本发明涉及人工智能领域，具体而言，涉及基于人工智能的数据库智能筛选方法及计算机设备。
背景技术：
1、近年来，随着数据量的高速增长，分布式数据库技术也得到了快速的发展，传统的关系型数据库开始从集中式模型向分布式架构发展。然而，目前对于分布式数据库的访问均是基于单一筛选条件进行的，例如仅访问距离最近的分布式数据库或者仅访问当前负载最低的数据库，导致数据访问的效果无法满足业务的需求，例如时延较高或者调度开销过大导致无法可靠地对数据进行访问。
技术实现思路
1、本发明的目的在于提供一种基于人工智能的数据库智能筛选方法及计算机设备。
2、第一方面，本发明实施例提供一种基于人工智能的数据库智能筛选方法，所述方法包括：
3、响应于数据访问请求，对所述数据访问请求进行解析，确定待访问数据以及所述待访问数据的数据描述信息；
4、确定存储有所述待访问数据的多个分布式数据库；
5、获取所述多个分布式数据库中每一个所述分布式数据库的数据库运行信息；
6、将所述数据库运行信息以及所述数据描述信息输入预先训练得到的目标数据库筛选模型，得到第一筛选结果，所述目标数据库筛选模型包括多个筛选维度；
7、根据所述第一筛选结果，向目标数据库发送所述数据访问请求以访问所述待访问数据。
8、第二方面，本发明实施例提供一种计算机设备，所述计算机设备包括处理器及存储有计算机指令的非易失性存储器，所述计算机指令被所述处理器执行时，所述计算机设备执行第一方面所述的基于人工智能的数据库智能筛选方法。
9、相比现有技术，本发明提供的有益效果包括：可以在接收到数据访问请求时，确定相应的待访问数据以及数据描述信息，并获取存储有待访问数据的多个分布式数据库各自的数据库运行信息，进而将数据描述信息以及数据库运行信息输入目标数据库筛选模型结合多个筛选维度对分布式数据库进行筛选，最终将数据访问请求转发至综合多个筛选维度较优的目标数据库，能够结合多个维度对分布式数据库进行筛选，有效地确保了数据访问的可靠性。
1.一种基于人工智能的数据库智能筛选方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述数据库筛选模型包括多个特征工程单元、多个特征融合单元以及关联特征分析单元，所述将所述数据库运行信息以及所述数据描述信息输入预先训练得到的目标数据库筛选模型，得到第一筛选结果，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述多个特征工程单元对所述数据描述信息以及所述数据库运行信息执行特征提取工程，得到各个所述特征工程单元确定的原始特征矩阵，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据所述第一特征矩阵以及所述第二特征矩阵进行多维度数据库筛选，得到各个所述筛选维度关联的筛选子结果，包括：
5.根据权利要求2所述的方法，其特征在于，所述方法包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述第一筛选子结果、所述第二筛选子结果、所述第三筛选子结果以及所述标签信息对所述第一数据库筛选模型进行参数迭代，得到所述目标数据库筛选模型，包括：
7.根据权利要求1所述的方法，其特征在于，所述向目标数据库发送所述数据访问请求后，所述方法包括：
8.根据权利要求7所述的方法，其特征在于，所述将所述数据同步命令和所述数据访问操作分发至所述多个分布式数据库，以基于所述数据同步命令使所述数据访问操作在所述多个分布式数据库的数据访问规则下实现并生成候选分布式数据库的数据同步响应，包括：
9.根据权利要求7所述的方法，其特征在于，所述确定所述数据同步响应之间的偏差数据，得到同步偏差，包括：
10.一种计算机设备，其特征在于，所述计算机设备包括处理器及存储有计算机指令的非易失性存储器，所述计算机指令被所述处理器执行时，所述计算机设备执行权利要求1-9中任意一项所述的基于人工智能的数据库智能筛选方法。
