摘要
本发明公开了一种基于分布式缓存的数据加载优化方法，属于数据管理领域。具体步骤包括：构建包含本地缓存、边缘缓存和中心缓存的分层架构；基于动态权重模型实时计算数据请求优先级，该模型包含连续度、实时度、新鲜度、同步必要度和数据命中度五个度量，结合度量权重及交互项权重实现优先级量化；客户端请求数据时依次查询本地、边缘、中心缓存，边缘缓存未命中时触发优化策略，包括基于准入阈值的自动写入、深度学习模型预测的主动回填，以及容量超限时基于淘汰优先级的分片遍历清理。本发明通过动态调整权重、智能优化边缘缓存，有效提高缓存命中率，减少加载延迟，适用于电子白板等高频数据访问场景。
