CN104871141A - 分布式通信系统中的预测缓存 - Google Patents
分布式通信系统中的预测缓存 Download PDFInfo
- Publication number
- CN104871141A CN104871141A CN201380063808.8A CN201380063808A CN104871141A CN 104871141 A CN104871141 A CN 104871141A CN 201380063808 A CN201380063808 A CN 201380063808A CN 104871141 A CN104871141 A CN 104871141A
- Authority
- CN
- China
- Prior art keywords
- tolerance
- information
- local cache
- user
- communication target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/535—Tracking the activity of the user
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/56—Provisioning of proxy services
- H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching
- H04L67/5681—Pre-fetching or pre-delivering data based on network characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Information Transfer Between Computers (AREA)
Abstract
一种用于管理存储在本地缓存的信息的方法包括:获得用户的社交网络信息和/或合作历史信息,以及使用所述社交网络信息和/或合作历史信息识别用户的潜在通信目标。至少部分基于识别出的潜在通信目标更新所述本地缓存。还公开了一种用于管理存储在本地缓存的信息的装置。所述装置包括分析引擎组件和更新组件。所述分析引擎组件用于使用社交网络信息和/或合作历史信息确定潜在通信目标的度量,所述更新组件用于使用所述度量将至少一个所述潜在通信目标对应的信息移出所述本地缓存。
Description
相关申请案交叉申请
本申请要求于2012年12月28日递交的发明名称为“分布式通信系统中的预测缓存”的第13/730544号美国专利申请的在先申请优先权,该在先申请的内容以引入的方式并入本文。
技术领域
本发明涉及通信网络,以及在特定的实施例中,涉及分布式通信系统中的预测缓存。
背景技术
通信网络可以包括通过链路连接的节点,这些链路使得用户间能够进行通信。网络中的每一个节点都有一个唯一的标识(例如,网络协议(IP)地址),使得数据或连接路由至正确的接受者。通信网络通常依赖于静态配置的连接和路由,这会耗费人力,易出错且死板。此外,通信网络可能需要跨越不同的区域(例如,跨越广域网)进行通信。这种跨区域流量会增加通信费用,降低网络性能,例如增加系统时延。
发明内容
在一个实施例中,本发明包括一种用于管理存储在本地缓存的信息的方法。获得用户的社交网络信息和/或合作历史信息,用于识别用户的潜在通信目标。至少部分基于识别出的潜在通信目标更新所述本地缓存。
在另一实施例中,本发明包括一种用于管理存储在本地缓存的信息的装置。所述装置包括分析引擎组件和更新组件。所述分析引擎组件用于使用社交网络信息和/或合作历史信息确定潜在通信目标的度量,所述更新组件用于使用所述度量将至少一个所述潜在通信目标对应的信息加入或移出所述本地缓存。
在又一实施例中,本发明包括一种用于管理存储在本地缓存的信息的装置。所述装置包括处理器,用于确定用户的潜在通信目标,计算表示用户与所述潜在通信目标通信的可能性的概率值,至少部分基于计算出的概率值更新所述本地缓存。
以下结合附图和权利要求对上述以及其他特征做更清晰明了的详细描述。
附图说明
为了更透彻地理解本发明,请参考下文结合附图和具体实施方式进行的简要说明,其中的相同参考编号表示相同部分。
图1为分布式通信系统的一个实施例的示意图;
图2为利用社交网络信息和合作历史信息将信息存储至本地缓存的分布式系统的一个实施例的示意图;
图3为本地缓存的示意图;
图4为一种可以用于在分布式通信系统中预测性地缓存信息的系统的一个实施例的示意图;
图5为通用计算机系统的一个实施例的示意图。
具体实施方式
首先应理解,尽管下文提供一项或多项实施例的说明性实施方案,但所公开的系统和/或方法可使用任意数目的技术来实施,无论该技术是当前已知还是现有的。本发明决不应限于下文所说明的说明性实施方案、附图和技术,包括本文所说明并描述的示例性设计和实施方案,而是可在所附权利要求书的范围以及其等效物的完整范围内修改。但是,为了便于公开本发明,对现有技术的某些方面进行了讨论,申请人决不否认这些方面的技术,且本发明意图可以包括此处讨论的现有技术的一个或多个方面。
此处公开了能够在分布式通信系统中预测缓存的系统和方法。在一个实施例中,利用社交网络信息和合作历史信息确定最有可能需要哪些通信路由,本地缓存可以存储所需的路由信息。例如,通信更可能发生在通过社交网络连接的用户之间或者过去曾有合作的用户之间。相应地,社交网络信息和合作历史信息可以用于预测本地缓存中最有可能需要的路由信息。这可以有利于通过减少需要从远端源中获得的路由信息量以减少系统时延和跨区域通信(例如,跨广域网通信)。在另一实施例中,利用社交网络信息和合作历史信息分配通信系统中的用户。例如,通过社交网络连接或有合作历史的用户可以关联到同一个节点(例如,同一个本地服务器)。因此,更有可能与彼此进行通信的用户可以关联到同一个节点,这样也有利于减少系统时延和跨区域通信。此外,本实施例可以减少系统资源的整体使用量,增加了多节点系统的延展性。
图1为分布式通信系统100的一个实施例的示意图。系统100包括第一区域中的第一组节点110,第二区域中的第二组节点120和第三区域中的第三组节点130。所述第一组节点110包括节点111、112、113、114和115。第二组节点120包括节点121、122、123、124和125,第三组节点130包括节点131、132、133、134和135。尽管图1示出了3个区域,每个区域有5个节点,本实施例对区域和节点的数目不做任何限定,可以包括比图1中所示的更多或更少的区域和节点。在一个实施例中,一个区域可以包括任意节点子群。所述节点子群的划分可以基于任何标准。例如,所述节点子群的划分可以基于对节点间的链路的质量(例如,一个或多个性能度量)的测量,基于地理位置,或者基于任何其他因素。此外,所述子群的节点可以手动选择或者自动选择。例如,某人可以手动为一个区域指定节点,或者自动化机器可以自动地随机为一个区域指定节点,或者使用一个或多个性能度量或者任何其他标准为一个区域指定节点。然而,在本实施例中,形成一个区域不限于任何特定的方式,一个区域可以包括任意节点子群。
可选地,每个节点111、112、113、114、115、121、122、123、124、125、131、132、133、134和135都是分布式通信系统100中的有源电子设备,能够通过通信信道发送、接收或者转发信息。有些节点包括数据电路终结设备(DCE),例如,调制解调器、集线器、桥接器或交换机,以及数据终端设备(DTE),例如,数字手持电话、打印机、主机、路由器、工作站或服务器。在一个特定的实施例中,仅为了说明而不是为了限定,节点包括统一通信应用服务器。然而,本实施例不限于任何特定类型的节点。系统100通过链路将节点111、112、113、114、115、121、122、123、124、125、131、132、133、134和135连接在一起,其中,所述链路使节点之间可以通信,且系统100中的每个节点111、112、113、114、115、121、122、123、124、125、131、132、133、134和135都有一个唯一的地址,使得消息或连接可以被路由到正确的节点上。
每组节点都与多个用户关联。例如,在图1中,所述第一组节点110与用户116关联。所述第二组节点120和用户126关联,所述第三组节点130和用户136关联。每组用户都是在其对应组的本地节点进行分配的。例如,箭头117表示用户116是在所述第一组节点110进行分配的。在一个实施例中,用户至少部分基于社交网络信息和/或合作历史信息分配。例如,在一个社交网络中连接的或过去有合作的用户可以关联到同一个节点。
系统100也包括使跨区域通信能够进行的广域网(WAN)140。例如,WAN 140使节点113和121之间能够进行通信141,节点113和131之间能够进行通信142。在一个实施例中,可以利用社交网络信息和合作历史信息预测最有可能发生哪种通信,以减少跨WAN 140的通信。例如,如果用户118在社交网络中和用户128相连,或者如果用户118过去和用户128有合作,则用户118的本地节点113可以在其本地缓存中缓存用户128的路由信息,这样就不需要从远程源中获得所述路由信息。
图2为分布式系统200的一个实施例的示意图,所述分布式系统200利用社交网络信息210和/或合作历史信息220管理存储在本地缓存230的信息和/或在本地节点240分配用户。社交网络信息210可以从任意社交网络源中获得。一些可能的社交网络源包括但不限于在线列表、好友列表、企业社交网中的群组或团队、联系人以及企业目录(例如,有组织信息、群组信息等的企业目录)。类似地,合作历史信息220可以从任意合作源中获得。一些可能的合作源包括但不限于通话记录、即时通信历史、在线更新、电子邮件、日历应用程序、网络博客、帖子、网络评论、社交网络追随者的信息以及社交网络提及信息。
社交网络信息210可以直接用于管理存储在本地缓存230的信息和/或在本地节点240分配用户。此外,可以从社交网络信息210中导出一个或多个度量。某些可以从社交网络信息210中导出的度量包括但不限于集群系数和列表关联权重。说明性地,所导出的度量指示了社交网络中的有哪些用户被连接在一起。在一个特定的实施例中,集群系数用于在本地节点240分配用户,列表关联权重用于管理存储在本地缓存230的信息。然而,本实施例不局限于任何特定的实现方式,直接社交网络信息210和/或导出的度量的任意组合可以用于管理存储在本地缓存230的信息和/或在本地节点240分配用户。
合作历史信息220也可以直接用于管理存储在本地缓存230的信息和/或在本地节点240分配用户。此外,可以从合作历史信息220中获得一个或多个度量。一些可以从合作历史信息220中导出的度量包括但不限于预测负载和通信可能性。说明性地,所获得的度量指示了哪些用户彼此进行了通信。例如,所获得的度量可以指示哪些用户经常彼此进行通信以及哪些用户不经常进行通信或完全不进行通信。在一个特定的实施例中,预测负载用于在本地节点240分配用户,通信可能性用于管理存储在本地缓存230的信息。然而,本实施例不局限于任何特定的实现方式,直接合作历史信息220和/或导出的度量的任意组合可以用于管理存储在本地缓存230的信息和/或在本地节点240分配用户。
图3为图2所示的本地缓存230的一个实施例的更详细的视图。本地缓存230包括与关键字232相关的信息。本地缓存230中的关键字232可以与不同区域的关键字相关。例如,在图3所示的示例中,Bob关键字和Bill关键字可以与第一区域相关。Ann关键字和Dave关键字可以与第二区域相关,Chris关键字可以与第三区域相关。相应地,本地缓存230可以缓存来自整个分布式系统的信息。这样,通过使节点从本地节点中检索数据而不需要通过WAN从远端节点中检索数据,可以减少WAN流量。
本地缓存230也可以存储其他信息。在图3所示的具体示例中,本地缓存230包括针对每个关键字232的权重度量234、时延度量236、最后使用度量238以及频率度量240。权重度量234表示需要特定的通信路由的可能性。例如,更可能需要的通信路由的权重度量234的值较大,不太可能需要的通信路由的权重度量234的值较小。可以利用社交网络信息(例如,集群系数)和/或合作历史信息(例如,预测负载)确定权重度量234。
时延度量236表示对整体系统时延的贡献。在一个实施例中,时延度量236基于检索路由信息所需要的时间量和需要所述信息的可能性。例如,若检索路由信息耗时长,且预计需要所述路由信息(例如,如果过去经常使用所述路由信息),则所述时延度量236的值较大。相反,若检索路由信息耗时短,和/或预计不太可能需要所述路由信息(例如,如果过去不经常使用所述路由信息),则所述时延度量236的值较小。
最后使用度量238表示最近什么时候使用了缓存中的信息,频率度量240表示使用缓存中的信息的频率。所述最后使用度量238可以对应最后一次使用所述数据以来的时间长度。例如,相比于较早使用过的路由信息,较晚使用过的路由信息的最后使用度量238的值较小。类似地,相比于不经常使用的路由信息,经常使用的路由信息的频率度量的值较大。
可以利用权重度量234、时延度量236、最后使用度量238以及频率度量240管理存储在本地缓存230的数据。例如,所述权重度量234、最后使用度量238和/或频率度量240可以用于预测未来需要数据的可能性。本地缓存230可以保存更可能被使用的数据和/或与较大时延度量236相关的数据。本地缓存230可以淘汰不太可能被使用的数据和/或与较小时延度量236相关的数据。相应地,所述度量可以用于管理缓存数据,以减少所述整体系统时延和跨区域通信。
图4为系统400的一个实施例的示意图,该系统400可以用于实现分布式通信系统中的预测缓存。方框402中,区域“x”中的用户“a”(即,uxa)登陆或注册到系统400。然后,在方框404中生成该用户的源列表。例如,基于用户的身份和区域,系统400可以生成所述用户相关的社交网络信息源和合作历史信息源列表。在方框406中,系统400获得用户的社交网络信息和/或合作历史信息。所述社交网络信息可以从任何社交网络和联系人源中获得。例如,所述社交网络信息可以从任意一个上述提到的源(即,在线列表、好友列表、企业社交网络中的群组或团队、联系人以及企业目录)中或任何其他可能的社交网络信息源中获得。所述合作历史信息可以从任意通信和合作事件/历史源中获得。例如,合作信息可以从任意一个上述提到的源(即,通话记录、即时通信历史、在线更新、电子邮件、日历应用程序、网络博客、帖子、网络评论、社交网络追随者信息以及社交网络提及信息)中或任何其他可能的通信和合作事件/历史信息源中获得。
然后,将用户源列表和方框406中的信息输入方框408中的提取过滤组件。所述提取过滤组件的输出包括一组识别每个用户的潜在通信目标的信息(例如,用户uxa的潜在通信目标列表)。方框411示意性地示出了每个用户的一组潜在通信目标的一个示例。方框411中,位于中间的人表示用户,其潜在通信目标形成了这个人周围的圆。
在一个实施例中,为系统400的多个不同用户确定潜在通信目标。方框412中,所述多个不同用户的潜在通信目标通过混合组件混合在一起。混合后的信息用于生成方框414中的每个区域的加权聚合目标列表。方框416示意性地示出了加权目标列表的一个示例。方框416中,圆圈内的点表示所述潜在通信目标,圆圈外的点表示其他区域中系统400的用户。用户和目标之间的箭头表示与每个用户相关的目标。与较多用户相关的目标的权重较大,与较少的用户相关的目标的权重较小。然后,将方框414中的每个区域的加权聚合目标列表输出到方框418中的分析引擎和知识库组件中。
方框419中用户的社交网络信息和/或合作历史信息也输出到方框418中的分析引擎和知识库组件中。所述社交网络信息和/或合作历史信息可以从上述提到的源中的任意一个或者任意其他可能的源中获得。方框419中的信息和方框406中的信息可以是相同的或者是不同的,这取决于系统的特定配置。
此外,也可以将方框422中的时延信息输出到方框418中的分析引擎和知识库组件中。在一个实施例中,所述时延信息可以包括对两个不同的区域之间(例如,区域“x”和“y”之间,其中,“x”是用户的区域,“y”是用户的潜在目标的区域)的通信进行的平均时延估计。可以使用任意方法或组件估计所述时延信息。例如,可以利用方框424中的网络拓扑分析以确定所述时延信息。
方框418中的分析引擎和知识库组件利用方框419中的社交网络信息和/或合作历史信息,方框414中的每个区域的加权聚合目标列表,和/或方框422中的时延信息生成方框420中的分类后的预测目标列表和度量。
所述分析引擎和知识库组件可以使用任意方法生成所述分类后的预测目标列表和度量。方框418中的方框422、424、426和428示出了生成所述分类后的预测目标列表和度量的一种可能的方法。在方框422中,获得一组潜在目标。每个目标都与一个联系人和一个区域关联。例如,在图4中,“cyk”表示目标“cyk”与联系人“k”以及区域“y”关联。在方框424中,为每个目标生成关联权重。所述关联权重表示特定区域内的用户是与目标的关联性如何。例如,图4示出了目标“cyk”与位于区域“x”的任意用户“U”的关联权重。
方框426中,预测组件确定在特定时间内一个区域内的任意用户会与位于另一区域内的目标联系人进行通信的可能性(例如,概率)。例如,在图4中,确定在时间“ti+1”内,位于区域“x”内的任意用户“U”会与位于区域“y”内的目标联系人“k”通信的可能性。可选地,确定每一个潜在目标(例如,方框422所示的每一个目标)的可能性。
所述分析引擎和知识库组件基于所述可能性和所述时延信息确定方框428中的时延减少度量。如上所述,可选地,时延度量表示对整体系统时延的贡献。在一个实施例中,所述时延度量基于检索路由信息所需要的时间量和需要所述信息的可能性。例如,如果检索路由信息耗时长,且预计可能需要所述路由信息,则所述时延度量的值较大。相反,如果检索路由信息耗时短,和/或预计不太可能需要所述路由信息,则所述时延度量的值较小。可以确定每一个潜在目标(例如,为方框422所示的每一个目标)的时延度量。
方框418中的所述分析引擎和知识库组件不限于上述的特定的方法和度量。例如,在上述实施例中,确定可用于减少整体系统时延的时延度量。然而,在另一实施例中,整体系统时延可以没有减少。而是,潜在目标可以与优先级度量关联。例如,相比于次重要的联系人,重要的联系人的优先级度量较大。相应地,所述分析引擎和知识库组件可以使用基于联系人的优先级度量而不是基于减少整体系统时延来减少时延的度量和方法。因此,本发明实施例不局限于特定的方法和度量,所述分析引擎和知识库组件可以根据需要使用任何方法和度量以优化任意系统参数。
在方框420中,生成分类后的预测目标列表和度量。在图4所示的示例中,每一行对应一个目标(例如,cyk、cyj、czk),每一行包括与所述目标相关联的度量(例如,关联权重和时延减少度量)。可以基于目标的区域、基于一个或多个度量或基于任何其他特征对目标列表和度量进行分类。此外,所述度量不限于任何特定的度量,可以包括系统400使用的任意一个或多个度量。
将方框420中分类后的预测目标列表和度量以及方框430中的缓存淘汰策略输入缓存更新组件432。所述缓存淘汰策略包括将信息从缓存中移出的标准。一些缓存淘汰策略的实例包括但不限于移出对减少时延影响较小的信息,移出关联权重较小的信息,移出最近较少使用的信息,以及移出不经常使用的信息。
方框432中的缓存更新组件利用所述分类后的预测目标列表以及所述缓存淘汰策略更新方框434中的本地缓存。例如,所述缓存更新组件可以将信息加入本地缓存中,所述信息可以减少时延,具有较大的关联权重,最近使用较多,有较高的优先级或者经常被使用。又例如,所述缓存更新组件可以将信息移出本地缓存,所述信息对减少时延影响较小,具有较小的关联权重,最近使用较少,有较低的优先级或者不经常被使用。相应地,系统400可以用于管理那种信息是存储在本地缓存中的,系统400可以用于管理所述缓存,以减少整体系统时延、划分某些联系人的优先级或者根据需要实现其他标准。
如上所述,本系统和方法实施例提供了分布式通信系统中的预测缓存。在一个实施例中,利用社交网络信息和合作历史信息确定最有可能需要哪些通信路由,然后本地缓存可以存储所需的路由信息。相应地,社交网络信息和合作历史信息可以用于预测本地缓存中最有可能需要的路由信息。这可以有利于通过减少需要从远端源中获得的路由信息以减少系统时延和跨区域通信(例如,跨广域网通信)。在另一实施例中,利用社交网络信息和合作历史信息分配通信系统中的用户。例如,通过社交网络连接或有合作历史的用户可以关联到同一个节点(例如,同一个本地服务器)。因此,更有可能彼此进行通信的用户可以关联到同一个节点,这也有利于减少系统时延和跨区域通信。此外,本实施例可以减少系统资源的整体使用量,增加了多节点系统的延展性。但是,本实施例不局限于任何特定的效益或特征,可以包括上述或图中所示的特征中的任意一项或多项。
以上描述的方案可在任意一个通用网络组件中实现,如计算机或具有足够的处理能力、存储资源和网络吞吐能力以处理其负载的必要工作量的网络组件。图5示出了适于实现此处公开的方法的一个或多个实施例的通用网络组件或计算机系统500的示意图。所述通用网络组件或计算机系统500包括通用处理器502(可以称作中央处理器或CPU),所述通用处理器502与存储设备通信,所述存储设备包括二级存储器504,只读存储器(ROM)506、随机存取存储器(RAM)508、输入/输出(I/O)设备510和网络连通设备512。虽然示出的是单个处理器,但所述处理器502不限于此,可以包括多个处理器。所述处理器502可用作一个或多个CPU芯片、内核(例如,多核处理器)、现场可编程门阵列(FPGAs)、专用集成电路(ASICs)和/或数字信号处理器(DSPs),和/或可作为一个或多个ASICs的一部分予以实现。所述处理器502可以用于实现任意一项此处所描述的方案。可以使用硬件、软件或这二者实现处理器502。
典型地,所述二级存储器504包括一个或多个硬盘驱动器或磁带机,用于非易失性存储数据,并且在RAM 508不够容纳所有工作数据时用作溢出数据存储设备。当选择执行载入RAM 508的程序时,所述二级存储器504可用于存储此类程序。所述ROM 506用于存储在执行程序时读取的指令或数据。所述ROM 506为一种非易失性存储器设备,相对于拥有大存储能力的二级存储器504,它的存储能力通常较小。所述RAM 508用于存储易失性数据或存储指令。访问所述ROM 506和RAM 508通常都要比访问二级存储器504的速度快。
本发明公开了至少一项实施例,而且所属领域的一般技术人员对实施例和/或实施例的特征做出的变化、组合和/或修改均在本发明的范围内。通过组合、整合和/或忽略各项实施例的特征而得到的替代性实施例也在本发明的范围内。在明确说明数字范围或限制的情况下,此类表达范围或限制应被理解成包括在明确说明的范围或限制内具有相同大小的迭代范围或限制(例如,从约为1到约为10包括2、3、4等;大于0.10包括0.11、0.12、0.13等)。例如,只要公开具有下限Rl和上限Ru的数字范围,则明确公开了此范围内的任何数字。具体而言,在所述范围内的以下数字是明确公开的:R=R1+k*(Ru–R1),其中k为从1%到100%范围内以1%递增的变量,即,k为1%、2%、3%、4%、5%……70%、71%、72%……95%、96%、97%、98%、99%或100%。此外,由上文所定义的两个数字R定义的任何数字范围也是明确公开的。除非另有说明,否则使用术语约是指随后数字的±10%。相对于权利要求的任一元素使用术语“选择性地”意味着所述元素是需要的,或者所述元素是不需要的,两种替代方案均在所述权利要求的范围内。使用如“包括”、“包含”和“具有”等较广术语应被理解为提供对如由“……组成”、“基本上由……组成”以及“大体上由……组成等较窄术语的支持。”因此,保护范围不受上文所陈述的说明限制,而是由所附权利要求书界定,所述范围包含所附权利要求书的标的物的所有等效物。每一和每条权利要求作为进一步揭示内容并入说明书中,且所附权利要求书是本发明的实施例。对所述揭示内容中的参考进行的论述并非承认其为现有技术,尤其是具有在本申请案的在先申请优先权日期之后的公开日期的任何参考。本发明中所引用的所有专利、专利申请案和公开案的揭示内容特此以引用的方式并入本文中,其提供补充本发明的示例性、程序性或其它细节。
虽然本发明多个具体实施例,但应当理解,所公开的系统和方法也可通过其它多种具体形式体现,而不会脱离本发明的精神或范围。本发明的实例应被视为说明性而非限制性的,且本发明并不限于本文本所给出的细节。例如,各种元件或部件可以在另一系统中组合或合并,或者某些特征可以省略或不实施。
此外,在不脱离本发明的范围的情况下,各种实施例中描述和说明为离散或单独的技术、系统、子系统和方法可以与其它系统、模块、技术或方法进行组合或合并。展示或论述为彼此耦合或直接耦合或通信的其它项也可以采用电方式、机械方式或其它方式通过某一接口、设备或中间部件间接地耦合或通信。其它变更、替换、更替示例对本领域技术人员而言是显而易见的,均不脱离此处公开的精神和范围。
Claims (20)
1.一种用于管理存储在本地缓存的信息的方法,其特征在于,包括:
获得用户的社交网络信息和/或合作历史信息;
至少部分基于所述社交网络信息和/或合作历史信息,识别用户的潜在通信目标;
至少部分基于识别出的潜在通信目标,使用处理器更新所述本地缓存。
2.根据权利要求1所述的方法,还包括:使用所述社交网络信息和/或合作历史信息,在一个区域内动态分配用户。
3.根据权利要求1所述的方法,还包括:使用所述社交网络信息和/或合作历史信息,确定所述潜在通信目标的度量,其中,所述更新所述本地缓存包括:至少部分基于所述度量更新本地缓存。
4.根据权利要求3所述的方法,其特征在于,确定所述潜在通信目标的度量包括确定时延减少度量。
5.根据权利要求3所述的方法,其特征在于,确定所述潜在通信目标的度量包括确定权重度量。
6.根据权利要求1所述的方法,其特征在于,更新所述本地缓存包括使用一组缓存淘汰策略。
7.一种用于管理存储在本地缓存的信息的装置,其特征在于,包括:
分析引擎组件,用于使用社交网络信息和/或合作历史信息确定潜在通信目标的度量;
更新组件,用于使用所述度量将至少一个所述潜在通信目标对应的信息加入或移出所述本地缓存。
8.根据权利要求7所述的装置,其特征在于,所述潜在通信目标是至少部分基于所述社交网络信息和/或合作历史信息确定的。
9.根据权利要求7所述的装置,还包括分配组件,用于至少部分基于所述度量在一个区域内分配用户。
10.根据权利要求7所述的装置,其特征在于,所述度量包括时延减少度量。
11.根据权利要求7所述的装置,其特征在于,所述度量包括权重度量。
12.根据权利要求7所述的装置,其特征在于,所述更新组件用于使用缓存淘汰策略。
13.一种管理存储在本地缓存的信息的装置,包括:
处理器,用于:
确定用户的潜在通信目标;
计算表示用户与所述潜在通信目标通信的可能性的概率值;
至少部分基于计算出的概率值更新所述本地缓存。
14.根据权利要求13所述的装置,其特征在于,所述处理器用于使用社交网络信息识别所述潜在通信目标。
15.根据权利要求13所述的装置,其特征在于,所述处理器用于使用合作历史信息计算所述概率值。
16.根据权利要求13所述的装置,其特征在于,所述处理器用于使用所述概率值在一个区域内分配用户。
17.根据权利要求13所述的装置,其特征在于,所述处理器用于确定与用户和潜在通信目标之间的通信相关的时延值,所述处理器用于使用计算出的概率值和所述时延值更新所述本地缓存。
18.根据权利要求13所述的装置,其特征在于,所述处理器用于将缓存淘汰策略应用于所述潜在通信目标以更新所述本地缓存。
19.根据权利要求13所述的装置,其特征在于,所述处理器用于确定潜在通信目标的权重度量以及在所述本地缓存中存储所述权重度量。
20.根据权利要求13的装置,其特征在于,所述处理器用于确定潜在通信目标的时延度量以及在所述本地缓存中存储所述时延度量。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/730,544 US20140188995A1 (en) | 2012-12-28 | 2012-12-28 | Predictive Caching in a Distributed Communication System |
US13/730,544 | 2012-12-28 | ||
PCT/CN2013/090789 WO2014101846A1 (en) | 2012-12-28 | 2013-12-28 | Predictive caching in a distributed communication system |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104871141A true CN104871141A (zh) | 2015-08-26 |
Family
ID=51018495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380063808.8A Pending CN104871141A (zh) | 2012-12-28 | 2013-12-28 | 分布式通信系统中的预测缓存 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20140188995A1 (zh) |
EP (1) | EP2920699A4 (zh) |
CN (1) | CN104871141A (zh) |
WO (1) | WO2014101846A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608176A (zh) * | 2015-12-18 | 2016-05-25 | 东软集团股份有限公司 | 页面访问方法和装置 |
CN107786618A (zh) * | 2016-08-31 | 2018-03-09 | 迈普通信技术股份有限公司 | 一种登录节点的选择方法及装置 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9177072B2 (en) | 2013-03-14 | 2015-11-03 | Facebook, Inc. | Social cache |
US10270876B2 (en) * | 2014-06-02 | 2019-04-23 | Verizon Digital Media Services Inc. | Probability based caching and eviction |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120260188A1 (en) * | 2011-04-06 | 2012-10-11 | Microsoft Corporation | Potential communication recipient prediction |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5465359A (en) * | 1993-11-01 | 1995-11-07 | International Business Machines Corporation | Method and system for managing data and users of data in a data processing system |
SE512880C2 (sv) * | 1998-07-03 | 2000-05-29 | Ericsson Telefon Ab L M | Ett cacheservernät |
US7657652B1 (en) * | 2003-06-09 | 2010-02-02 | Sprint Spectrum L.P. | System for just in time caching for multimodal interaction |
US7702756B2 (en) * | 2004-02-27 | 2010-04-20 | Microsoft Corporation | Numerousity and latency driven dynamic computer grouping |
KR101032691B1 (ko) | 2009-04-17 | 2011-05-06 | (주)디지탈옵틱 | 신속한 혈구분리가 가능한 질병진단용 바이오센서 |
WO2012145544A2 (en) * | 2011-04-19 | 2012-10-26 | Seven Networks, Inc. | Device resource sharing for network resource conservation |
CN102591966B (zh) * | 2011-12-31 | 2013-12-18 | 华中科技大学 | 一种移动场景下的搜索结果过滤方法 |
-
2012
- 2012-12-28 US US13/730,544 patent/US20140188995A1/en not_active Abandoned
-
2013
- 2013-12-28 CN CN201380063808.8A patent/CN104871141A/zh active Pending
- 2013-12-28 WO PCT/CN2013/090789 patent/WO2014101846A1/en active Application Filing
- 2013-12-28 EP EP13869724.8A patent/EP2920699A4/en not_active Withdrawn
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120260188A1 (en) * | 2011-04-06 | 2012-10-11 | Microsoft Corporation | Potential communication recipient prediction |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608176A (zh) * | 2015-12-18 | 2016-05-25 | 东软集团股份有限公司 | 页面访问方法和装置 |
CN105608176B (zh) * | 2015-12-18 | 2019-03-26 | 东软集团股份有限公司 | 页面访问方法和装置 |
CN107786618A (zh) * | 2016-08-31 | 2018-03-09 | 迈普通信技术股份有限公司 | 一种登录节点的选择方法及装置 |
CN107786618B (zh) * | 2016-08-31 | 2020-09-08 | 迈普通信技术股份有限公司 | 一种登录节点的选择方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2014101846A1 (en) | 2014-07-03 |
US20140188995A1 (en) | 2014-07-03 |
EP2920699A1 (en) | 2015-09-23 |
EP2920699A4 (en) | 2015-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10305968B2 (en) | Reputation-based strategy for forwarding and responding to interests over a content centric network | |
EP2985970B1 (en) | Probabilistic lazy-forwarding technique without validation in a content centric network | |
Tariq et al. | Meeting subscriber‐defined QoS constraints in publish/subscribe systems | |
CN104871141A (zh) | 分布式通信系统中的预测缓存 | |
Shariat et al. | A learning automata and clustering-based routing protocol for named data networking | |
Tong et al. | Bloom filter-based workflow management to enable QoS guarantee in wireless sensor networks | |
Koutrouli et al. | Reputation-based trust systems for P2P applications: design issues and comparison framework | |
CN104601486A (zh) | 一种网络流量的分流方法和装置 | |
Singh et al. | Service Versus Protection: a Bayesian learning approach for trust provisioning in edge of things environment | |
US10454866B2 (en) | Outbound IP address reputation control and repair | |
Lau et al. | An agent-based dynamic routing strategy for automated material handling systems | |
Wang et al. | Proactive caching in mobile networks with delay guarantees | |
Garcia-Reinoso et al. | Analysis and enhancements to probabilistic caching in content-centric networking | |
Papadimitriou et al. | A rolling horizon heuristic for the multiperiod network design and routing problem | |
Hillmann et al. | Modeling the location selection of mirror servers in content delivery networks | |
Noghabi et al. | Optimized query forwarding for resource discovery in unstructured peer-to-peer grids | |
Yassine et al. | Routing approaches in named data network: a survey and emerging research challenges | |
Wang et al. | Enhance resilience and qos awareness in message oriented middleware for mission critical applications | |
Mytton et al. | Network energy use not directly proportional to data volume: The power model approach for more reliable network energy consumption calculations | |
Girão-Silva et al. | Hierarchical multiobjective routing model in Multiprotocol Label Switching networks with two service classes–a Pareto archive strategy | |
Wu et al. | Algorithms for replica placement and update in tree network | |
Hoefling et al. | Distributed load balancing for the resilient publish/subscribe overlay in sedax | |
Yew et al. | A middleware-based approach to supporting trust-based service selection | |
Kaur | Hidden Markov Model for short term churn forecast in the structured overlay networks | |
JP4521419B2 (ja) | ノード装置、転送ノード決定方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150826 |