CN108156249B - 基于近似马尔科夫链的网络缓存更新方法 - Google Patents

Abstract

本发明公开了一种基于近似马尔科夫链的网络缓存更新方法，方法包括：(1)对单缓存节点系统进行建模，推导缓存命中率；(2)对多缓存节点系统进行建模，推导缓存命中率。本发明在内容中心网络系统中可以提高缓存命中率，减小网络开销，提高用户访问速度。本发明基于LCD的缓存更新策略，对缓存节点上内容存储区的缓存内容不断更新，减小用户访问时间，提高网络效率。将数据块在内容存储区上的位置表示不同的状态，利用马尔科夫链的动态转移特性，推导出缓存命中率的闭合表达式。

Description

基于近似马尔科夫链的网络缓存更新方法

技术领域

本发明主要涉及在内容中心网络中的缓存更新方法，利用近似马尔科夫链的动态转移特性进行缓存替换，属于网络存储领域。

背景技术

现代互联网通信技术迅猛发展，网络提供的带宽能力也快速增强，使得用户浏览视频的行为得到广泛支持。现代互联网的视频流量部分占到了互联网总流量的百分之五十以上，预计几年之内占比将升至百分之七十以上。视频流量增大使得网络带宽的危机越来越严重，使得网络缓存的研究日益重要。

内容中心网络中主要传输兴趣包和数据包两种报文结构。其中，兴趣包包含用户请求内容的内容名，它由用户请求内容时发送。数据包是与兴趣包相对应的报文，它携带被请求内容的内容数据。内容中心网络中，只有兴趣包需要被路由与转发，数据包只需要按照原路径返回即可。

内容中心网络中的节点包含三种数据结构，分别为：内容存储器(CS,ContentStore)，待定请求表(PIT,Pending InterestTable)和前向转发表(FIT,ForwardingInformation Base)。其中，CS表示内容数据缓存区，节点按照特定的规则对CS中的缓存数据进行缓存放置和缓存更新。PIT记录了兴趣包的来源信息，这样，在回传数据包时可以方便地找到请求路径。FIB主要起着将兴趣包转发出去的重要作用，它为节点的兴趣包提供下一跳的转发信息。

在对于网络缓存的研究中，经常使用的方法主要包括LFU(Least FrequentlyUsed)、LRU(LeastRecently Used)、MCD(Move CopyDown)、LCD(Leave CopyDown)、LCE(Leave Copy Everywhere)及一些改进算法。

基于现有的算法，为了进一步提高缓存命中率，减小网络开销，本发明提出了一种基于近似马尔科夫链的缓存更新方法。首先通过建模单缓存节点开始，然后将模型扩展到多个缓存节点，基于LCD缓存更新策略，推导出内容中心网络中缓存命中率的表达式。

发明内容

本发明所要解决的技术问题是提供一种可以提高缓存命中率、减小网络开销的网络缓存更新方法。主要解决内容中心网络中缓存缓存更新问题，从而推导出缓存命中率。本发明主要包括两个部分：单缓存节点模型下的缓存更新过程和多缓存节点模型下的缓存更新过程。

本发明为解决上述技术问题采用以下技术方案

基于近似马尔科夫链的网络缓存更新方法，具体包含单缓存节点缓存更新过程和多个缓存节点缓存更新过程；

其中，单缓存节点缓存更新过程具体如下：

步骤1，假设C＝{c₁,c₂…c_K}表示缓存系统中的内容集合，其中，K表示内容的数量，且K为正整数，内容缓存器CS中的缓存容量大小为N，且N为正整数，规定内容的流行度服从Zipf分布，第k个内容的请求概率为

其中，c和α为常数，热点内容按照其流行度等级进行放置；

步骤2，用户对第k个内容c_k发出请求，即对第k个内容的兴趣包到达节点，首先对CS进行最长内容名匹配，如果CS中存在匹配内容，则将对应的数据包返回到兴趣包来源端口；对缓存区域的数据块进行更新；

步骤3，如果CS中不存在匹配内容c_k，则发生缓存丢失，这时需要向源内容服务器发送请求，对CS的缓存区域进行更新；

步骤4，根据马尔科夫链的平稳分布和π(k)和内容的请求概率p_k，得到第k个内容处在马尔科夫链状态s的概率μ_s(k)；

步骤5，引入马尔科夫链的转移概率T_ij，表示从状态i转移到状态j的概率，利用

和

求马尔科夫链的平稳分布；

T_ii＝μ_i(k),1≤i≤N+1

T_i1＝p_k,2≤i≤N+1

T₁₂＝1-μ₁(k)

T_ii+1＝1-p_k-μ_i(k),2≤i≤N

T_ij＝0,j≠{1,i,i+1}

步骤6，根据马尔科夫链的平稳分布获取缓存命中的概率P_hit，具体为：

作为本发明基于近似马尔科夫链的网络缓存更新方法的进一步优选方案，在步骤2中，对缓存区域的数据块进行更新，具体如下；

步骤2.1，处在c_k前置位的数据块均后移一个位置；

步骤2.2，处在c_k后置位的数据块均保持在原有的位置不动。

作为本发明基于近似马尔科夫链的网络缓存更新方法的进一步优选方案，在步骤3中，对CS的缓存区域进行更新，具体如下：

步骤3.1，将数据块c_k放置在CS的首位；

步骤3.2，将原来处在第1到第N-1位置的数据块均后移一个位置，使其处在第2到第N位置；

步骤3.3，将原来处在第N个位置的数据块从CS中移逐出去。

作为本发明基于近似马尔科夫链的网络缓存更新方法的进一步优选方案，多个缓存节点缓存更新过程具体如下：

步骤A，用户对第k个内容c_k发出请求：首先对CS进行最长内容名匹配，若CS中存在匹配内容，则将对应的数据包返回到兴趣包来源端口，然后对缓存区域的数据块进行更新：

步骤B，若CS中不存在匹配内容c_k，则查看PIT中是否存在匹配条目，如果PIT中存在匹配条目，则将本次请求数据包的来源端口添加到该记录中，然后丢弃兴趣包；

步骤C，若PIT中不存在匹配条目，则查询FIB：

若FIB中发现匹配条目，则按照FIB中的信息对匹配条目按照最短路径路由算法进行转发，并将该次请求记录到PIT中；

若FIB中不存在匹配条目，则说明该节点并不知道如何处理此次请求，于是丢弃该兴趣包，缓存未命中；

步骤D，假设节点对数据包c_k发出请求，且在源服务器上命中，则根据LCD策略在最短路径上进行缓存放置，当节点v对数据包发出请求，接收到的内容的总概率将不再是p_k，而是p'_k'，具体如下：

其中，λ_k(v)表示沿着最短路径转发到节点v的概率。

步骤E，将单缓存节点模型下的p_k全部改为p'_k'，可以得到多缓存节点模型下的缓存命中率为：

作为本发明基于近似马尔科夫链的网络缓存更新方法的进一步优选方案，在步骤A中，对缓存区域的数据块进行更新具体如下：

步骤A1，处在c_k前置位的数据块均后移一个位置，即等级降低一位；

步骤A2，处在c_k后置位的数据块均保持在原有的位置不动。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

本发明基于LCD的缓存更新策略，对缓存节点上内容存储区的缓存内容不断更新，减小用户访问时间，提高网络效率。将数据块在内容存储区上的位置表示不同的状态，利用马尔科夫链的动态转移特性，推导出缓存命中率的闭合表达式。

附图说明

图1是本发明的系统流程图；

图2是本发明的单缓存节点模型下的缓存更新过程流程图；

图3是本发明的多缓存节点模型下的缓存更新过程流程图。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

以下结合说明书附图对发明做进一步的分析。

如图1所示，本发明提供了一种在内容中心网络中的基于近似马尔科夫链的缓存放置及缓存更新方法。本发明主要分为两部分：单缓存节点缓存更新过程，多个缓存节点缓存更新过程。

单缓存节点缓存更新过程

假设系统中只有一个缓存节点，那么如图2所示，单缓存节点的缓存更新过程具体如下：

步骤1：假设C＝{c₁,c₂…c_K}表示缓存系统中的内容集合，其中，K表示内容的数量，且为正整数，内容缓存器CS中的缓存容量大小为N，且为正整数，规定内容的流行度服从Zipf分布，第k个内容的请求概率为

其中，c和α为常数，热点内容按照其流行度等级进行放置；

步骤2，用户对第k个内容c_k发出请求，即对第k个内容的兴趣包到达节点，首先对CS进行最长内容名匹配，如果CS中存在匹配内容，则将对应的数据包返回到兴趣包来源端口；对缓存区域的数据块进行更新，更新方法具体如下：

步骤2.1，处在c_k前置位的数据块均后移一个位置；

步骤2.2，处在c_k后置位的数据块均保持在原有的位置不动。

步骤3，如果CS中不存在匹配内容c_k，则发生缓存丢失，这时需要向源内容服务器发送请求，对CS的缓存区域进行更新，更新方法具体如下；

步骤3.1，将数据块c_k放置在CS的首位；

步骤3.2，将原来处在第1到第N-1位置的数据块均后移一个位置，使其处在第2到第N位置；

步骤3.3，将原来处在第N个位置的数据块从CS中移逐出去。

步骤4，根据马尔科夫链的平稳分布和π(k)和内容的请求概率p_k，得到第k个内容处在马尔科夫链状态s的概率μ_s(k)；

步骤5，引入马尔科夫链的转移概率T_ij，表示从状态i转移到状态j的概率，利用

和

求马尔科夫链的平稳分布；

T_ii＝μ_i(k),1≤i≤N+1

T_i1＝p_k,2≤i≤N+1

T₁₂＝1-μ₁(k)

T_ii+1＝1-p_k-μ_i(k),2≤i≤N

T_ij＝0,j≠{1,i,i+1}

步骤6，根据马尔科夫链的平稳分布获取缓存命中的概率P_hit，具体为：

多个缓存节点缓存更新过程

如图3所示，当存在多个缓存节点时，每个缓存节点都需要被考虑进去，除了本地请求的兴趣包，还需要考虑由于缓存丢失来自先前节点的兴趣包。

步骤A，用户对第k个内容c_k发出请求：首先对CS进行最长内容名匹配，若CS中存在匹配内容，则将对应的数据包返回到兴趣包来源端口，然后对缓存区域的数据块进行更新，具体更新方法如下：

步骤A1，处在c_k前置位的数据块均后移一个位置，即等级降低一位；

步骤A2，处在c_k后置位的数据块均保持在原有的位置不动。

步骤B，若CS中不存在匹配内容c_k，则查看PIT中是否存在匹配条目，如果PIT中存在匹配条目，则将本次请求数据包的来源端口添加到该记录中，然后丢弃兴趣包；

步骤C，若PIT中不存在匹配条目，则查询FIB：

若FIB中发现匹配条目，则按照FIB中的信息对匹配条目按照最短路径路由算法进行转发，并将该次请求记录到PIT中；

若FIB中不存在匹配条目，则说明该节点并不知道如何处理此次请求，于是丢弃该兴趣包，缓存未命中；

步骤D，假设节点对数据包c_k发出请求，且在源服务器上命中，则根据LCD策略在最短路径上进行缓存放置，当节点v对数据包发出请求，接收到的内容的总概率将不再是p_k，而是p'_k'，具体如下：

其中，λ_k(v)表示沿着最短路径转发到节点v的概率。

步骤E，将单缓存节点模型下的p_k全部改为p'_k'，可以得到多缓存节点模型下的缓存命中率为：

Claims (2)

1.基于近似马尔科夫链的网络缓存更新方法，其特征在于：具体包含单缓存节点缓存更新过程和多个缓存节点缓存更新过程；

其中，单缓存节点缓存更新过程具体如下：

步骤1，假设C＝{c₁,c₂…c_K}表示缓存系统中的内容集合，其中，K表示内容的数量，且K为正整数，内容缓存器CS中的缓存容量大小为N，且N为正整数，规定内容的流行度服从Zipf分布，第k个内容的请求概率为

其中，c和α为常数，热点内容按照其流行度等级进行放置；

步骤2，用户对第k个内容c_k发出请求，即对第k个内容的兴趣包到达节点，首先对CS进行最长内容名匹配，如果CS中存在匹配内容，则将对应的数据包返回到兴趣包来源端口；对缓存区域的数据块进行更新；

在步骤2中，对缓存区域的数据块进行更新，具体如下；

步骤2.1，处在c_k前置位的数据块均后移一个位置；

步骤2.2，处在c_k后置位的数据块均保持在原有的位置不动；

步骤3，如果CS中不存在匹配内容c_k，则发生缓存丢失，这时需要向源内容服务器发送请求，对CS的缓存区域进行更新；

步骤3.1，将数据块c_k放置在CS的首位；

步骤3.2，将原来处在第1到第N-1位置的数据块均后移一个位置，使其处在第2到第N位置；

步骤3.3，将原来处在第N个位置的数据块从CS中移逐出去；

步骤4，根据马尔科夫链的平稳分布和π(k)和内容的请求概率p_k，得到第k个内容处在马尔科夫链状态s的概率μ_s(k)；

步骤5，引入马尔科夫链的转移概率T_ij，表示从状态i转移到状态j的概率，利用

和

求马尔科夫链的平稳分布；

T_ii＝μ_i(k),1≤i≤N+1

T_i1＝p_k,2≤i≤N+1

T₁₂＝1-μ₁(k)

T_ii+1＝1-p_k-μ_i(k),2≤i≤N

T_ij＝0,j≠{1,i,i+1}

步骤6，根据马尔科夫链的平稳分布获取缓存命中的概率P_hit，具体为：

2.根据权利要求1所述的基于近似马尔科夫链的网络缓存更新方法，其特征在于：多个缓存节点缓存更新过程具体如下：

步骤A，用户对第k个内容c_k发出请求：首先对内容存储器CS进行最长内容名匹配，若内容存储器CS中存在匹配内容，则将对应的数据包返回到兴趣包来源端口，然后对缓存区域的数据块进行更新：

步骤B，若内容存储器CS中不存在匹配内容c_k，则查看待定请求表PIT中是否存在匹配条目，如果待定请求表PIT中存在匹配条目，则将本次请求数据包的来源端口添加到待定请求表PIT中，然后丢弃兴趣包；

步骤C，若待定请求表PIT中不存在匹配条目，则查询FIB，其中，FIB为节点的兴趣包提供下一跳的转发信息；

若FIB中发现匹配条目，则按照FIB中的信息对匹配条目按照最短路径路由算法进行转发，并将该次请求记录到PIT中；

若FIB中不存在匹配条目，则说明如何处理此次请求的节点并不知道如何处理此次请求，于是丢弃该兴趣包，缓存未命中；

步骤D，假设节点对数据包c_k发出请求，且在源服务器上命中，则根据LCD缓存更新策略在最短路径上进行缓存放置，当节点v对数据包发出请求，接收到的内容的总概率将不再是p_k，而是p'_k'，具体如下：

其中，λ_k(v)表示沿着最短路径转发到节点v的概率；

步骤E，将单缓存节点模型下的p_k全部改为p'_k'，可以得到多缓存节点模型下的缓存命中率为：

在步骤A中，对缓存区域的数据块进行更新具体如下：

步骤A1，处在c_k前置位的数据块均后移一个位置，即等级降低一位；

步骤A2，处在c_k后置位的数据块均保持在原有的位置不动。

Images