一种多接入边缘计算下基于本地视频效用值的视频缓存管理方法技术

本发明专利技术公开了一种多接入边缘计算下基于本地视频效用值的视频缓存管理方法。该方法用于MEC服务器的视频缓存管理，当MEC服务器剩余缓存空间不足以存储待缓存视频时，结合全网流行度和本地流行度变化计算本地视频热度；接着，结合本地视频热度、视频大小和信息熵理论，计算本地视频效用值；然后，基于本地视频效用值进行降序排序，将效用值最低的视频依次删除，直到剩余缓存空间能存储待缓存视频，并存储之。最后，如果该待缓存视频是全网新发布视频，那么将其全网流行度设置为top_r2；否则，从中心服务器获取其全网流行度。该缓存管理方法可有效提升MEC服务器的缓存命中率，降低传输延迟，提升用户体验质量，减少回程流量，降低核心网压力。心网压力。心网压力。

【技术实现步骤摘要】
一种多接入边缘计算下基于本地视频效用值的视频缓存管理方法


[0001]本专利技术涉及边缘计算领域、流媒体
，更确切地说，涉及一种多接入边缘计算下基于本地视频效用值的视频缓存管理方法。

技术介绍

[0002]近年来，随着互联网技术不断发展，视频内容提供商每天上传数以万计的流媒体内容，且智能终端设备快速发展，网络流量将呈爆炸式增长，给核心网带来了巨大压力。根据Cisco最新网络流量预测报告，至2022年，将有285亿固定和移动设备进入网络，平均每个人能够持有3.6个终端设备，全球的移动数据流量将会增长至原来的七倍，其中移动终端所产生的视频流量将占全部互联网流量的72％。移动内容的分发，特别是具有4K分辨率的超清视频点播服务已成为5G网络背景下主要应用场景。
[0003]随着5G时代的到来，欧洲电信标准化协会提出了多接入边缘计算(Multi
‑
access Edge Computing，MEC)，通过在云平台的更前端部署MEC服务器实现将云服务器的计算能力和存储能力下沉到靠近用户侧，让流媒体视频分发以及密集型任务(比如对高清视频进行解码，直播视频流的码率自适应切换等待)的计算在移动网络边缘执行，从而更近距离地为移动用户提供服务。MEC服务器被作为独立的处理中心设备部署在移动网络边缘，缓存用户所需的视频资源，能够直接与用户设备通信，从而能够减少网络操作和传输时延，提高用户体验质量。另外，MEC服务器由于缓存空间有限，而视频资源所占用的缓存空间日益增长，MEC服务器如何进行缓存管理，以提升缓存命中率，是一个重要问题。在缓存管理方法中，一些传统方法有LRU(Least Recently Used、最近最少使用)、LFU(Least Frequently Used，最不经常使用)等。然而，这些方法最早是针对操作系统的缓存页管理提出来的，未曾考虑视频的特殊性。视频的特殊性体现在流行度变化和视频大小变化。根据齐普夫定律可知，网络中80％的流量来自于20％的视频，视频流行度可作为缓存管理的一个重要考虑因素。而且，视频流行度是受用户访问的影响而动态变化。MEC服务器如何根据本地访问频率构建一个热度变化模型是一个重要问题。另外，视频大小变化比较大，如一个长视频(45分钟)的长度可以与多个短视频(3
‑
5分钟)的长度和相等。于是，如何综合考虑视频流行度变化、视频大小变化，基于这些因素如何构建一个有效指标，是MEC服务器缓存管理要解决的重要问题。

技术实现思路

[0004]本专利技术目的是针对现有技术的不足，提供了一种多接入边缘计算下基于本地视频效用值的视频缓存管理方法，利用MEC服务器的存储和计算能力，基于视频流行度和视频大小计算视频效用缓存管理视频，降低MEC服务器向云中心服务器请求视频的频率，使用户的视频请求在MEC服务器端得到满足，从而达到提高移动MEC服务器的视频缓存命中率的目的，实现降低网络延迟、减少网络开销和提升用户体验的效果。
[0005]实现本专利技术目的的技术方案是：
[0006]一种多接入边缘计算(Multi
‑
access Edge Computing，MEC)下基于本地视频效用值的视频缓存管理方法。该方法用于MEC服务器的视频缓存管理，包括两个功能模块。第一个功能模块是全网流行度获取模块，该模块周期性执行，MEC服务器从中心服务器获取本地缓存视频的全网流行度，并从全网流行度前20％取一个随机值为top_r2。第二个功能模块是视频缓存处理模块，该模块在MEC服务器缓存本地缺失视频时启动执行。当MEC服务器剩余缓存空间足以存储待缓存视频时，直接存储。当MEC服务器剩余缓存空间不足以存储待缓存视频时，结合全网流行度和本地流行度变化计算本地视频热度；接着，结合本地视频热度、视频大小和信息熵理论，计算本地视频效用值；然后，基于本地视频效用值进行降序排序，将效用值最低的视频依次删除，直到剩余缓存空间能存储待缓存视频，并存储之。最后，如果该被缓存视频是全网新发布视频，那么将其全网流行度设置为top_r2；否则，从中心服务器获取其全网流行度。该缓存管理方法可有效提升MEC服务器的缓存命中率，降低传输延迟，提升用户体验质量，减少回程流量，降低核心网压力。
[0007]所述的第一个功能模块是全网流行度获取模块，该模块周期性执行，典型地，以一周为一个周期(也可以取其他周期，如10天、半个月等)，MEC服务器在每周一晚12时至隔天早8时向云中心服务器获取本地视频全网流行度并存储在全网流行度列表popList中，并从全网流行度前20％取一个随机值为top_r2；
[0008]所述的第二个功能模块是视频缓存处理模块，该模块在MEC服务器缺失视频时启动执行。当MEC服务器剩余缓存空间足以存储待缓存视频时，直接存储。当MEC服务器剩余空间不足以存储待缓存视频时，执行如下步骤。
[0009]步骤1：基于历史访问频率构建视频热度模型用于计算本地流行度变化值，结合全网流行度计算本地视频热度；
[0010]步骤2：计算视频效用值，为评估视频热度和视频大小的重要程度，引入信息熵理论对两者的权重进行定量分析，再结合本地视频热度以及视频大小构建视频效用函数，并计算MEC服务器本地视频的效用值；
[0011]步骤3：基于本地视频效用值进行降序排序，将效用值最低的视频依次删除，直到剩余缓存空间能存储待缓存视频；
[0012]步骤4：判断待缓存视频是否为新发布视频，如果该待缓存视频是全网新发布视频，那么将其全网流行度设置为top_r2；否则，从中心服务器获取其全网流行度。
[0013]所述步骤1中构建本地视频热度模型，包括一个模型评估系数，一个热度上升模型，一个频率相关的热度衰减模型和一个频率无关的热度衰减模型。
[0014]所述的模型评估系数是用于在计算本地视频热度之前确定该视频所满足的热度模型。由于实时视频热度对视频流行度评估更具参考价值，而单纯累加每个周期的访问频率并不能反应真实的热度。因此，为评估缓存中视频所满足的热度模型，结合历史访问频率差值引入一个模型评估系数。模型评估系数eval
i
表达式如下：
[0015][0016]上述公式(1)中，示相邻周期间的访问频率差值对视频i热度的影响值，其中，表达式如下：
[0017][0018]上述公式(2)中，表示视频i在周期T
t
的访问频率，表示视频i在周期T
t
‑1的访问频率；ρ表示平衡系数，用于平衡分子过大对分母中指数函数的影响。
[0019]所述热度上升模型的构建主要考虑视频的历史访问频率，影响视频热度上升的关键因素是用户的点击量；另外，不同周期的访问频率对当前视频热度的影响存在差异，先前访问频率高的视频的热度未必高于当前访问频率低的，并且随着历史时间往前推移，越靠前的访问频率对热度影响应是越小的，热度上升模型的公式化如下：
[0020][0021]上述公式(3)中，表示视频i上升的热度，n表示总周期数，表示在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多接入边缘计算下基于本地视频效用值的视频缓存管理方法，其特征在于，包括全网流行度获取模块和视频缓存处理模块；所述的全网流行度获取模块，该模块周期性执行，执行时MEC服务器向云中心服务器获取本地视频全网流行度并存储在全网流行度列表popList中，同时从全网流行度前20％取一个随机值为top_r2；所述的视频缓存处理模块在MEC服务器缺失视频时启动执行：当MEC服务器剩余缓存空间足以存储待缓存视频时，直接存储；当MEC服务器剩余空间不足以存储待缓存视频时，执行如下步骤：(1)基于历史访问频率构建本地视频热度模型用于计算本地流行度变化值，结合全网流行度计算本地视频热度；(2)计算视频效用值，为评估视频热度和视频大小的重要程度，引入信息熵理论对两者的权重进行定量分析，再结合本地视频热度以及视频大小构建视频效用函数，并计算MEC服务器本地视频的效用值；(3)对本地视频效用值进行降序排序，将效用值最低的视频依次删除，直到剩余缓存空间能存储待缓存视频；(4)判断待缓存视频是否为新发布视频，如果该待缓存视频是全网新发布视频，那么将其全网流行度设置为top_r2；否则，从中心服务器获取其全网流行度。2.根据权利要求1所述的一种多接入边缘计算下基于本地视频效用值的视频缓存管理方法，其特征在于：所述的构建本地视频热度模型，包括模型评估系数，热度上升模型，频率相关的热度衰减模型和频率无关的热度衰减模型。3.根据权利要求2所述的一种多接入边缘计算下基于本地视频效用值的视频缓存管理方法，其特征在于：所述的模型评估系数：用于在计算本地视频热度之前确定该视频所满足的热度模型；为评估本地视频所满足的热度模型，结合各周期的访问频率差值引入一个模型评估系数，评估系数eval
i
表达式如下：上述公式(1)中，表示相邻周期间的访问频率差值对视频i热度的影响值，n表示总周期数，其中，表达式如下：上述公式(2)中，表示视频i在周期T
t
的访问频率，表示视频i在周期T
t
‑1的访问频率；ρ表示平衡系数，用于平衡分子过大对分母中指数函数的影响。4.根据权利要求2所述一种多接入边缘计算下基于本地视频效用值的视频缓存管理方法，其特征在于：所述热度上升模型的公式化如下：上述公式(3)中，表示视频i上升的热度，表示在周期T
t
中访问频率对视频i的
热度的影响值，其的表达式如下：上述公式(4)中，表示在周期T
t
时视频i的访问频率。5.根据权利要求2所述的一种多接入边缘计算下基于本地视频效用值的视频缓存管理方法，其特征在于：所述的频率相关的衰减模型公式化如下：方法，其特征在于：所述的频率相关的衰减模型公式化如下：上述公式(5)中，表示视频i的衰减热度，n表示总周期数，表示在周期T
t
中访问频率对视频i的热度的影响值，公式(6)中的符号表达同公式(4)。6.根据权利要求2所述的一种多接入边缘计算下基于本地视频效用值的视频缓存管理方法，其特征在于：所述的频率无关的衰减模型公式化如下：方法，其特征在于：所述的频率无关的衰减模型公式化如下：上述公式(8)中，表示视频i衰减的热度，low_P
i
表示视频i最低流行度，P
i
表示视频i全网流行度，k表示衰减相关因子，ΔT表示周期间隔。7.根据权利要求...

【专利技术属性】
技术研发人员：刘平山，蔡张婧，刘韶星，唐泽慧，尤骏，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：