一种基于K均值算法的内容中心网络缓存方法技术

本发明专利技术涉及一种基于K均值算法的内容中心网络缓存方法，属于通信技术领域。该缓存方法利用软件定义网络的控制器统计内容交换机上的某一内容的请求次数，并在控制器端设定阈值选择内容请求次数超过该阈值的所有交换机作为待定缓存点，并在控制器端利用K均值缓存算法从待定缓存点中选出若干个较优的缓存节点，由控制器通过OpenFlow信道向选出的缓存节点发出主动缓存内容的指令；当内容从内容服务节点返回请求者的过程中，会执行控制器下发的缓存指令，将内容缓存在控制器选出的缓存节点中。本发明专利技术能够很好的解决内容中心网络现有缓存机制存在的同质化缓存和缓存命中率低等问题。

【技术实现步骤摘要】

本专利技术属于通信
，涉及一种基于K均值算法的内容中心网络缓存方法。
技术介绍
网内缓存机制是内容中心网络(ContentCentricNetwork,CCN)的核心技术之一。通过在网络内节点上缓存部分内容，使得内容请求能够使用最近的缓存副本而无需通过寻址找到主机后再获取相应内容，因而能有效降低内容获取的时间延迟，同时降低网络中相同内容的流量大小，从而提高网络的性能。CCN的缓存是对应用透明并且普遍存在的。在传统的缓存方案是当内容从提供者返回时，路径上的所有节点均对缓存该内容，这种“普遍”的缓存策略导致缓存节点之间存在冗余数据，降低了缓存内容的多样性，致使缓存资源的利用率下降。CCN缓存技术的研究致力于提出各种具体的新型技术方案和缓存策略，以提升缓存系统的整体性能。为了解决CCN处处缓存机带来的资源浪费等问题，国内外学者进行了大量研究。目前，缓存策略主要分为缓存共享和缓存决策两个方面。缓存共享：不同类型的流量和应用具有不同的特征，如何为不同流量提供区别化的缓存服务是一个亟待解决的问题。为了实现区别化缓存服务，缓存共享技术则是最重要的一部分之一。目前缓存共享技术分为基于固定划分的缓存共享和动态划分的缓存共享两种。固定划分的缓存共享将缓存空间划分为固定的部分让每一个不同类别的应用都可以使用到不会被其他流量占用的缓存。这种方案存在的问题有两点：第一，当某类型的流量未到达，而其他流量较多时，或产生缓存丢失和资源浪费。第二，难以保证为不同类型的流量提供不同的缓存质量保证。动态划分的缓存共享则可以让某个流量类型使用未被占用的缓存空间。这又包含两种不同的策略：基于优先级的共享和基于权重平衡的共享。基于优先级的共享会让某些应用相对于其他应用拥有更高的优先级，并通过移除低优先级的内容来给高优先级内容腾出空间。这种策略的问题在于在数据高速到达时，反复比较优先级会严重影响性能。基于权重平衡的共享会预先设定权重，不过仍可以使用未被使用的空间，难点在于如何优化权重。缓存决策：缓存决策机制决定了哪个内容需要被储存在哪个节点上，分为非协作式缓存决策和协作式缓存决策两大类。非协作式缓存决策不需要预先知道网络中其他缓点节点的状态信息。比较典型的非协作式缓存决策策略主要有LCE(LeaveCopyEverywhere)、LCD(LeaveCopyDown)、MCD(MoveCopyDown)、Prob(CopywithProbability)和ProbCache(ProbabilisticCache)等。LCE是CCN中默认的缓存决策策略,该策略要求在数据包返回路径上的所有路由节点均需缓存内容对象，这样会导致网络中出现大量缓存内容冗余，降低缓存内容的多样性。LCD使得内容对象只缓存在其所在节点下一跳节点，内容对象被多次请求后才能到达网络边缘节点，而且会在路径上产生大量缓存内容冗余。MCD在缓存命中时将缓存内容从命中节点向下游移动一位(源服务器除外)，由此减少请求者到内容服务器的路径上的缓存内容冗余，但当请求者来自不同的边缘网络，会出现内容缓存点的摇摆，这种动态性会产生更多的网络开销。Prob要求数据包返回路径上的所有路由节点都以固定的概率P缓存对象，P的值可以依据缓存情况进行调整。ProbCache中请求的对象根据概率存放在每个节点中但概率都不同，概率与请求节点的距离成反比，因此如果节点越近，则缓存概率越大，反之则越小。该策略能够快速将拷贝推送到网络边缘，同时减少拷贝数量。协作式缓存决策中，网络拓扑和节点状态都是预先知道的。通过这些信息的输入来计算最终的缓存位置。根据参与决策的节点的范围，可以分为全局协调，路径协调和邻近协调三种。全局协调是指网络内所有缓存节点都会被考虑，这样必须预先知道整个网络的拓扑。路径协调是指这种协调仅仅涉及到从请求者到服务者沿路上的缓存节点。邻近协调是指协调只在节点的邻接节点间发生。网内协调作为一种基于哈希函数的方法，也归于邻近协调，它是使用一个哈希函数来决定哪些近邻来缓存某个文件块。综上所述：当前的内容中心网络缓存策略仍然存在以下问题：同质化缓存：非协作式缓存决策中，各个节点独立地缓存和替换将会导致各节点缓存相同的内容；内容在空间分布上太集中或太分散，这样将会导致请求者需要从过于集中的或分散的节点上获取内容，导致流量不合理；在时间上分布不合理,在热门时间里,每个节点都缓存相同的内容，然而热门时间一过，该内容在各节点上又几乎同时消失了。缓存命中率较低：非协作式缓存决策中各节点之间互相不知道对方的缓存内容；而在协作式缓存中,即使各节点互相知道对方缓存的内容，但没有时间承诺，并且各节点的替换是独立的，内容随时有可能被替换掉。这使得缓存的作用具有一定的随机性和偶然性，Interest的转发效率较低。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于K均值算法的内容中心网络缓存方法，该方法可以解决内容中心网络现有缓存机制存在的同质化缓存和缓存命中率低等问题，该方法在控制器端利用K均值算法计算若干较优缓存位置，并通过OpenFlow信道下发缓存命令至缓存节点。为达到上述目的，本专利技术提供如下技术方案：一种基于K均值算法的内容中心网络缓存方法，该缓存方法利用软件定义网络的控制器统计内容交换机上的某一内容的请求次数，并在控制器端设定阈值选择内容请求次数超过该阈值的所有交换机作为待定缓存点，并在控制器端利用K均值缓存算法从待定缓存点中选出若干个较优的缓存节点，由控制器通过OpenFlow信道向选出的缓存节点发出主动缓存内容的指令；当内容从内容服务节点返回请求者的过程中，会执行控制器下发的缓存指令，将内容缓存在控制器选出的缓存节点中。进一步，本方法中所述的K均值算法为一种用于划分聚类的算法，根据输入的样本分布信息以及所需要的聚类数K，通过多次迭代将样本分为K个聚类，具体算法流程为：1)随机初始化K个质心；2)对剩余每个样本测量其到每个质心的距离，将样本归类到离其最近的质心中；3)对每个质心，将其所有样本坐标取均值，得到该质心新的位置；4)重复2)-3)步直到每个样本到每个质心的距离和收敛为止。进一步，该方法具体包括以下步骤：S1：网络中各个交换机将某一内容A的请求次数计数字段统计至控制器中；S2：控制器找出请求内容A次数大于预先设定的阈值T的交换作为样本点；S3：控制器根据所需度量将网络拓扑抽象为二维坐标；S4：根据业务、流量、成本因素确定所需K值；S5：随机选取样本点中K个不同交换机作为初始质心；S6：对剩余本文档来自技高网...

【技术保护点】
一种基于K均值算法的内容中心网络缓存方法，其特征在于：该缓存方法利用软件定义网络的控制器统计内容交换机上的某一内容的请求次数，并在控制器端设定阈值选择内容请求次数超过该阈值的所有交换机作为待定缓存点，并在控制器端利用K均值缓存算法从待定缓存点中选出若干个较优的缓存节点，由控制器通过OpenFlow信道向选出的缓存节点发出主动缓存内容的指令；当内容从内容服务节点返回请求者的过程中，会执行控制器下发的缓存指令，将内容缓存在控制器选出的缓存节点中。

【技术特征摘要】
1.一种基于K均值算法的内容中心网络缓存方法，其特征在于：该缓存方法利用软件定
义网络的控制器统计内容交换机上的某一内容的请求次数，并在控制器端设定阈值选择内容
请求次数超过该阈值的所有交换机作为待定缓存点，并在控制器端利用K均值缓存算法从待
定缓存点中选出若干个较优的缓存节点，由控制器通过OpenFlow信道向选出的缓存节点发
出主动缓存内容的指令；当内容从内容服务节点返回请求者的过程中，会执行控制器下发的
缓存指令，将内容缓存在控制器选出的缓存节点中。
2.根据权利要求1所述的一种基于K均值算法的内容中心网络缓存方法，其特征在于：
本方法中所述的K均值算法为一种用于划分聚类的算法，根据输入的样本分布信息以及所需
要的聚类数K，通过多次迭代将样本分为K个聚类，具体算法流程为：
1)随机初始化K个质心；
2)对剩余每个样本测量其到每个质心的距离，将样本归类到离其最近的质心中；
3)对每个质心，将其所有样本坐标取均值，得到该质心新...

【专利技术属性】
技术研发人员：蔡岳平，刘军，樊欣唯，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆;50