CN109951317B - 一种基于用户驱动的流行度感知模型的缓存替换方法 - Google Patents

Abstract

本发明公开了一种基于用户驱动的流行度感知模型的缓存替换方法，包括如下步骤：S1：建立流行度感知模型；S2：控制器根据请求内容的生存周期计算内容的流行度；S3：控制器根据内容的流行度判断所处的传播阶段，计算缓存该内容的概率；S4：在控制器操控下完成缓存替换。通过引入用户行为、用户社交网络及内容等级来建立内容早期传播的流行度感知模型，并且根据用户行为来预测内容的流行情况，从而执行缓存替换策略。相比于LCE与LRU等缓存替换策略，UDPAM缓存替换策略在卫星网络中具有较高的缓存直接命中率和较低的缓存替换率。

Description

一种基于用户驱动的流行度感知模型的缓存替换方法

技术领域

本发明属于通信领域，具体说是一种基于用户驱动的流行度感知模型的缓存替换方法。

背景技术

随着网络环境的变化与发展，网络传输对象由简单的文本数据转变为流媒体数据。传统以主机为中心的网络模型中，IP协议栈的细腰结构成为数据响应速度的瓶颈。卫星网络技术的不断发展，其全球性、实时性的特点使得卫星网络在跨空间环境下数据传输具有鲜明的优势。然而现有卫星网络在网络管理和业务部署等方面具有极大的局限性。因此研究者借助软件定义网络(SDN)和信息中心网络(ICN)的优势来应对以上问题。

不同于地面网络网络拓扑固定、缓存资源充足等特点，卫星网络的网络拓扑具有高动态性，并且节点的计算资源和缓存资源是有限的。LCE与LRU等传统缓存替换策略由于卫星节点的运动性，降低了卫星网络的直接缓存命中率；同时，缓存资源的有限性使得卫星节点在使用LCE等缓存替换策略时具有较高的缓存替换率。并且在计算资源有限的情况下，使得卫星网络在处理业务时具有较高的排队延时，降低了卫星网络的性能。因此设计适合卫星网络的缓存替换策略是十分重要的。

发明内容

针对现有技术的不足，本发明解决的技术问题是提供一种基于用户驱动的流行度感知模型的缓存替换方法(User-Driven Popularity Awareness Model,UDPAM)，通过引入用户行为、用户社交网络及内容等级来建立内容早期传播的流行度感知模型，并且根据用户行为来预测内容的流行情况，从而执行缓存替换策略。相比于LCE与LRU等缓存替换策略，UDPAM缓存替换策略在卫星网络中具有较高的缓存直接命中率和较低的缓存替换率。

为实现上述目的，本申请的技术方案为：一种基于用户驱动的流行度感知模型的缓存替换方法，包括如下步骤：

S1：建立流行度感知模型；

S2：控制器根据请求内容的生存周期计算内容的流行度；

S3：控制器根据内容的流行度判断所处的传播阶段，计算缓存该内容的概率；

S4：在控制器操控下完成缓存替换。

进一步地，内容的存在时间、请求用户、请求频率、内容传播特征为建立流行度感知模型的第一特征。

进一步地，内容的存在时间对流行度的感知贡献公式为：η＝λ(t)*(α·ω(t)+(1-α)·γ(t_s,t))，

其中λ(t)表示时间[t_s,t]内，内容经过某一用户的社交网络的传播率，ω(t)是用户请求行为的随机变量，描述网络中内容请求的随机性；γ(t_s,t)为请求内容流行度的增长部分，感知未来会变得流行的内容，θ反映了内容流行度增长的快慢，通过请求频率来刻画；α根据内容传播时间自适应调整流行度感知的随机贡献与增长贡献权重，通过请求到达的时间来表示。

进一步地，控制器根据内容所处的生存周期来计算内容的流行度，对于内容的早期传播，一方面通过ω(t)来保证新请求内容的生存，另一方面γ(t_s,t)通过θ的调整来保证内容流行度的增长或下降；对于内容的中期和后期传播，内容的流行度根据其请求频率来计算。

进一步地，内容的请求频率公式为:

其中p为上一次计算该内容流行度到本次计算的[t_s,t]时间内，该内容的请求次数N与时间间隔的比值，表示单位时间内该内容的请求频次；N_s为其他内容请求的次数，β表示[t_s,t]时间内该内容请求的变化率；η则表示在[t_s,t]时间内，该内容归一化的请求频率，即为该内容的流行度。

更进一步地，根据内容的流行度判断内容所处的传播阶段，计算所处阶段的缓存概率：对于处于早期或中期的传播，其概率计算公式下：

ρ＝rand()，

其中，κ_i表示在内容流行度与节点缓存空间的联合作用下，节点缓存该内容的概率，κ_i越大则节点缓存该内容的概率越大，反之越小；ρ是服从均匀分布的随机数；τ为0则节点不缓存该内容，为1则节点缓存该内容；δ_i为节点允许缓存概率。

更进一步地，

其中C_i表示节点i的总缓存空间，C_im表示节点i剩余的缓存空间。

更进一步地，对内容是否缓存进行判定：当缓存某内容节点个数大于转发节点总数的半数时，控制器将结束缓存节点的决策计算，控制器通过流表下发到相应的转发节点；若节点仍有缓存空间，则直接缓存该内容；若节点没有剩余的缓存空间，则根据缓存信息表中内容的流行度信息替换流行度最低的内容。

本发明由于采用以上技术方案，能够取得如下的技术效果：本申请可以实现较高的缓存直接命中率和较低的缓存替换率。有效的提高卫星节点资源的利用率，为卫星网络的研究提供更加合适的缓存替换策略。

附图说明

图1为本发明基于用户驱动的流行度感知模型的缓存替换策略的流程图；

图2为缓存替换策略流程图；

图3为卫星网络直接命中率对比图；

图4为卫星网络直接命中率与缓存关系图；

图5为卫星网络缓存替换率对比图；

图6为卫星网络缓存替换率与缓存空间关系图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细的描述：以此为例对本申请做进一步的描述说明。

该架构采用三颗高轨同步卫星作为SDN控制器。

本申请基于用户驱动的流行度感知模型的缓存替换方法，如图1所示，下面结合流程图对方法中涉及的公式做详细阐述。缓存替换方法包括如下步骤：

S1：根据内容的存在时间、请求用户、请求频率和内容本身等因素建立流行度预测模型；

S2：SDN控制器根据请求内容的生存周期计算内容的流行度；

S3：控制器根据内容的流行度判断所处的传播阶段，计算缓存该内容的概率；

S4：在控制器操控下完成缓存替换策略；

S1中内容的存在时间、内容的请求用户、请求频率、内容传播特征为建立流行度感知模型主要因素。一方面，用户对内容的搜索行为可以通过动力学建模来表示，即描述用户行为的幂律响应函数：

它刻画了产生用户行为原因的潜在影响。由定义，记忆核函数

表示对于单个个体而言，从“原因”到“行动”(观看视频)的存在时间分布。另一方面，受用户社交网络的影响，内容在网络中具有级联传播的特点。级联传播过程可以用自由激Hawkes条件的Poisson模型描述：

λ(t)表示时间[t_s,t]内，内容经过某一用户的社交网络的传播率，其中μ_i表示用户i对内容传播贡献的归一化影响因子，通过用户网络节点的连接度描述。基于上述动力学分析，网络中内容传播过程中早期是随机的，内容流行度的分布也是随机的。经过早期传播，内容可能在一定时间后停止传播，也可能达到一定的流行度阈值进入中期传播阶段。这一阶段，内容流行度呈指数增长的趋势。内容传播经过中期增长后，内容的热度迅速下降。内容进入后期传播阶段，此时内容流行度呈负指数迅速下降趋势。

S2中内容存在时间对流行度的感知贡献公式为：

η＝λ(t)*(α·ω(t)+(1-α)·γ(t_s,t))

其中λ(t)表示时间[t_s,t]内，内容经过某一用户的社交网络的传播率，ω(t)是用户请求行为的随机变量，描述网络中内容请求的随机性；γ(t_s,t)为请求内容流行度的增长部分，感知未来会变得流行的内容，θ反映了内容流行度增长的快慢，通过请求频率来刻画；α根据内容传播时间自适应调整流行度感知的随机贡献与增长贡献权重，通过请求到达的时间来表示。

S3中对于内容的早期传播，一方面通过ω(t)来保证新请求内容的生存，另一方面γ(t_s,t)通过θ的调整来保证内容流行度的增长或下降。对于内容的中期和后期传播，内容的流行度主要根据其请求频率来计算。

内容的请求频率公式为:

其中p为上一次计算该内容流行度到本次计算的[t_s,t]时间内，该内容的请求次数N与时间间隔的比值，表示单位时间内该内容的请求频次；β表示[t_s,t]时间内该内容请求的变化率；η则表示在[t_s,t]时间内，该内容归一化的请求频率，即为该内容的流行度。S3中根据内容的流行度判断内容所处的传播阶段，计算所处阶段的缓存概率。对于处于早期或中期的传播，其概率计算公式下：

ρ＝rand()，

其中，κ_i表示在内容流行度与节点缓存空间的联合作用下，节点缓存该内容的概率，κ_i越大则节点缓存该内容的概率越大，反之越小；ρ是服从均匀分布的随机数；τ为0则节点不缓存该内容，为1则节点缓存该内容。

S4中对于内容是否缓存的判定：当缓存某内容节点个数大于转发节点半数时，控制器将结束缓存节点的决策计算。控制器通过流表下发到相应的转发节点。若节点仍有缓存空间，则直接缓存缓该内容；若节点没有剩余的缓存空间，则根据缓存信息表中内容的流行度信息替换流行度最低的内容。缓存替换策略的流程如图2所示。

下面再以一个实例验证本发明的效果。

根据SDICSN架构中所描述的，地面网络根据区域等特点划分为若干个自治区域(AS)，SDN框架下的控制层采用分层分布式控制；卫星网络中通过3颗高轨卫星作为控制器来实时控制整个卫星网络，仿真过程中低轨卫星网络采用铱星星座模拟转发层，转发层卫星节点为四邻域通信(2条ISL和2条ISL)。

假设网络中缓存了1000个根据流行度编号的内容，内容块的大小范围为10～100MB，卫星网络中转发节点的初始缓存容量为1G，每个节点初始缓存内容数量在10～100之间。网络中ICN客户端为N*M个，每个ICN客户端并行发起对内容的请求，且每个ICN客户端发起请求的概率服从λ＝100的泊松分布。

如图3，为LCE和LRU与本文所设计的UDPAM缓存替换策略在缓存命中率方面的对比情况。

如图4，通过改变卫星节点缓存容量的大小，验证了节点缓存容量对缓存命中率的影响，即节点缓存容量越大，在UDPAM缓存替换策略下，节点能缓存的高流行度的内容越多，网络直接缓存命中的几率越大。

如图5，为LCE和LRU与本文所设计的UDPAM缓存替换策略在缓存替换率方面的对比情况。

如图6，对比了在UDPAM缓存替换策略下，节点缓存容量对缓存替换率的影响，可以看出，随着缓存容量的增加，节点的缓存替换率随之降低。

综上可得：本申请可以实现较高的缓存直接命中率和较低的缓存替换率，有效的提高卫星节点资源的利用率，为卫星网络的研究提供更加合适的缓存替换策略。

以上所述，仅为本发明创造较佳的具体实施方式，但本发明创造的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明创造披露的技术范围内，根据本发明创造的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明创造的保护范围之内。

Claims (2)

1.一种基于用户驱动的流行度感知模型的缓存替换方法，其特征在于，包括如下步骤：

S1：建立流行度感知模型；

S2：控制器根据请求内容的生存周期计算内容的流行度；

S3：控制器根据内容的流行度判断所处的传播阶段，计算缓存该内容的概率；

S4：在控制器操控下完成缓存替换；

内容的存在时间、请求用户、请求频率、内容传播特征为建立流行度感知模型的第一特征；

内容的存在时间对流行度的感知贡献公式为：

其中

表示时间[t_s,t]内，内容经过某一用户的社交网络的传播率，其中μ_i表示用户i对内容传播贡献的归一化影响因子，ω(t)是用户请求行为的随机变量，描述网络中内容请求的随机性；γ(t_s,t)为请求内容流行度的增长部分，感知未来会变得流行的内容，θ反映了内容流行度增长的快慢，通过请求频率来刻画；α根据内容传播时间自适应调整流行度感知的随机贡献与增长贡献权重，通过请求到达的时间来表示；

控制器根据内容所处的生存周期来计算内容的流行度，对于内容的早期传播，一方面通过ω(t)来保证新请求内容的生存，另一方面γ(t_s,t)通过θ的调整来保证内容流行度的增长或下降；对于内容的中期和后期传播，内容的流行度根据其请求频率来计算；

内容的请求频率公式为:

其中p为上一次计算该内容流行度到本次计算的[t_s,t]时间内，该内容的请求次数N与时间间隔的比值，表示单位时间内该内容的请求频次；N_s为其他内容请求的次数，θ表示[t_s,t]时间内该内容请求的变化率；η则表示在[t_s,t]时间内，该内容归一化的请求频率，即为该内容的流行度；

根据内容的流行度判断内容所处的传播阶段，计算所处阶段的缓存概率：对于处于早期或中期的传播，其概率计算公式下：

其中，κ_i表示在内容流行度与节点缓存空间的联合作用下，节点缓存该内容的概率，κ_i越大则节点缓存该内容的概率越大，κ_i越小则节点缓存该内容的概率越小；ρ是服从均匀分布的随机数；τ为0则节点不缓存该内容，为1则节点缓存该内容；δ_i为节点允许缓存概率；

其中C_i表示节点i的总缓存空间，C_im表示节点i剩余的缓存空间。

2.根据权利要求1所述一种基于用户驱动的流行度感知模型的缓存替换方法，其特征在于，对内容是否缓存进行判定：当缓存某内容节点个数大于转发节点总数的半数时，控制器将结束缓存节点的决策计算，控制器通过流表下发到相应的转发节点；若节点仍有缓存空间，则直接缓存该内容；若节点没有剩余的缓存空间，则根据缓存信息表中内容的流行度信息替换流行度最低的内容。

Images