CN107623720B - 一种基于合作缓存的数据选择性缓存方法 - Google Patents

Abstract

本发明涉及一种基于合作缓存的数据选择性缓存方法，其包括以下步骤：步骤S1，当前用户接收到邻近用户对各数据的请求，或从邻近用户或基站接收到各数据时，记录并更新各数据的请求次数；步骤S2，当前用户根据各数据的请求次数预测各数据未来被请求的概率，以获得各数据的预测概率；步骤S3，当前用户在缓存各数据前，询问并收集邻近用户的内存缓存情况，并结合各数据的大小以及各数据的预测概率，定义各数据的价值；以及步骤S4，若当前用户的内存未满，则缓存接收到的数据，否则，根据各数据的大小以及各数据的价值，利用贪心算法确定是否缓存接收到的数据以替换内存中的原有数据。本发明高效利用了终端有限内存容量，实现了最大化蜂窝流量卸载。

Description

一种基于合作缓存的数据选择性缓存方法

技术领域

本发明涉及无线通信技术，尤其涉及一种基于合作缓存的数据选择性缓存方法。

背景技术

近年来，在高清视频等媒体业务日益普及的情况下，其大流量特性使得频谱资源日益缺乏，也给运营商核心网带来巨大压力。随着超高清晰度流媒体视频以及各类移动智能终端设备的迅速普及，绝大部分的数据流量将从固网转向无线网络。根据市场调研机构Juniper Research发布的数据，到2021年预计全年90％以上的人将主要通过移动设备来获取数字媒体信息，智能手机和平板将逐渐取代个人电脑，成为消费者最主要的计算设备。在未来的20年之内，随着越来越多人使用移动设备，以及用户在移动设备上花的时间越来越多，无线网络数据流量将会大幅飙升。分析近几年全球移动数据业务的增长趋势，预测未来数据业务将会呈现爆炸式的增长，思科第11次年度Visual Networking Index全球移动数据流量预测，到2021年全球手机用户数(55亿)将超过固定电话用户数(29亿)。移动用户、智能手机和物联网(IoT)连接的迅猛增长，网络速度的快速提升，以及移动视频业务的大幅增加，预计将在未来五年内促使移动数据流量增长七倍。移动媒体业务的爆炸式增长和移动连接在用户终端的广泛采用，正在推动4G急速增长，很快将带动5G的增长。5G技术凭借为消费者和商业用户带来更具有创新体验的优势，将对整个网络产生重要影响。

然而，如此爆炸性增长的移动数据流量以及海量终端设备的接入，也对5G体系架构的建设和发展带来了巨大的挑战。面对用户对高速率、低时延的数据传输要求，考虑到核心网络负担过重，大批量的本地连接对未来网络是势在必行的，因此D2D(Device-to-Device，设备到设备通信)的研究工作成为5G中的研究热点。

D2D作为第五代移动通信(5G)的关键技术之一，允许两个互相邻近的移动设备建立本地链路进行直接的数据传输，而不需要通过基站中继转发。这种通信模式不但大大提升频谱利用率和吞吐量，而且减轻基站数据压力及中转延迟问题，提高了用户体验。在传统的蜂窝网络中，移动终端所有数据通信需通过基站的中继转发，而D2D通信允许邻近终端建立直接的本地链路进行本地业务，在基站的控制下，通过复用蜂窝网络的频谱资源完成数据传输，实现数据共享，降低通信时延。这种灵活的通信方式，能有效提高蜂窝网络频谱利用率，改善用户体验，减轻基站集中式转发的负载瓶颈，实现蜂窝网络流量卸载。因此，D2D被认为是提升网络吞吐量和用户体验、减轻基站负担的前景技术之一。

本地业务(local service)是D2D技术主要的应用场景：用户获取数据时，借助D2D技术从邻近的已缓存该数据的用户终端获得数据，而不经过网络侧，从而缓解运营商蜂窝网络的下行传输压力，实现蜂窝网络流量卸载(offloading)。在无线D2D网络中，为了满足更多用户的数据请求，以最大化蜂窝网络流量卸载，缓存技术的研究是关键技术之一。

在LTE Release 12版本中，3GPP已经启动了D2D通信的标准化研究，当前主要应用场景为广播、社交网络、媒体共享等基于内容的本地业务。在本地业务中，用户向邻近用户发出数据请求，若有其他用户已缓存该数据，并且是空闲状态，两者就可以建立D2D链路进行通信，成为D2D通信对(D2D pair)。蜂窝通信和D2D通信混合网络中，D2D通信对越多，帮助基站减轻的负载越多，相当于蜂窝流量卸载越多。然而，对于发送请求方，请求某一数据的概率是随机的，易受时间、地点等因素影响。对于请求接受方，内存是有限的，通常是基于本身的需求对数据进行选择性缓存，不一定满足发出请求的用户，导致匹配D2D通信对失败，无法有效卸载蜂窝流量。

为改善上述现象，可以从缓存技术上进行研究。现有的缓存技术主要集中在优化算法、基于信息论的缓存研究等方面。

在优化算法方面，主要是从缓存目标入手，如最小化下载时间等，将缓存问题转化为优化问题研究。然而，这些算法并未考虑到实际应用中对蜂窝网络的影响，追求最小化下载时间可能导致网络链路负担过重，也无法确保缓存的数据满足用户的请求。

在基于信息论的缓存研究方面，主要是随机缓存技术，用户从自身需求出发，从大量的数据中随机选择进行缓存。然而，在该种技术中，用户本身独立做出缓存选择，并不考虑他人缓存数据的情况，易造成多用户缓存同一热点数据的情况，具有局部性。

发明内容

为了解决上述现有技术存在的问题，本发明旨在提供一种基于合作缓存的数据选择性缓存方法，以最大化蜂窝网络流量卸载，并在高效利用有限内存的同时最大化满足邻近终端的需求。

本发明所述的一种基于合作缓存的数据选择性缓存方法，其包括以下步骤：

步骤S1，当前用户接收到邻近用户对各数据的请求，或从邻近用户或基站接收到各数据时，记录并更新各数据的请求次数；

步骤S2，当前用户根据所述步骤S1中各数据的请求次数预测各数据未来被请求的概率，以获得各数据的预测概率；

步骤S3，当前用户在缓存各数据前，询问并收集邻近用户的内存缓存情况，并结合各数据的大小以及所述步骤S2中各数据的预测概率，定义各数据的价值；以及

步骤S4，若当前用户的内存未满，则缓存接收到的数据，否则，根据各数据的大小以及所述步骤S3中各数据的价值，利用贪心算法确定是否缓存接收到的数据以替换内存中的原有数据。

在上述的基于合作缓存的数据选择性缓存方法中，在所述步骤S1中，当前用户接收到邻近用户对各数据的请求时，根据公式(1)更新各数据的请求次数：

t_ik＝t_ik+1 (1)，

式(1)中，t_ik表示当前用户i记录的数据k的请求次数。

在上述的基于合作缓存的数据选择性缓存方法中，在所述步骤S1中，当前用户从邻近用户接收到各数据时，根据公式(2)更新各数据的请求次数：

t_ik＝αt_ik+(1-α)t_jk，α∈[0，1] (2)，

式(2)中，t_ik表示当前用户i记录的数据k的请求次数，t_jk表示邻近用户j记录的数据k的请求次数，α表示权重系数。

在上述的基于合作缓存的数据选择性缓存方法中，在所述步骤S1中，当前用户从基站接收到各数据时，根据公式(3)更新各数据的请求次数：

t_ik＝βt_ik+(1-β)P_k|N_i|，β∈[0，1] (3)，

式(3)中，t_ik表示当前用户i记录的数据k的请求次数，P_k表示基站对数据k的全局概率，|N_i|表示当前用户i的邻居用户数量，β表示权重系数。

在上述的基于合作缓存的数据选择性缓存方法中，在所述步骤S2中，当前用户根据公式(4)获得各数据的预测概率：

式(4)中，P_ik表示当前用户i获得的数据k的预测概率，t_ik表示当前用户i记录的数据k的请求次数，∑_qt_iq表示当前用户i接收到的邻居用户对各数据的请求的总次数。

在上述的基于合作缓存的数据选择性缓存方法中，在所述步骤S3中，当前用户根据公式(5)、(6)定义各数据的价值：

v_ik＝(P_ik-B_ik)×|M_k| (6)，

式(5)中，B_ik表示数据k在当前用户i的邻居用户中的缓存比例；式(6)中，v_ik表示数据k的价值，P_ik表示当前用户i获得的数据k的预测概率，|M_k|表示数据k的大小。

在上述的基于合作缓存的数据选择性缓存方法中，在所述步骤S4中，若当前用户的内存已满，则首先计算内存中原有数据以及接收到的数据的单位大小的价值，然后按各数据的单位大小的价值降序排列，最后按单位大小的价值从高到低依次选择对应的数据进行缓存，直至内存满为止。

由于采用了上述的技术解决方案，本发明针对现有技术中易造成多用户缓存同一热点数据的情况，从用户本身需求出发，考虑数据的流行度，由此预测数据未来被请求的概率，再结合邻近用户中已缓存该数据的缓存比例，综合量化数据的价值，最终用户之间合作地作出缓存决策，实现分布式选择性缓存，从而高效利用了终端有限内存容量，解决了利用D2D通信进行本地业务时，终端内存利用率和用户请求满足率低、基站负载严重的问题，实现了最大化蜂窝流量卸载。本发明可用于蜂窝通信和D2D通信共存的无线移动通信网络中。

附图说明

图1是本发明一种基于合作缓存的数据选择性缓存方法的流程图；

图2是四位用户独立缓存时的数据缓存示意图；

图3是四位用户合作缓存时的数据缓存示意图；

图4是不同缓存技术下系统服务率的变化示意图；

图5是不同缓存技术下系统卸载率的变化示意图。

具体实施方式

下面结合附图，给出本发明的较佳实施例，并予以详细描述。

如图1所示，本发明，一种基于合作缓存的数据选择性缓存方法，其包括以下步骤：

步骤S1，当前用户接收到邻近用户对各数据的请求，或从邻近用户或基站接收到各数据时，记录并更新各数据的请求次数；

步骤S2，当前用户根据步骤S1中各数据的请求次数预测各数据未来被请求的概率，以获得各数据的预测概率；

步骤S3，当前用户在缓存各数据前，询问并收集邻近用户的内存缓存情况，并结合各数据的大小以及步骤S2中各数据的预测概率，定义各数据的价值；以及

步骤S4，若当前用户的内存未满，则缓存接收到的数据，否则，根据各数据的大小以及步骤S3中各数据的价值，利用贪心算法确定是否缓存接收到的数据以替换内存中的原有数据。

具体来说，在步骤S1中，各数据的请求次数的更新方式包括以下三种：

1、当前用户接收到邻近用户对各数据的请求时，根据公式(1)更新各数据的请求次数：

t_ik＝t_ik+1 (1)，

式(1)中，t_ik表示当前用户i记录的数据k的请求次数。

2、当前用户从邻近用户接收到各数据时，根据公式(2)更新各数据的请求次数：

t_ik＝αt_ik+(1-α)t_jk，α∈[0，1] (2)，

式(2)中，t_ik表示当前用户i记录的数据k的请求次数，t_jk表示邻近用户j记录的数据k的请求次数(若当前用户从邻近用户接收到各数据，则同时也会获取邻近用户记录的各数据的请求次数)，α表示权重系数。

3、当前用户从基站接收到各数据时，根据公式(3)更新各数据的请求次数：

t_ik＝βt_ik+(1-β)P_k|N_i|，β∈[0，1] (3)，

式(3)中，t_ik表示当前用户i记录的数据k的请求次数，P_k表示基站对数据k的全局概率，|N_i|表示当前用户i的邻居用户数量，β表示权重系数。

具体来说，在步骤S2中，当前用户根据公式(4)获得各数据的预测概率：

式(4)中，P_ik表示当前用户i获得的数据k的预测概率，t_ik表示当前用户i记录的数据k的请求次数，∑_qt_iq表示当前用户i接收到的邻居用户对各数据的请求的总次数(q泛指当前用户i接收到的邻居用户请求的某数据，t_iq泛指当前用户i记录的某数据的请求次数)。

举例来说，比如邻居用户一共5人，在第一轮中分别请求数据种类为3，2，1，2，3；在第二轮中分别请求数据种类为2，3，3，3，2，那么当前用户记录的数据请求次数为：数据1的请求次数为一次，数据2的请求次数为四次，数据3的请求次数为五次；所以当前用户对未来收到的数据请求会有一个预测，并以已请求某数据的次数占总请求次数的百分比作为将来请求该数据的概率，即，数据1、2、3的预测概率分别为P_i1＝1/10，P_i2＝4/10，P_i3＝5/10。这种形式的预测是基于已有的数据(历史数据)的预测，能直接反映出某种趋势，具有一定的可靠性。当前用户收到请求或者获取数据时，相对应的采取不同方式更新请求次数，随之更新对该数据的预测概率。

具体来说，在所述步骤S3中，当前用户根据公式(5)、(6)定义各数据的价值：

v_ik＝(P_ik-B_ik)×|M_k| (6)，

式(5)中，B_ik表示数据k在当前用户i的邻居用户中的缓存比例；式(6)中，v_ik表示数据k的价值，P_ik表示当前用户i获得的数据k的预测概率，|M_k|表示数据k的大小。

在传统缓存技术中，用户每次收到请求后只检查请求的数据种类是哪种，再决定共不共享，并不会记录，也就是说并没有利用历史数据，因此，数据的预测概率易受时间、地点等多方面因素影响，而用户再根据这种预测概率独立、直接做出缓存决定，并不考虑他人缓存数据的情况，从而易造成多用户缓存同一热点数据的情况，具有局部性。而本发明引入合作缓存机制，即考虑他人缓存情况，每次当前用户做出缓存决策前，都会收集邻近用户的缓存信息，从而应用到数据的价值定义中。在缓存网络中，数据的价值与该数据被缓存后使用D2D传输从而帮助卸载的蜂窝流量成正比，再结合预测概率以及缓存比例，可知，数据的预测概率越大，被缓存的比例越小，数据尺寸越大，则价值越高，越容易被用户选择缓存，从而实现蜂窝流量卸载。

具体来说，在所述步骤S4中，若当前用户的内存已满，则首先计算内存中原有数据以及接收到的数据的单位大小的价值，然后按各数据的单位大小的价值降序排列，最后按单位大小的价值从高到低依次选择对应的数据进行缓存，直至内存满为止。

当内存未满时，用户缓存收到的数据，当内存满了之后，对于新的收到的数据，利用贪心算法决定是否缓存，即对于新接收到的第m个数据，要和已有的(m-1)个数据进行比较，决定是否缓存新数据、丢弃原有数据。此时，本发明将当前用户对数据的缓存问题转化为背包问题，应用贪心算法求解，背包问题是指，给定m种物体和一个背包，背包的容量为C，物品1的重量是W₁，价值为V₁，可以选择物品的一部分装入背包，问应如何选择装入背包中的物品，使得装入背包中的物品的总价值最大，在缓存问题里，即是将当前用户的内存大小视为背包容量，数据大小和价值视为物品的重量和价值(如表1所示)。

表1缓存问题与背包问题对照

在表1的左栏公式中，物品放入背包可以放入一部分的，而不一定要全部放入背包，这里X_k表示物品K放入背包的百分比，为0表示不放入物品K，为1表示全部放入，为0.5表示放入一半。{X₁,X₂……X_m}构成了一个向量，表示这m个物品放入背包的情况。目标是最大化放入背包的物品的价值，即

限制条件为

和0≤X_k≤1，前者表示放入背包的物品的总重量不能超过背包容量，后者表示X_k的取值范围。

同理，在表1的右栏公式中，x_ik表示用户i对数据K缓存的百分比，为0表示不缓存数据K，为1表示缓存全部数据K，为0.5表示缓存一半的数据(数据块都是有大小的)，缓存了数据就等于数据进了内存(类比于物体放入背包)，目标是最大化放入内存的数据的价值，也就是

限制条件是

和0≤x_ik≤1，前者表示缓存的所有数据不能超过内存，后者表示x_ik的取值范围。

在面对缓存问题时，首先计算每种数据单位大小的价值v_ik/|M_k|，然后依据贪心选择技术，将尽可能多的单位大小价值最高的数据缓存进内存，若将该种数据全部缓存完毕后，内存未满，则选择单位大小价值次高的物品并尽可能缓存。依此技术一直进行下去，直到内存满为止。

举例来说，当用户独立缓存数据时，若只考虑数据被请求概率，将造成内存有效利用率不高、被缓存数据种类少等情况，如图2所示，假设有四位用户，简单起见，两项数据都是单位大小，四位用户对数据的概率预测都是一样的，用户会选取概率最高的数据，即数据1进行缓存，结果是四位用户都选了数据1。这种方式的缺点是未对终端有限内存进行高效利用，若有用户请求数据2，则本地缓存无法满足其请求。图3示出了基于合作缓存的数据选择性缓存方式，四位用户对数据的概率预测不变，缓存过程如下：用户a缓存时，先收集其他用户缓存情况，发现其他用户还未缓存数据，数据1和数据2所占缓存百分比都是0，于是用户a选择数据1进行缓存；用户b进行缓存前也先收集信息，发现只有用户a缓存了数据1，所以数据1所占缓存比例为100％，数据2所占缓存比例为0，对用户b来说，数据1的价值为(0.6-1),数据2的价值为(0.4-0)，于是用户b选择数据2；用户c收集缓存情况后，发现两名用户缓存了数据，且分别缓存了数据1和数据2，所以缓存比例都为0.5，数据1的价值为(0.6-0.5)，数据2的价值为(0.4-0.5)，于是选择数据1；同理，对于用户d，数据1的价值为(0.6-0.67)，数据2的价值为(0.4-0.33)，因此选择数据2进行缓存。最后结果是四位用户中两位缓存数据1，两位缓存数据2。其实数据1和数据2的预测概率是非常接近的(一个为0.6，一个为0.4)，这就说明考虑了缓存比例的合作缓存方法对用户终端内存的利用是非常高效的。

另外，通过实验仿真对本发明进行结果测试，首先对应用场合进行参数设置，在500m×500m的一个小区内，用户集合D＝{D₁，D₂，...，D_n}，内存容量都为100，数据集合M＝{M₁，M₂，...，M_m}，数据大小符合均值为10，标准差为1的正太分布。小区中心设有唯一中心基站BS，设最大通信距离为R，则用户D_i的邻居集合为N_i＝{D_j∈D：0＜||D_j-D_i||≤R}。简单起见，假设D2D用户复用蜂窝网络的上行链路资源，D2D通信与蜂窝通信之间的干扰可以忽略。

用户缓存数据前，先发出请求广播询问周围用户，如果邻近空闲用户已缓存该数据，则这两个设备在基站的辅助下建立D2D通信链路，进行数据传输。用户一方面发出数据请求，获得其他用户发来的数据，同时也在接收邻近用户的请求，以更新记录数据请求次数。初始时，所有用户的内存为空，必须通过基站获取数据，随着缓存数据的增多，有些用户已经可以通过D2D满足周围邻居的请求。我们定义两个目标来检验本发明提出的缓存技术的有效性：1)服务率：指请求得到满足的邻居数占总邻居数的比例；2)系统卸载率：指D2D减轻的蜂窝流量占总流量的比例。显然，服务率高意味着能满足邻居用户提出的请求；卸载率高意味着确实帮助蜂窝基站减轻了负担，实现了流量卸载；也就是说，两者越高，表明技术越有效。

我们采用另外两种技术和本发明进行对比，一种是等概技术，即对所有数据不加区分，若最多能缓存s个数据，则数据集合中每个数据被缓存的概率都为1/s；另外一种是独立缓存技术，即，不考虑当前缓存情况、每个数据所占缓存比例，而进行独立缓存。图4和图5表示服务率和卸载率随着时间的变化，可以看出本发明所提技术优势明显，服务率和卸载率均接近于60％，并且保持稳定，这就意味着本发明是十分正确、有效且合理的。

以上所述的，仅为本发明的较佳实施例，并非用以限定本发明的范围，本发明的上述实施例还可以做出各种变化。即凡是依据本发明申请的权利要求书及说明书内容所作的简单、等效变化与修饰，皆落入本发明专利的权利要求保护范围。本发明未详尽描述的均为常规技术内容。

Claims (5)

1.一种基于合作缓存的数据选择性缓存方法，其特征在于，该方法包括以下步骤：

步骤S1，当前用户接收到邻近用户对各数据的请求，或从邻近用户或基站接收到各数据时，记录并更新各数据的请求次数；

步骤S2，当前用户根据所述步骤S1中各数据的请求次数预测各数据未来被请求的概率，以获得各数据的预测概率；

步骤S3，当前用户在缓存各数据前，在每次做出缓存决策前，都询问并收集邻近用户的内存缓存情况，并结合各数据的大小以及所述步骤S2中各数据的预测概率，定义各数据的价值；以及

步骤S4，若当前用户的内存未满，则缓存接收到的数据，否则，根据各数据的大小以及所述步骤S3中各数据的价值，利用贪心算法确定是否缓存接收到的数据以替换内存中的原有数据；

在所述步骤S3中，当前用户根据公式(5)、(6)定义各数据的价值：

v_ik＝(P_ik-B_ik)×|M_k| (6)，

式(5)中，B_ik表示数据k在当前用户i的邻居用户中的缓存比例；式(6)中，v_ik表示数据k的价值，P_ik表示当前用户i获得的数据k的预测概率，|M_k|表示数据k的大小；

在所述步骤S4中，若当前用户的内存已满，则首先计算内存中原有数据以及接收到的数据的单位大小的价值，然后按各数据的单位大小的价值降序排列，最后按单位大小的价值从高到低依次选择对应的数据进行缓存，直至内存满为止。

2.根据权利要求1所述的基于合作缓存的数据选择性缓存方法，其特征在于，在所述步骤S1中，当前用户接收到邻近用户对各数据的请求时，根据公式(1)更新各数据的请求次数：

t_ik＝t_ik+1 (1)，

式(1)中，t_ik表示当前用户i记录的数据k的请求次数。

3.根据权利要求1所述的基于合作缓存的数据选择性缓存方法，其特征在于，在所述步骤S1中，当前用户从邻近用户接收到各数据时，根据公式(2)更新各数据的请求次数：

t_ik＝αt_ik+(1-α)t_jk，α∈[0，1] (2)，

式(2)中，t_ik表示当前用户i记录的数据k的请求次数，t_jk表示邻近用户j记录的数据k的请求次数，α表示权重系数。

4.根据权利要求1所述的基于合作缓存的数据选择性缓存方法，其特征在于，在所述步骤S1中，当前用户从基站接收到各数据时，根据公式(3)更新各数据的请求次数：

t_ik＝βt_ik+(1-β)P_k|N_i|，β∈[0，1] (3)，

式(3)中，t_ik表示当前用户i记录的数据k的请求次数，P_k表示基站对数据k的全局概率，|N_i|表示当前用户i的邻居用户数量，β表示权重系数。

5.根据权利要求1所述的基于合作缓存的数据选择性缓存方法，其特征在于，在所述步骤S2中，当前用户根据公式(4)获得各数据的预测概率：

式(4)中，P_ik表示当前用户i获得的数据k的预测概率，t_ik表示当前用户i记录的数据k的请求次数，∑_qt_iq表示当前用户i接收到的邻居用户对各数据的请求的总次数。

Images