摘要
本发明属于大数据技术领域，具体为一种大数据应用优化方法，包括以下步骤：S1：实时采集系统负载指标，所述负载指标包括CPU负载、内存负载、磁盘I/O负载及网络负载；S2：基于强化学习模型动态调整计算节点资源分配策略，具体包括以下步骤：S2.1：数据采集与预处理；S2.2：算法选择与训练；S2.3：策略部署与在线学习；S3：采用分级缓存机制预加载高频访问数据，减少磁盘I/O延迟，具体包括以下步骤：S3.1：缓存优化；S3.2：存储架构优化；S3.3：文件系统优化。本发明通过动态资源调度与智能缓存协同，解决了大数据应用中资源浪费与性能瓶颈问题，尤其适用于物联网、金融科技等高时效性领域。
