CN109743407B - 一种面向多租户网络的边缘网络缓存方法 - Google Patents
一种面向多租户网络的边缘网络缓存方法 Download PDFInfo
- Publication number
- CN109743407B CN109743407B CN201910150133.XA CN201910150133A CN109743407B CN 109743407 B CN109743407 B CN 109743407B CN 201910150133 A CN201910150133 A CN 201910150133A CN 109743407 B CN109743407 B CN 109743407B
- Authority
- CN
- China
- Prior art keywords
- file object
- base station
- cache
- operator
- record table
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明公开了一种面向多租户网络的边缘网络缓存方法,其包括以下步骤:S1、形成抽象缓存资源记录表;S2、得到运营商文件对象记录表;S3、根据抽象缓存资源记录表得到与该基站对应的文件对象索引表;S4、对各个基站和文件对象进行访问代价建模,得到最优存储方案;S5、更新抽象缓存资源记录表和运营商文件对象记录表;S6、根据更新后的记录表将各个运营商的文件对象映射到具体的物理缓存资源块上,并更新基站的缓存及各个基站对应的文件对象索引表。本发明将用户的移动性和运营商因素纳入考虑之中,即能够针对不同运营商下的移动用户做出最优的缓存决策,从而提高用户访问数据时缓存的命中率,降低访问时延。
Description
技术领域
本发明涉及边缘网络缓存领域,具体涉及一种面向多租户网络的边缘网络缓存方法。
背景技术
在一个边缘无线网络中,分布着一系列的路由器(Router)和大量的基站(BS),且每个Router和BS都配备有缓存(Cache),即具有缓存数据的能力;若用户需要的数据已经存储在了本地的缓存节点(Router或BS)内,则直接从缓存节点中获取数据,否则需要从远端服务器获取数据。
随着移动互联网的兴起,为了减少骨干网的压力以及减少用户的访问时延,学术界和工业界越来越倾向于将数据文件分布至边沿的缓存节点,为此提出了大量的关于边缘缓存的决策算法。然而,这类缓存策略面临以下的不足:
1.该类缓存算法大多都是分布式的,即缓存节点根据自己所了解到的局部信息,独立地运行缓存决策策略,从而决定是否存储该数据文件。然而这类“短视”行为在很多情况下会导致整个系统性能的恶化。如所有的缓存节点都决定存储相同的几个数据文件,这不但大大浪费了整个系统的缓存资源,还会导致网络中绝大部分的请求缓存实效,从而失去了边缘缓存的意义;
2.为了使缓存策略更为高效,防止上述情况使得整个网络性能的恶化,很多文献提出了基于协作式的缓存策略,即缓存节点之间需要进行信息共享。然而,缓存节点间广泛的信息共享,需要大量的交互,这些交互信令会花费很大一部分的通信资源,这在要求低时延的网络中是不被提倡的。
发明内容
针对现有技术中的上述不足,本发明提供的一种面向多租户网络的边缘网络缓存方法可以减少边缘网络下用户的访问时延,提升用户体验。
为了达到上述发明目的,本发明采用的技术方案为:
提供一种面向多租户网络的边缘网络缓存方法,其包括以下步骤:
S1、将每个基站的缓存单元作为一个逻辑上的缓存单元,得到若干个逻辑缓存单元;将每个逻辑缓存单元列为一个条目形成抽象缓存资源记录表;其中,每个逻辑缓存单元包括存储于其内的文件对象和该逻辑缓存单元所对应的物理缓存单元所在基站的地址;
S2、将每个运营商所需要的文件对象及该文件对象所使用的逻辑缓存单元列表,得到运营商文件对象记录表;
S3、对于任一个基站,去除抽象缓存资源记录表中位于该基站内的逻辑缓存单元,得到与该基站对应的文件对象索引表,并将该文件对象索引表存储于与其对应的基站中;
S4、根据抽象缓存资源记录表、运营商文件对象记录表和文件对象索引表的内容,对各个基站和文件对象进行访问代价建模,得到最优存储方案;
S5、根据最优存储方案更新抽象缓存资源记录表和运营商文件对象记录表;
S6、根据更新后的抽象缓存资源记录表和运营商文件对象记录表将各个运营商的文件对象映射到具体的物理缓存资源块上,并更新基站的缓存及各个基站对应的文件对象索引表,完成面向多租户网络的边缘网络缓存。
进一步地,步骤S4中访问代价建模的模型为:
C={C1,C2,...Ci,...,Cn}
df,j∈{0,1}
其中n为基站数量,i和j均表示任意一个基站,i∈(1,2,...,n),j∈(1,2,...,n);m为运营商数量;kum表示第m个运营商下包含的用户个数;kfm表示第m个运营商包含的文件对象数量;U表示用户集合;uag表示第a个运营商的第g个用户,其中a∈(1,2,...,m),g∈(1,2,...,kua),kua为第a个运营商的用户数量;u表示任意一个用户,u∈U;C表示物理缓存的总容量;Ci表示第i个基站的容量;F表示文件对象集合,f表示任意一个文件对象,f∈F;fab表示第a个运营商中的第b个文件,其中a∈(1,2,...,m),b∈(1,2,...,kfa),kfa为第a个运营商的文件数量;df,j为取值函数,当其取值为1时,表示将文件对象f存储到第j个基站上;当其取值为0是,表示文件对象f不存储到第j个基站上;ti,j表示从第i个基站到第j个基站所花费的成本;qf表示用户请求文件对象f的概率;pi表示用户从当前接入点移动到第i个基站上的概率;threshold1和threshold2均为预设阈值。
进一步地,步骤S6之后还包括步骤
S7、判断网络状态变化是否超出阈值,若是,则返回步骤S4,再次更新缓存资源,否则保持缓存方案不变。
进一步地,步骤S7中判断网络状态变化是否超出阈值的具体方法包括:
判断接入点发生改变的用户数量是否超出阈值,若是,则表示网络状态变化超出阈值,若不是则表示网络状态变化未超出阈值。
本发明的有益效果为:本发明将用户的移动性和运营商因素纳入考虑之中,即能够针对不同运营商下的移动用户做出最优的缓存决策,从而提高用户访问数据时缓存的命中率,降低访问时延。
附图说明
图1为本发明的流程示意图;
图2为抽象缓存资源记录表的结构示意图;
图3为运营商文件对象记录表的示意图;
图4为实施例1的场景图;
图5为实施例2的场景图;
图6为实施例3的场景图;
图7为实施例4的场景图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,该面向多租户网络的边缘网络缓存方法包括以下步骤:
S1、将每个基站的缓存单元作为一个逻辑上的缓存单元,得到若干个逻辑缓存单元;将每个逻辑缓存单元列为一个条目形成抽象缓存资源记录表;其中,每个逻辑缓存单元包括存储于其内的文件对象和该逻辑缓存单元所对应的物理缓存单元所在基站的地址;
S2、将每个运营商所需要的文件对象及该文件对象所使用的逻辑缓存单元列表,得到运营商文件对象记录表;
S3、对于任一个基站,去除抽象缓存资源记录表中位于该基站内的逻辑缓存单元,得到与该基站对应的文件对象索引表,并将该文件对象索引表存储于与其对应的基站中;
S4、根据抽象缓存资源记录表、运营商文件对象记录表和文件对象索引表的内容,对各个基站和文件对象进行访问代价建模,得到最优存储方案;
S5、根据最优存储方案更新抽象缓存资源记录表和运营商文件对象记录表;
S6、根据更新后的抽象缓存资源记录表和运营商文件对象记录表将各个运营商的文件对象映射到具体的物理缓存资源块上,并更新基站的缓存及各个基站对应的文件对象索引表,完成面向多租户网络的边缘网络缓存。
步骤S4中访问代价建模的模型为:
C={C1,C2,...Ci,...,Cn}
min∑u∈U∑i∈n∑j∈n∑f∈Fpj*df,j*ti,j*qf (1)
df,j∈{0,1}
其中n为基站数量,i和j均表示任意一个基站,i∈(1,2,...,n),j∈(1,2,...,n);m为运营商数量;kum表示第m个运营商下包含的用户个数;kfm表示第m个运营商包含的文件对象数量;U表示用户集合;uag表示第a个运营商的第g个用户,其中a∈(1,2,...,m),9∈(1,2,...,kua),kua为第a个运营商的用户数量;u表示任意一个用户,u∈U;C表示物理缓存的总容量;Ci表示第i个基站的容量;F表示文件对象集合,f表示任意一个文件对象,f∈F;fab表示第a个运营商中的第b个文件,其中a∈(1,2,...,m),b∈(1,2,...,kfa),kfa为第a个运营商的文件数量;df,j为取值函数,当其取值为1时,表示将文件对象f存储到第j个基站上;当其取值为0是,表示文件对象f不存储到第j个基站上;ti,j表示从第i个基站到第j个基站所花费的成本;qf表示用户请求文件对象f的概率;pi表示用户从当前接入点移动到第i个基站上的概率;threshold1和threshold2均为预设阈值。
步骤S6之后还包括步骤S7、判断网络状态变化是否超出阈值,若是,则返回步骤S4,再次更新缓存资源,否则保持缓存方案不变。步骤S7中判断网络状态变化是否超出阈值的具体方法包括:判断接入点发生改变的用户数量是否超出阈值,若是,则表示网络状态变化超出阈值,若不是则表示网络状态变化未超出阈值。
在本发明的一个实施例中如图2所示,抽象缓存资源记录表(Abstract CacheResources Record Table)的每一条目表示一个逻辑的缓存单元,字段File Object ID用来唯一标识一个存储于该逻辑缓存单元的文件对象,可选的,该字段可能是一个由字段Operator ID,字段File ID和字段Object ID组成的三元组来唯一确定;字段BS Address表示该逻辑缓存单元所对应的某个物理缓存单元所在的BS的地址;字段Other Information可以用来表示其他的一些辅助信息,比如访问次数等。
如图3所示,运营商文件对象记录表(Operator File Object Record Table)的结构与抽象缓存资源记录表的结构类似,字段file object location用来标识文件对象的位置。
实施例1:
假设整个边缘网络的缓存资源只提供给了某一个运营商使用,且该运营商下的用户都是静止的。首先假设用户刚刚接入该边缘网络,即初始化阶段。需要注意的是,现在用户刚刚接入该边缘网络,因此用户并没有存储文件对象索引表信息,为此用户需要向接入BS(基站)请求获取文件对象索引表。假设用户1(User1)请求文件对象f,由于该用户刚刚接入边缘网络,因此该用户向BS1(基站1)请求获取Index Table(文件对象索引表),BS1得知该请求后,会将其上保存的Index Table下发给User1;以后User1就可以根据这个文件对象索引表进行文件对象访问。
当用户访问文件对象时,若该文件对象存储于用户的接入BS上时,可以直接获取,且访问时延最小;若该文件对象并未存储于接入BS上,而存储在本地边缘网络中其他BS上的缓存中时,用户可以间接访问,访问时延次小;最后,若文件在本地边缘网络下未被缓存,需要到远端服务器获取,这样的访问时延最大。由于在本发明中,文件对象索引表保存的是存储在本地边缘网络,但是并未存储于接入BS上的文件对象。因此,当用户查找IndexTable失败后,访问文件对象时,会出现两种情况:
1.该文件对象未出现在接入BS上的缓存中,则接入BS直接转发文件对象请求到远端服务器;
2.该文件对象存储与接入BS上的缓存中,则接入BS直接返回该文件对象给用户。
如图4所示,User1(用户1)和User2(用户2)接入BS1,User3(用户3)接入BS2(基站2)。根据公式(1)(2)(3)(4),其中Pi∈{p1,p2,p3,...,pn}表示某用户从当前接入BS移动到第i个BS节点上的概率,由于实施例1中所有用户都是静止的,所以除了该用户接入BS点的概率为1,其余均为0。例如User1的移动概率向量为P1∈{1,0},表示用户接入BS1的概率为1,接入BS2的概率为0。控制器(Controller)最后根据目标函数,即公式(1)来最小化边缘网络中文件对象访问时延,最后得出一个关联矩阵D,其中每一项df,j表示是否将文件对象f存储到基站j上,并根据该关联矩阵,最终将文件对象存储于各个基站中,用户User1和User2可以直接从BS1上访问file1(文件对象1)、file3(文件对象3)和file4(文件对象4),用户User3从BS2上访问file2(文件对象2)、file5(文件对象5)和file6(文件对象6)。
实施例2:
假设整个边缘网络的缓存资源只提供给了某一个运营商使用,且该运营商下的用户都是移动的,即用户会在各个BS间进行切换。如图5所示,在本实施例中,由于用户是移动的,因此控制器(Controller)在运行决策算法时,会计算出各个用户移动到其他接入BS的概率。即控制器需要计算出各个用户的移动概率向量Pi,其中Pi∈{p1,p2,p3,...,pn}表示用户从当前接入点移动到第i个BS上的概率。在本实施例中,我们可以采取马尔可夫链来进行位置的预测。通过马尔可夫模型(Markov Model)来对用户的移动性进行建模,马尔可夫模型中状态在本场景下即用户连接到的接入点BS编号,而状态转移概率矩阵在本场景下即是用户从某个接入点BS到另一个接入点BS的概率。用户在移动过程中,与其关联的BS编号也在不断发生变化,即用户的状态在不断的发生变化。在马尔可夫模型下,控制器根据用户历史的状态链的变化来预测用户将来可能处于的状态,即用户即将接入的BS编号;马尔可夫模型最终将会得出移动用户从当前接入点BS切换到其他BS的概率集合Pi∈{p1,p2,p3,...,pn}。由于本实施例中的用户是可移动的,因此每个用户的移动概率向量是不相同的,例如,User2的移动向量P2∈{p1,p2},其中p1表示用户User2不移动,依然在BS1下,p2表示User2移动到BS2上的概率;由于马尔可夫模型是根据以前的用户状态来预测将来的用户状态,因此,尽管User2最终移动到了BS2上,但也不能肯定p1==0和p2==1。从而控制器通过公式(1)计算最小访问时延,需要把p1和p2都带入公式。
最终,控制器根据计算结果将各个文件对象分布到该边缘缓存网络下的各个缓存节点中供用户访问使用。各个文件对象的分布情况为:file 1、file 2和file3存储于BS1的缓存上,file 4、file 5和file 6存储在BS2的缓存上;与此同时,更新各个BS上的IndexTable。由于本发明中Index Table存储在本地边缘网络,但是并未存储于接入BS上的文件对象。因此,当User1请求file 1、file 2或者file 3文件对象时,由于这三个文件对象均存储在BS1的缓存之上,所以用户查找Index Table失败,直接转发文件对象请求。当BS1收到文件对象请求后,查找其缓存单元,查找成功,直接返回User1需要的文件对象。由于访问的文件对象存储在接入BS上,从而这种类型的数据访问所需要的时间代价最少;即时延最小。
当User1请求file 4文件对象时,尽管BS1上并没有缓存文件对象file4,但是BS1上保存着有关文件对象file 4的信息,且在用户User1刚刚接入BS1时,将BS1上的文件对象信息(即文件对象索引表)下发给了用户User1,因此用户User1可以根据文件对象索引表上的信息直接访问其需要的文件对象。此时,若用户User1希望访问文件对象7(file 7),即整个边缘网络下都没有存储该文件对象。首先,用户User1查找其下保存的文件对象索引表,并未找到相关信息,因此直接转发请求到接入基站BS1,BS1上缓存不命中,直接根据请求的目的地址将该请求发送到远端服务器。与此同时,用户可能发生位置移动,如User2从BS2移动到BS1,User3从BS1移动到BS2。当用户移动到新的BS下之后,其访问过程如实施例1所示,即会重新获取其接入BS上的文件对象索引表,并根据该索引表上的信息访问其需要的文件对象。
实施例3:
假设两个运营商需要向某区域内的用户提供服务。其中一个运营商主要从事视频服务推送,且该运营商下的用户数量巨大;而另一运营商主要提供新闻服务推送。由于两个运营商提供的服务类型或用户数量不同,因此,所需要的网络缓存资源也就不同。为此,每个运营商可以根据自身的情况,如用户数量,提供的服务类型,来选择性的购买使用边缘网络的物理缓存服务。
控制器对其所控制的BS的物理缓存单元进行抽象,形成了一个抽象的缓存资源;由于网络中运营商是相互独立的,因此控制器需要记录各个运营商所需要的文件对象信息。如图6所示,在本实施例中,假设User1、User3、User5和User7属于运营商A;User2、User4、User6和User8属于运营商B。从而User1、User3、User5和User7需要访问的文件对象均由运营商资源表A来管理。User2、User4、User6和User8需要访问的文件对象有运营商资源表B来进行管理。同时,两张资源表的表项均指向物理缓存资源池表的表项,表示该运营商下用户需要的文件对象在该边缘网络中的存储位置,从而方便控制器的管理和更新。其中斜划线填充表示运营商B,密点填充表示运营商A。
实施例4:
假设当前边缘网络为多个运营商提供缓存资源服务且用户是可移动的,如图7所示,User1的移动向量P2∈{p1,p2,p3},其中p1表示用户User1不移动,依然在BS1下,p2表示User1移动到BS2上的概率;p3表示User1移动到BS3上的概率。从而控制器通过公式(1)计算最小访问时延,需要把p1,p2以及p3都带入公式。最终,控制器根据计算结果将各个文件对象分布到该边缘缓存网络下的各个缓存节点中供用户访问使用。
综上所述,本发明将用户的移动性和运营商因素纳入考虑之中,即能够针对不同运营商下的移动用户做出最优的缓存决策,从而提高用户访问数据时缓存的命中率,降低访问时延。
Claims (3)
1.一种面向多租户网络的边缘网络缓存方法,其特征在于,包括以下步骤:
S1、将每个基站的缓存单元作为一个逻辑上的缓存单元,得到若干个逻辑缓存单元;将每个逻辑缓存单元列为一个条目形成抽象缓存资源记录表;其中,每个逻辑缓存单元包括存储于其内的文件对象和该逻辑缓存单元所对应的物理缓存单元所在基站的地址;
S2、将每个运营商所需要的文件对象及该文件对象所使用的逻辑缓存单元列表,得到运营商文件对象记录表;
S3、对于任一个基站,去除抽象缓存资源记录表中位于该基站内的逻辑缓存单元,得到与该基站对应的文件对象索引表,并将该文件对象索引表存储于与其对应的基站中;
S4、根据抽象缓存资源记录表、运营商文件对象记录表和文件对象索引表的内容,对各个基站和文件对象进行访问代价建模,得到最优存储方案;
S5、根据最优存储方案更新抽象缓存资源记录表和运营商文件对象记录表;
S6、根据更新后的抽象缓存资源记录表和运营商文件对象记录表将各个运营商的文件对象映射到具体的物理缓存资源块上,并更新基站的缓存及各个基站对应的文件对象索引表,完成面向多租户网络的边缘网络缓存;
所述步骤S4中访问代价建模的模型为:
C={C1,C2,...Ci,...,Cn}
df,j∈{0,1}
其中n为基站数量,i和j均表示任意一个基站,i∈(1,2,...,n),j∈(1,2,...,n);m为运营商数量;kum表示第m个运营商下包含的用户个数;kfm表示第m个运营商包含的文件对象数量;U表示用户集合;uag表示第a个运营商的第g个用户,其中a∈(1,2,...,m),g∈(1,2,...,kua),kua为第a个运营商的用户数量;u表示任意一个用户,u∈U;C表示物理缓存的总容量;Ci表示第i个基站的容量;F表示文件对象集合,f表示任意一个文件对象,f∈F;fab表示第a个运营商中的第b个文件,其中a∈(1,2,...,m),b∈(1,2,...,kfa),kfa为第a个运营商的文件数量;df,j为取值函数,当其取值为1时,表示将文件对象f存储到第j个基站上;当其取值为0是,表示文件对象f不存储到第j个基站上;ti,j表示从第i个基站到第j个基站所花费的成本;qf表示用户请求文件对象f的概率;pi表示用户从当前接入点移动到第i个基站上的概率;threshold1和threshold2均为预设阈值。
2.根据权利要求1所述的面向多租户网络的边缘网络缓存方法,其特征在于:所述步骤S6之后还包括步骤
S7、判断网络状态变化是否超出阈值,若是,则返回步骤S4,再次更新缓存资源,否则保持缓存方案不变。
3.根据权利要求2所述的面向多租户网络的边缘网络缓存方法,其特征在于,所述步骤S7中判断网络状态变化是否超出阈值的具体方法包括:
判断接入点发生改变的用户数量是否超出阈值,若是,则表示网络状态变化超出阈值,若不是则表示网络状态变化未超出阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910150133.XA CN109743407B (zh) | 2019-02-28 | 2019-02-28 | 一种面向多租户网络的边缘网络缓存方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910150133.XA CN109743407B (zh) | 2019-02-28 | 2019-02-28 | 一种面向多租户网络的边缘网络缓存方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109743407A CN109743407A (zh) | 2019-05-10 |
CN109743407B true CN109743407B (zh) | 2021-05-28 |
Family
ID=66368737
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910150133.XA Expired - Fee Related CN109743407B (zh) | 2019-02-28 | 2019-02-28 | 一种面向多租户网络的边缘网络缓存方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109743407B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112187872B (zh) * | 2020-09-08 | 2021-07-30 | 重庆大学 | 一种移动边缘计算网络下内容缓存和用户关联优化方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102651775A (zh) * | 2012-03-05 | 2012-08-29 | 国家超级计算深圳中心(深圳云计算中心) | 基于云计算的多租户共享对象管理的方法、设备及系统 |
CN103918244A (zh) * | 2011-09-12 | 2014-07-09 | 知识风险控股81有限责任公司 | 通信终端和方法 |
CN105007210A (zh) * | 2015-08-05 | 2015-10-28 | 东南大学 | 长期演进系统中的网络虚拟化框架和资源块分配方法 |
EP2984889A2 (en) * | 2013-04-10 | 2016-02-17 | NEC Corporation | Communication system |
CN106714090A (zh) * | 2017-01-24 | 2017-05-24 | 南京邮电大学 | 网络虚拟化lte叠加d2d下基于收益的资源映射方法 |
CN106791887A (zh) * | 2016-12-02 | 2017-05-31 | 上海大学 | 无线网络中视频的分布式缓存和传输优化方法 |
CN107005597A (zh) * | 2014-10-13 | 2017-08-01 | 七网络有限责任公司 | 基于用户特征在移动设备缓存的无线流量管理系统 |
CN107708214A (zh) * | 2017-09-30 | 2018-02-16 | 重庆邮电大学 | 基于李雅普诺夫的网络效用最大化虚拟资源分配方法 |
CN109144994A (zh) * | 2017-06-19 | 2019-01-04 | 华为技术有限公司 | 索引更新方法、系统及相关装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10523749B2 (en) * | 2015-07-13 | 2019-12-31 | Netsia, Inc. | Method and apparatus for virtualized scheduler |
US9674859B2 (en) * | 2015-09-07 | 2017-06-06 | Netsia | Method and apparatus for virtual channel station information based wireless radio access network virtualization |
US10411964B2 (en) * | 2016-09-09 | 2019-09-10 | Huawei Technologies Co., Ltd. | Method and apparatus for network slicing |
-
2019
- 2019-02-28 CN CN201910150133.XA patent/CN109743407B/zh not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103918244A (zh) * | 2011-09-12 | 2014-07-09 | 知识风险控股81有限责任公司 | 通信终端和方法 |
CN102651775A (zh) * | 2012-03-05 | 2012-08-29 | 国家超级计算深圳中心(深圳云计算中心) | 基于云计算的多租户共享对象管理的方法、设备及系统 |
EP2984889A2 (en) * | 2013-04-10 | 2016-02-17 | NEC Corporation | Communication system |
CN107005597A (zh) * | 2014-10-13 | 2017-08-01 | 七网络有限责任公司 | 基于用户特征在移动设备缓存的无线流量管理系统 |
CN105007210A (zh) * | 2015-08-05 | 2015-10-28 | 东南大学 | 长期演进系统中的网络虚拟化框架和资源块分配方法 |
CN106791887A (zh) * | 2016-12-02 | 2017-05-31 | 上海大学 | 无线网络中视频的分布式缓存和传输优化方法 |
CN106714090A (zh) * | 2017-01-24 | 2017-05-24 | 南京邮电大学 | 网络虚拟化lte叠加d2d下基于收益的资源映射方法 |
CN109144994A (zh) * | 2017-06-19 | 2019-01-04 | 华为技术有限公司 | 索引更新方法、系统及相关装置 |
CN107708214A (zh) * | 2017-09-30 | 2018-02-16 | 重庆邮电大学 | 基于李雅普诺夫的网络效用最大化虚拟资源分配方法 |
Non-Patent Citations (2)
Title |
---|
Context-Aware SFC and Its Cost-Effective Orchestration in Multi-Domain Networks;Guanglei Li等;《IEEE Access》;20180712;全文 * |
云计算运维系统研究与设计;许萍等;《北京电子科技学院学报》;20170630;第25卷(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109743407A (zh) | 2019-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhong et al. | A deep reinforcement learning-based framework for content caching | |
CN111031102B (zh) | 一种多用户、多任务的移动边缘计算系统中可缓存的任务迁移方法 | |
CN110730471B (zh) | 基于区域用户兴趣匹配的移动边缘缓存方法 | |
Shivakumar et al. | User profile replication for faster location lookup in mobile environments | |
CN109873869B (zh) | 一种雾无线接入网中基于强化学习的边缘缓存方法 | |
RU2141738C1 (ru) | Способ и устройство для выявления и прогнозирования перемещения мобильных оконечных устройств | |
CN105022700A (zh) | 一种基于缓存空间划分和内容相似度的命名数据网络缓存管理系统和管理方法 | |
CN112187872B (zh) | 一种移动边缘计算网络下内容缓存和用户关联优化方法 | |
Paschos et al. | Online convex optimization for caching networks | |
CN108541025B (zh) | 一种面向无线异构网络的基站与d2d共同缓存方法 | |
Lee et al. | Online optimization for low-latency computational caching in fog networks | |
CN109743407B (zh) | 一种面向多租户网络的边缘网络缓存方法 | |
CN109995840A (zh) | Cdn数据同步方法、装置、设备和计算机存储介质 | |
CN111698732B (zh) | 微蜂窝无线网中面向时延的协作缓存优化方法 | |
CN111491331A (zh) | 一种雾计算网络中基于迁移学习的网络感知自适应缓存方法 | |
CN101840417B (zh) | 一种基于相关关系的物联网uid查询方法 | |
CN108156249B (zh) | 基于近似马尔科夫链的网络缓存更新方法 | |
Ugwuanyi et al. | A novel predictive-collaborative-replacement (PCR) intelligent caching scheme for multi-access edge computing | |
Hadjiefthymiades et al. | ESW4: Enhanced Scheme for WWW computing in Wireless communication environments | |
CN116320000A (zh) | 协同缓存方法、装置、电子设备和存储介质 | |
Hatami et al. | Online caching policy with user preferences and time-dependent requests: A reinforcement learning approach | |
CN113473408A (zh) | 一种车联网中实现视频传输的用户关联方法及系统 | |
Elnahas et al. | Location management techniques for mobile systems | |
Meint et al. | From FIFO to predictive cache replacement | |
TWI627871B (zh) | 網路通訊系統的控制方法與邊緣運算裝置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210528 |
|
CF01 | Termination of patent right due to non-payment of annual fee |