资源使用数据与存储资源使用数据，分别提取计算资源使用数据与存储资源使用数据的特征并进行融合，生成数据节点负载特征；利用自适应时间窗口对所述数据节点负载特征进行分段，根据所述数据节点负载特征的波动周期确定自适应时间窗口的窗口大小，将分段后的数据节点负载特征输入时序分析网络并进行多尺度分解得到负载演化规律；将所述负载演化规律输入数据节点评估模型，所述数据节点评估模型采用深度时序网络提取异常特征，基于注意力机制计算异常特征的影响程度得到数据节点健康度；基于所述负载演化规律与所述数据节点健康度构建多级自适应阈值体系，所述多级自适应阈值体系包含主阈值模型与辅助阈值模型，所述主阈值模型根据所述数据节点负载特征的概率分布确定基准阈值，所述辅助阈值模型基于强化学习方法实现阈值动态调整，将所述基准阈值与动态调整后的阈值组合得到第一预设阈值；将计算资源需求预测值、存储资源需求预测值与数据节点负载特征输入数据节点负载计算模块，所述数据节点负载计算模块采用多层计算框架计算得到节点负载值；将所述节点负载值与所述第一预设阈值进行比对，根据比对结果结合所述数据节点健康度，采用节点排序算法选取节点负载值低于所述第一预设阈值且健康度最高的数据节点作为目标数据节点。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人宁波市特种设备检验研究院;和利时卡优倍科技有限公司，其通讯地址为：315100 浙江省宁波市高新区江南路1588号A座；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。