基于内容流行度预测的边缘缓存系统及其方法技术方案

本发明专利技术公开了一种基于内容流行度预测的边缘缓存系统及其方法，包含如下步骤：(1)根据用户历史请求信息，线下训练节点覆盖区域内每个用户的偏好模型；(2)当请求到达时，如果请求内容不在缓存区，依据用户偏好模型在线预测内容流行度；(3)比较内容流行度预测值与缓存区内容流行度最低值两者大小，做出相应缓存决策；(4)更新当前时刻内容流行度值，并对用户偏好模型进行评估，确定是否启动线下用户偏好模型学习。本发明专利技术可以使边缘节点在线预测内容流行度并实时追踪内容流行度变化，并基于预测的内容流行度做出对应的缓存决策，从而确保边缘节点持续缓存热点内容，获得渐近于理想的缓存方法的缓存命中率。

【技术实现步骤摘要】
基于内容流行度预测的边缘缓存系统及其方法
本专利技术涉及一种基于内容流行度预测的边缘缓存系统及其方法，属于移动通信中的边缘缓存

技术介绍
随着各种智能设备和先进移动应用服务的持续迅速地增加，近年来无线网络正在遭受空前的数据传输压力。持续增加的数据传输量给容量有限的回传链路带来了巨大的压力，尤其在业务传输峰值时刻。边缘缓存技术通过放置最流行的内容到更靠近请求用户的节点上，从而可以有效地降低回传负载，近年来受到了业界和学术界的广泛关注。由于节点的存储空间有限且内容流行度随时间和空间变化，边缘缓存技术面临各种各样的挑战，诸如，为使得节点的缓存命中率尽可能地高，应该在何时存放什么内容到本地节点。传统的缓存策略诸如先入先出缓存策略、最近最少使用缓存策略、最近最不常用缓存策略以及这些算法的变体已经广泛应用于有线网络，然而，由于无线网络中边缘节点的覆盖范围和存储空间有限，以上传统的缓存策略不能直接对内容流行度进行提前预测，这些传统的缓存策略在无线网络中可能遭受严重的性能下降，因此，这些传统的缓存策略不再适用于无线网络。目前的研究工作正在转向基于流行度的边缘缓存策略，但是对内容流行度的预测本文档来自技高网...

【技术保护点】
基于内容流行度预测的边缘缓存系统，包括用户接口、请求处理、缓存管理和本地缓存模块，其特征在于：还包括：信息监测和交互模块，实现区域邻近节点间的定期信息监测和交互；线下模型学习模块，将收集到的特征数据库信息和请求数据库信息通过线下模型学习算法对当前用户偏好模型进行学习；数据更新模块，将当前请求的内容特征数据和用户访问信息分别更新到线下模型学习模块的特征数据库和请求数据库里，实现请求信息的收集和更新，该用户访问信息包括访问内容编号和访问时间；缓存信息模块，负责存放和更新区域缓存内容的当前内容流行度信息、初始缓存时间和缓存内容编号；缓存监测模块，负责监测缓存信息，捕捉当前本地缓存需要清理的内容，通知...

【技术特征摘要】
1.基于内容流行度预测的边缘缓存系统，包括用户接口、请求处理、缓存管理和本地缓存模块，其特征在于：还包括：信息监测和交互模块，实现区域邻近节点间的定期信息监测和交互；线下模型学习模块，将收集到的特征数据库信息和请求数据库信息通过线下模型学习算法对当前用户偏好模型进行学习；数据更新模块，将当前请求的内容特征数据和用户访问信息分别更新到线下模型学习模块的特征数据库和请求数据库里，实现请求信息的收集和更新，该用户访问信息包括访问内容编号和访问时间；缓存信息模块，负责存放和更新区域缓存内容的当前内容流行度信息、初始缓存时间和缓存内容编号；缓存监测模块，负责监测缓存信息，捕捉当前本地缓存需要清理的内容，通知缓存管理模块；和在线流行度预测模块，利用学习数据库信息和在线流行度预测算法预测当前请求内容的流行度，在线缓存决策机制将当前流行度信息与缓存信息进行比较，做出相应的缓存决策，当存在累积的平均预测误差时，启动线下模型学习模块，所述数据库信息包括请求的内容特征数据和已经学习好的用户的偏好模型参数。2.根据权利要求1所述的基于内容流行度预测的边缘缓存系统的边缘缓存方法，其特征在于：包括以下步骤：S1、初始化监测周期时长，并对本地节点和邻近节点设置相同的监测周期，在每个监测周期，本地节点和邻近节点分别监测和收集自身覆盖区域用户集，并通过节点间的信息交互得知当前周期M个边缘节点总覆盖区域的用户集；S2、以第t个监测周期为例，收集到的区域用户集标记为Ut＝{1,2,…,u,…,Ut}；S3、对单个监测周期内的每个请求，节点对请求内容进行判断，并做出相应的缓存决策，以第t个监测周期内的第d个请求为例，请求表示为reqt,d＝<f(d),t(d),x(d)>，其中，f(d)为第d个请求的请求内容，t(d)为第d个请求的请求时间，x(d)为第d个请求的请求内容特征矢量，当请求到达本地节点时，节点查看请求内容是否在本地缓存，若在本地缓存，则本地节点和邻近节点协作地传输内容f(d)到用户端，并更新请求内容的内容流行度值到M个边缘节点的缓存信息中；若请求内容不在本地缓存，则节点通过在线流行度预测算法对请求内容的流行度值进行预测，并从区域的缓存信息中查找本地缓存流行度最低的内容中缓存时长最长的内容作为待清理内容，节点通过比较流行度预测值大于缓存区的内容的流行度最低值，做出相应的缓存决策，决定是否需要缓存请求内容；S4、当节点决定缓存请求内容时，则M个边缘节点删除待清理内容，对请求内容进行分段并将分段后的内容协作地缓存到节点各自的缓存空间内，并更新请求内容的内容流行度值以及请求时间和请求内容特征到M个边缘节点的缓存信息中，同时节点间共享缓存信息。3.根据权利要求2所述的基于内容流行度预测的边缘缓存方法，其特征在于：其中，步骤S3具体包括如下步骤：S3-1、记录请求信息，包括请求时间、请求内容信息、请求用户信息；S3-2、读取第d个请求的请求时间t(d)时刻的本地缓存内容集Gt,d；S3-3、若第d个请求的请求内容f(d)∈Gt,d，本地节点协同邻近节点分别从本地缓存和邻近缓存提取存储的第d个请求的请求内容f(d)协作地服务用户，同时更新当前缓存内容f(d)的内容流行度为S3-4、若第d个请求的请求内容f(d)不属于本地缓存内容集Gt,d，执行如下操作：S3-4a)本地节点协同邻近节点从云内容中心或其他外部节点提取f(d)协作地服务用户；S3-4b)基于当前的f(d)的N维特征矢量x(d)和区域用户偏好模型参数集本地节点通过在线内容流行度预测算法预测f(d)在当前t(d)时刻的流行度值其中，wu为用户u∈Ut的偏好模型参数矢量，为所有用户u∈Ut的偏好模型参数集；S3-4c)依次按照tf和对本地节点的信息队列Qt,d进行排序，其中，f∈Gt,d，f为当前时刻的本地缓存内容，tf为f的初始缓存时间，为内容f在t(d)时刻的流行度值，Qt,d为信息队列，存放缓存区所有内容的tf和f；S3-4d)提取信息队列Qt,d的顶部元素Pleast和fleast，其中，Pleast为本地缓存内容的当前流行度最低值，fleast为当前本地缓存中流行度值最低的内容中初始缓存时间最早的内容；S3-4e)若f(d)在t(d)时刻的...

【专利技术属性】
技术研发人员：蒋雁翔，马妙丽，郑福春，尤肖虎，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32