CN103294912A - 一种面向移动设备基于预测的缓存优化方法 - Google Patents

Abstract

一种面向移动设备基于预测的缓存优化方法，移动设备中的缓存是一种有限的存储资源，其大小是相对固定的。当移动设备需要对当前的缓存进行替代更新时，首先，根据移动设备当前的运动状态预测将来可能的位置，即利用移动设备周期性记录的速度和方向计算出未来一段时间间隔内的预测平均速度，再结合记录的位置信息计算出预测的未来位置。然后，基于概率函数表示的感知用户移动性的缓存价值模型，计算网格单元数据项可能被访问的概率，按照网格单元数据项可能被访问的概率从高到低排序。最后，选择概率最低的K个网格单元数据项优先替换，直到有足够的缓存空间存放新的网格单元数据项。优化了移动设备的缓存使用方法，提高了该缓存的利用率，最终达到了减少移动设备和远程服务器之间通信代价的目的。

Description

一种面向移动设备基于预测的缓存优化方法

技术领域

本发明涉及一种面向移动设备基于预测的缓存优化方法，属于移动数据处理技术领域。

背景技术

Cache是计算机科学中的经典技术之一，已经在多个领域证明了其成功性。在分布式系统中，客户可以把经常访问的数据缓存在本地上，后续对这些数据的访问就可以直接从本地响应，而不需要向服务器发出数据请求。Cache技术是提高数据访问性能的有效途径之一。目前使用较多的经典cache替换更新方法主要有如下几种：1）先进先出算法FIFO（first in first out）；2）最近很少使用算法LRU（least recently used）；3）最低频率使用算法LFU（least frequency used）；4）LRUMIN（least recently used minimum）；5）随机算法RAND（random）。这些方法在一定程度上有效，却存在很多不足，不能较好地适用于移动P2P网络以及移动用户cache资源的使用。

美国University of Maryland的Shaul Dar提出了在C/S数据库系统下的客户端的语义缓存和替代模型。语义缓存方法就是在用户的移动设备的缓存中保留先前的一些查询结果和相应的语义描述，部分或全部应答查询请求。语义区域以多元组的形式存放缓存替代时的有用语义描述信息。在缓存替换更新时，根据移动数据的空间位置性和临时位置性，考虑了语义位置的特性，与传统的LRU和MRU相比，它的替换价值用语义区域的重力中心和最近查询区域的重力中心的曼哈顿距离表示，具有较好的特性。但是，它针对的只是一般空间数据。

根据移动计算的特点，美国Southern Methodist University的Qun Ren，提出了一种使用语义缓存机制管理位置独立数据的方法－FAR算法。对于位置独立数据而言，语义缓存中直接包含了位置独立数据的语义描述，和传统的页面缓存特性相比，更适合处理位置独立数据的查询。因为需要处理的是位置独立数据，所以移动设备的移动行为犹为重要。FAR算法将缓存的语义段分成In-direction和Out-direction两部分，根据移动设备的移动状态预测未来位置M_fl＝M_l+M_v·Δt，如果当前语义段和预测的未来位置之间的欧氏距离小于它和当前位置的欧氏距离，就将它放入In-direction中，优先替换Out-direction中的语义段。FAR算法虽然引入了预测的概念，但是，移动设备是不停运动的，运动方向也会经常发生改变，FAR算法在预测移动设备未来位置时，只考虑当前时刻的瞬时速度，没有考虑方向的变化，所以，这种预测方法的效率不高。

为了开发移动P2P的高带宽特性，新加坡国立大学Zhiyong Huang提出了混合移动系统结构下的缓存管理方法。针对位置独立数据查询的特点，结合用户的运动特性，定义了一个新的预测缓存价值的概率模型，用移动设备的位置和网格单元的中心之间的曼哈顿距离在[t_c,t_c+Δt]时间间隔内的积分表示。积分值越大，表示该缓存数据在未来被访问到的概率越低，被选择替换更新的概率越大。但是，这种积分的预测方法只给出了粗略比较网格单元的价值大小的方法，且计算较为复杂，并未使用移动设备的运动速度和方向等移动性信息来实现更精确地预测。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提出一种面向移动设备基于预测的缓存优化方法，采用如下技术方案：

一种面向移动设备基于预测的缓存优化方法，其特征是：当移动设备需要对当前的缓存进行替代更新时，首先，根据移动设备当前的运动状态预测将来可能的位置，即利用移动设备周期性记录的速度和方向计算出未来一段时间间隔内的预测平均速度，再结合记录的位置信息计算出预测的未来位置。然后，基于概率函数表示的感知用户移动性的缓存价值模型，计算网格单元数据项可能被访问的概率，按照网格单元数据项可能被访问的概率从高到低排序，最后，选择概率最低的K个网格单元数据项优先替换，直到有足够的缓存空间存放新的网格单元数据项；包括如下步骤：

步骤1，已知服务器端的空间数据以网格文件索引方式被划分成H行W列个统一的网格，取H=W=100。其中，空间数据是指包含空间数据对象的集合，每个空间数据对象的位置用符点型的坐标点来表示，例如：美国公开的NE数据集，就是一个典型的空间数据对象的集合，它用123593个位置独立的空间数据对象表示美国三大都市的所有邮政地址，每个空间数据对象的位置用符点型的坐标点来表示，且每个空间数据对象都包含位置在内的大小为100比特的属性值。划分后的网格单元记为C₁,C₂,C₃,…,C_g,…,C₁₀₀₀₀，每个网格单元作为数据存储的最小单位，记为网格单元数据项，它包含本网格单元内所有的空间数据对象的属性值，每个网格单元数据项用网格单元中心点的坐标(x_g,y_g)来表示，记为C_g(x_g,y_g)。服务器保存所有空间数据对象和形如<left,right,top,bottom,H,W,flags>的网格文件索引字符串。其中left、right、top、bottom分别取为0、1000、1000、0，它表示整个空间数据的范围，H、W表示网格单元被划分成H行W列，flags由0、1序列组成，表示网格单元中是否包含空间数据对象，是用1表示，否用0表示。每个移动设备进入到服务器的覆盖范围内都会接收到来自服务器端的网格文件索引字符串。根据移动设备端的网格文件索引字符串和当前位置可以判断它当前属于哪个网格单元。假设每个移动设备都装备GPS （Global Positioning System，全球定位系统），且拥有300KB的缓存空间用来存储网格单元数据项和网格文件索引字符串。当移动设备发起空间查询请求时，首先检查本地存储能否完全应答查询请求，如果不能，通过路由表向邻居节点请求，对于那些既不在本地存储也不在于路由表中的数据，将请求发送给服务器。某一时刻，当移动设备接收到来自于服务器或邻居节点的查询结果，即为新的网格单元数据项，记为C_m，而此时移动设备的缓存空间不足，需要执行替换更新时，通过查询GPS获得移动设备当前时刻t_c的位置坐标，记为M_i(x,y)；

步骤2，假设移动设备通过GPS能够每隔一个固定周期T获取其速度信息，则移动设备M_i在[t_c,t_c+Δt]时间间隔内的预测平均速度表示如下：

$\stackrel{\&RightArrow;}{v}=\mathrm{\&rho;}\&CenterDot;\stackrel{\&RightArrow;}{v}\left(n\right)+\mathrm{\&rho;}(1-\mathrm{\&rho;})\stackrel{\&RightArrow;}{v}(n-1)+\&CenterDot;\&CenterDot;\&CenterDot;{\mathrm{\&rho;}(1-\mathrm{\&rho;})}^{19}\stackrel{\&RightArrow;}{v}(n-19)+\&CenterDot;\&CenterDot;\&CenterDot;{+\mathrm{\&rho;}(1-\mathrm{\&rho;})}^n\stackrel{\&RightArrow;}{v}\left(0\right)---\left(1\right)$

其中，ρ是更新权重的参数，且0<ρ≤1。

表示初始速度信息，

表示nT时刻更新速度信息，t_c表示当前时刻，Δt表示预测时间间隔，且nT≤t_c≤(n+1)T。为了方便计算，我们一般取当前时刻前20个固定周期时刻记录的速度信息来计算预测平均速度，即取式(1)的前20项，ρ取0.8，Δt取50s。求得预测平均速度

其中大小 $v=\sqrt{{v_x}^2+{v_y}^2},$ 方向夹角 $\mathrm{\&alpha;}=\arctan \frac{v_y}{v_x},$ 且0°≤α≤180°；

步骤3，移动设备M_i在[t_c,t_c+Δt]时间间隔内从M_i(x,y)运动到新的位置M′_i(x′,y′)，通过下式求得：

M′_i(x′,y′)＝(x+v·cosα·Δt,y+v·sinα·Δt)    （2）

步骤4，确定移动设备M_i缓存中每一个网格单元数据项C_j对应的网格单元中心点C_j(x_j,y_j)与移动设备当前位置M_i(x,y)的连线M_iC_j的方向夹角β：

其中0°≤β≤180°       (3)

步骤5，计算概率函数prob(M_i,C_j,Δt)：

$\mathrm{prob}(M_j,C_j,\mathrm{\&Delta;t})=\frac{{\left[(1+\cos (\mathrm{\&beta;}-\mathrm{\&alpha;})\right]}^{\mathrm{\&mu;}}}{{\left[\right|x_j-\frac{x+x^{\&prime;}}{2}|+|y_j-\frac{y+y^{\&prime;}}{2}\left|\right]}^{\mathrm{\&sigma;}}}---\left(4\right)$

它表示移动设备M_i在[t_c,t_c+Δt]时间间隔内访问网格单元数据项C_j的概率，其中，分子项表示网格中心点和当前位置连线的方向与设备运动方向两者的夹角差的衡量参数；分母项表示网格单元中心点C_j(x_j,y_j)与M_iM′_i的中心点O的曼哈顿距离，μ和σ为调节参数，我们取μ=1，σ=0.2；

步骤6，对移动设备M_i缓存中每一个网格单元数据项C_j，按照其被访问的概率大小进行排序，选择概率最低的K个进行优先替换更新，直到移动设备M_i有足够的存储空间来存储新的网格单元数据项C_m为止,此时结束替换更新操作。其中K满足

第一项表示新的网格单元数据项的大小，第二项表示K个概率最低的网格单元数据项的大小之和。

本发明具有下列有益效果：

（1）由于移动P2P网络具有动态多变性，用户的移动性等特点，经典的cache替换更新方法并不能完全适用于移动P2P网络的特征，所以，当移动设备需要进行缓存替代时，本发明考虑了用户的移动性对计算缓存价值的影响。针对位置独立数据的特点，我们选择使用基于语义缓存的数据距离的方法管理这一类数据。鉴于FAR和曼哈顿距离这两种方法在速度预测方面的不准确性，我们引入了预测平均速度的概念，即利用移动设备周期性记录的速度和方向计算出未来一段时间间隔内的预测平均速度，再结合记录的位置信息计算出预测的未来位置，使得预测结果更加准确。在此基础之上，我们使用基于概率函数表示的感知用户移动性的缓存价值模型，计算网格单元数据项可能被访问的概率，可以直接得出更精确的结果，降低了计算的复杂度，大大地提高了有限存储资源的利用率，减少了设备和远程服务器的通信代价。

（2）设计了面向移动设备的缓存价值模型，实现了移动设备缓存的替换更新，优化了移动设备的缓存使用方法，提高了该缓存的利用率；

（3）提出了移动设备的运动速度和运动方向的预测方法，提高了移动位置的预测精确度。

附图说明

图1为本发明方法的总流程图；

图2为基于混合通信方式的移动系统框架图；

图3为移动设备的运动场景图。

具体实施方式

下面结合附图对发明技术方案进行详细说明。

参考图1，图中，M1，M2表示移动设备，它们之间通过无线P2P网络（对等网络）方式通信，而移动设备与无线服务器之间则通过无线C/S（Client/Server，客户端/服务器端）方式通信。本发明面向移动设备基于预测的缓存优化方法包括如下步骤：

步骤1，已知服务器端的空间数据以网格文件索引方式被划分成H行W列个统一的网格，取H=W=100。其中，空间数据是指包含空间数据对象的集合，每个空间数据对象的位置用符点型的坐标点来表示，例如：美国公开的NE数据集，就是一个典型的空间数据对象的集合，它用123593个位置独立的空间数据对象表示美国三大都市的所有邮政地址，每个空间数据对象的位置用符点型的坐标点来表示，且每个空间数据对象都包含位置在内的大小为100比特的属性值。划分后的网格单元记为C₁,C₂,C₃,…,C_g,…,C₁₀₀₀₀，每个网格单元作为数据存储的最小单位，记为网格单元数据项，它包含本网格单元内所有的空间数据对象的属性值，每个网格单元数据项用网格单元中心点的坐标(x_g,y_g)来表示，记为C_g(x_g,y_g)。服务器保存所有空间数据对象和形如<left,right,top,bottom,H,W,flags>的网格文件索引字符串。其中left、right、top、bottom分别取为0、1000、1000、0，它表示整个空间数据的范围，H、W表示网格单元被划分成H行W列，flags由0、1序列组成，表示网格单元中是否包含空间数据对象，是用1表示，否用0表示。每个移动设备进入到服务器的覆盖范围内都会接收到来自服务器端的网格文件索引字符串。根据移动设备端的网格文件索引字符串和当前位置可以判断它当前属于哪个网格单元。假设每个移动设备都装备GPS （Global Positioning System，全球定位系统），且拥有300KB的缓存空间用来存储网格单元数据项和网格文件索引字符串。当移动设备发起空间查询请求时，首先检查本地存储能否完全应答查询请求，如果不能，通过路由表向邻居节点请求，对于那些既不在本地存储也不在于路由表中的数据，将请求发送给服务器，具体请参考图2。某一时刻，当移动设备接收到来自于服务器或邻居节点的查询结果，即为新的网格单元数据项，记为C_m，而此时移动设备的缓存空间不足，需要执行替换更新时，通过查询GPS获得移动设备当前时刻t_c的位置坐标，记为M_i(x,y)；

步骤2，假设移动设备通过GPS能够每隔一个固定周期T获取其速度信息，则移动设备M_i在[t_c,t_c+Δt]时间间隔内的预测平均速度

表示如下：

$\stackrel{\&RightArrow;}{v}=\mathrm{\&rho;}\&CenterDot;\stackrel{\&RightArrow;}{v}\left(n\right)+\mathrm{\&rho;}(1-\mathrm{\&rho;})\stackrel{\&RightArrow;}{v}(n-1)+\&CenterDot;\&CenterDot;\&CenterDot;{\mathrm{\&rho;}(1-\mathrm{\&rho;})}^{19}\stackrel{\&RightArrow;}{v}(n-19)+\&CenterDot;\&CenterDot;\&CenterDot;{+\mathrm{\&rho;}(1-\mathrm{\&rho;})}^n\stackrel{\&RightArrow;}{v}\left(0\right)---\left(1\right)$

其中，ρ是更新权重的参数，且0<ρ≤1。

表示初始速度信息，表示nT时刻更新速度信息，t_c表示当前时刻，Δt表示预测时间间隔，且nT≤t_c≤(n+1)T。为了方便计算，我们一般取当前时刻前20个固定周期时刻记录的速度信息来计算预测平均速度，即取式(1)的前20项，ρ取0.8，Δt取50s。求得预测平均速度

其中大小 $v=\sqrt{{v_x}^2+{v_y}^2},$ 方向夹角 $\mathrm{\&alpha;}=\arctan \frac{v_y}{v_x},$ 且0°≤α≤180°；

步骤3，移动设备M_i在[t_c,t_c+Δt]时间间隔内从M_i(x,y)运动到新的位置M′_i(x′,y′)，通过下式求得：

M′_i(x′,y′)＝(x+v·cosα·Δt,y+v·sinα·Δt)    （2）

步骤4，确定移动设备M_i缓存中每一个网格单元数据项C_j对应的网格单元中心点C_j(x_j,y_j)与移动设备当前位置M_i(x,y)的连线M_iC_j的方向夹角β：

其中0°≤β≤180°      (3)

步骤5，计算概率函数prob(M_i,C_j,Δt)：

$\mathrm{prob}(M_j,C_j,\mathrm{\&Delta;t})=\frac{{\left[(1+\cos (\mathrm{\&beta;}-\mathrm{\&alpha;})\right]}^{\mathrm{\&mu;}}}{{\left[\right|x_j-\frac{x+x^{\&prime;}}{2}|+|y_j-\frac{y+y^{\&prime;}}{2}\left|\right]}^{\mathrm{\&sigma;}}}---\left(4\right)$

它表示移动设备M_i在[t_c,t_c+Δt]时间间隔内访问网格单元数据项C_j的概率，其中，分子项表示网格中心点和当前位置连线的方向与设备运动方向两者的夹角差的衡量参数；分母项表示网格单元中心点C_j(x_j,y_j)与M_iM′_i的中心点O的曼哈顿距离，μ和σ为调节参数，我们取μ=1，σ=0.2。具体请参考图3，图中，M_i(x,y)表示当移动设备端有新的网格单元数据项到达，而此时缓存空间不足需要执行替换更新时，通过查询GPS获得移动设备当前时刻t_c的位置坐标。M′_i(x′,y′)表示移动设备M_i在[t_c,t_c+Δt]时间间隔后预测到达的位置。O为M_iM′_i的中点。α为预测平均速度的方向夹角。β为网格单元中心点C_j(x_j,y_j)与移动设备当前位置M_i(x,y)的连线M_iC_j的方向夹角。

步骤6，对移动设备M_i缓存中每一个网格单元数据项C_j，按照其被访问的概率大小进行排序，选择概率最低的K个进行优先替换更新，直到移动设备M_i有足够的存储空间来存储新的网格单元数据项C_m为止,此时结束替换更新操作。其中K满足

第一项表示新的网格单元数据项的大小，第二项表示K个概率最低的网格单元数据项的大小之和。

综上所述，一种面向移动设备基于预测的缓存优化方法，当移动设备需要对当前的缓存进行替代更新时，首先，根据移动设备当前的运动状态预测将来可能的位置，即利用移动设备周期性记录的速度和方向计算出未来一段时间间隔内的预测平均速度，再结合记录的位置信息计算出预测的未来位置。然后，基于概率函数表示的感知用户移动性的缓存价值模型，计算网格单元数据项可能被访问的概率，按照网格单元数据项可能被访问的概率从高到低排序。最后，选择概率最低的K个网格单元数据项优先替换，直到有足够的缓存空间存放新的网格单元数据项。优化了移动设备的缓存使用方法，提高了该缓存的利用率，最终达到减少移动设备和远程服务器之间通信代价的目的。

Claims (1)

1.一种面向移动设备基于预测的缓存优化方法，其特征是：当移动设备需要对当前的缓存进行替代更新时，首先，根据移动设备当前的运动状态预测将来可能的位置，即利用移动设备周期性记录的速度和方向计算出未来一段时间间隔内的预测平均速度，再结合记录的位置信息计算出预测的未来位置。然后，基于概率函数表示的感知用户移动性的缓存价值模型，计算网格单元数据项可能被访问的概率，按照网格单元数据项可能被访问的概率从高到低排序，最后，选择概率最低的K个网格单元数据项优先替换，直到有足够的缓存空间存放新的网格单元数据项；包括如下步骤：

步骤1，已知服务器端的空间数据以网格文件索引方式被划分成H行W列个统一的网格，取H=W=100，其中，空间数据是指包含空间数据对象的集合，每个空间数据对象的位置用符点型的坐标点来表示，且每个空间数据对象都包含位置在内的大小为100比特的属性值，划分后的网格单元记为C₁,C₂,C₃,…,C_g,…,C₁₀₀₀₀，每个网格单元作为数据存储的最小单位，记为网格单元数据项，它包含本网格单元内所有的空间数据对象的属性值，每个网格单元数据项用网格单元中心点的坐标(x_g,y_g)来表示，记为C_g(x_g,y_g)，服务器保存所有空间数据对象和形如<left,right,top,bottom,H,W,flags>的网格文件索引字符串，其中left、right、top、bottom分别取为0、1000、1000、0，它表示整个空间数据的范围，H、W表示网格单元被划分成H行W列，flags由0、1序列组成，表示网格单元中是否包含空间数据对象，是用1表示，否用0表示。每个移动设备进入到服务器的覆盖范围内都会接收到来自服务器端的网格文件索引字符串。根据移动设备端的网格文件索引字符串和当前位置可以判断它当前属于哪个网格单元，假设每个移动设备都装备GPS全球定位系统，且拥有300KB的缓存空间用来存储网格单元数据项和网格文件索引字符串，当移动设备发起空间查询请求时，首先检查本地存储能否完全应答查询请求，如果不能，通过路由表向邻居节点请求，对于那些既不在本地存储也不在于路由表中的数据，将请求发送给服务器，某一时刻，当移动设备接收到来自于服务器或邻居节点的查询结果，即为新的网格单元数据项，记为C_m，而此时移动设备的缓存空间不足，需要执行替换更新时，通过查询GPS获得移动设备当前时刻t_c的位置坐标，记为M_i(x,y)；

步骤2，假设移动设备通过GPS能够每隔一个固定周期T获取其速度信息，则移动设备M_i在[t_c,t_c+Δt]时间间隔内的预测平均速度

表示如下：

$\stackrel{\&RightArrow;}{v}=\mathrm{\&rho;}\&CenterDot;\stackrel{\&RightArrow;}{v}\left(n\right)+\mathrm{\&rho;}(1-\mathrm{\&rho;})\stackrel{\&RightArrow;}{v}(n-1)+\&CenterDot;\&CenterDot;\&CenterDot;{\mathrm{\&rho;}(1-\mathrm{\&rho;})}^{19}\stackrel{\&RightArrow;}{v}(n-19)+\&CenterDot;\&CenterDot;\&CenterDot;{+\mathrm{\&rho;}(1-\mathrm{\&rho;})}^n\stackrel{\&RightArrow;}{v}\left(0\right)---\left(1\right)$

其中，ρ是更新权重的参数，且0<ρ≤1，表示初始速度信息，

表示nT时刻更新速度信息，t_c表示当前时刻，Δt表示预测时间间隔，且nT≤t_c≤(n+1)T，为了方便计算，取当前时刻前20个固定周期时刻记录的速度信息来计算预测平均速度，即取式(1)的前20项，ρ取0.8，Δt取50s，求得预测平均速度

其中大小

方向夹角且0°≤α≤180°；

步骤3，移动设备M_i在[t_c,t_c+Δt]时间间隔内从M_i(x,y)运动到新的位置M′_i(x′,y′)，通过下式求得：

M′_i(x′,y′)=(x+v·cosα·Δt,y+v·sinα·Δt)    （2）

步骤4，确定移动设备M_i缓存中每一个网格单元数据项C_j对应的网格单元中心点C_j(x_j,y_j)与移动设备当前位置M_i(x,y)的连线M_iC_j的方向夹角β：

其中0°≤β≤180°     (3)

步骤5，计算概率函数prob(M_i,C_j,Δt)：

$\mathrm{prob}(M_i,C_j,\mathrm{\&Delta;t})=\frac{{\left[(1+\cos (\mathrm{\&beta;}-\mathrm{\&alpha;})\right]}^{\mathrm{\&mu;}}}{{\left[\right|x_j-\frac{x+x^{\&prime;}}{2}|+|y_j-\frac{y+y^{\&prime;}}{2}\left|\right]}^{\mathrm{\&sigma;}}}---\left(4\right)$

它表示移动设备M_i在[t_c,t_c+Δt]时间间隔内访问网格单元数据项C_j的概率，其中，分子项表示网格中心点和当前位置连线的方向与设备运动方向两者的夹角差的衡量参数；分母项表示网格单元中心点C_j(x_j,y_j)与M_iM′_i的中心点O的曼哈顿距离，μ和σ为调节参数，取μ=1，σ=0.2；

步骤6，对移动设备M_i缓存中每一个网格单元数据项C_j，按照其被访问的概率大小进行排序，选择概率最低的K个进行优先替换更新，直到移动设备M_i有足够的存储空间来存储新的网格单元数据项C_m为止,此时结束替换更新操作，其中K满足

第一项表示新的网格单元数据项的大小，第二项表示K个概率最低的网格单元数据项的大小之和。

Images