一种基于深度学习的冷热数据对象生命周期特征提取方法

本申请提供一种基于深度学习的冷热数据对象生命周期特征提取方法，包括：采用聚类算法对特征向量进行聚类，根据聚类结果将数据划分为不同的黏性级别数据簇，每个黏性级别数据簇内的数据具有相似的访问模式和生命周期特征；针对每个黏性级别数据簇，分析其访问时间分布和生命周期阶段，判断其所属的热度类型，包括持续热、周期热、临时热、冷；根据黏性级别数据簇的当前热度类型和历史访问模式，预测其在未来一段时间内的热度变化趋势，得到每个簇的热度变化曲线；通过实时监测数据的访问情况和热度变化，动态调整数据在不同存储层之间的迁移和复制方式，当数据的实际访问模式与预测出现偏差时，触发数据重新聚类和存储优化。