CN109819459A - 一种内容的缓存部署方法及装置 - Google Patents
一种内容的缓存部署方法及装置 Download PDFInfo
- Publication number
- CN109819459A CN109819459A CN201910127309.XA CN201910127309A CN109819459A CN 109819459 A CN109819459 A CN 109819459A CN 201910127309 A CN201910127309 A CN 201910127309A CN 109819459 A CN109819459 A CN 109819459A
- Authority
- CN
- China
- Prior art keywords
- content
- users
- state
- base station
- user
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000012546 transfer Methods 0.000 claims abstract description 236
- 208000015181 infectious disease Diseases 0.000 claims abstract description 77
- 230000008569 process Effects 0.000 claims abstract description 25
- 239000000872 buffer Substances 0.000 claims abstract description 23
- 238000004891 communication Methods 0.000 claims description 28
- 208000035473 Communicable disease Diseases 0.000 claims description 23
- 230000002458 infectious effect Effects 0.000 claims description 21
- 230000011218 segmentation Effects 0.000 claims description 13
- 238000009792 diffusion process Methods 0.000 claims description 12
- 230000007704 transition Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 7
- 230000036039 immunity Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000002596 correlated effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 206010011971 Decreased interest Diseases 0.000 description 1
- 241000764238 Isis Species 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例提供的一种内容的缓存部署方法及装置，方法包括：针对一个基站，将t时刻该基站下所有接触态用户的总转移速率与该基站的接触态用户数的比值，确定为接触态的转移速率；针对每个内容，将一个调整周期内已成功获取内容的用户数与对内容有需求的用户数的比值，作为内容的缓存利用率；确定内容的缓存利用率在预设约束条件下最大时，内容的缓存概率；基于内容的缓存概率，对内容进行缓存。相比于现有技术，本发明实施例确定出内容的缓存概率的过程取决接触态用户转移为感染态用户的速率的变化，确定出内容的缓存概率更加准确，因此基于内容的缓存概率存储内容的缓存部署策略准确率更高。
Description
技术领域
本发明涉及移动通信领域，特别是涉及一种内容的缓存部署方法及装置。
背景技术
随着移动互联网的发展以及智能终端设备的普及，移动流量呈现爆炸式增长。研究表明导致这样移动流量呈现爆炸式增长的原因如下：无线边缘网络中用户之间的相互影响，造成不同用户对于少量流行内容进行重复请求，这些重复请求具有高度可预测的特性。
上述无线边缘网络包含多个基站，各个用户会根据基站与自身的距离，通过用户终端连接到距离自身最近的基站，每个基站可以连接多个用户，各个用户之间互相影响。现有技术中针对一个基站，通过挖掘连接该基站的用户的上下文信息，上下文信息包括用户浏览记录，预测连接该基站的用户需求的内容，在连接该基站所有用户需求的内容中确定流行内容，将流行内容缓存部署到该基站中，用户可以从该基站获取所需内容。
现有技术挖掘用户的上下文信息，预测用户需求的内容，在所有用户需求的内容中确定流行内容，将流行内容缓存部署到距离用户最近的基站：
鉴于流行内容与流行病在用户群中传播的相似性，首先将一个基站的所有用户分为四个类型，1、易感态，用户对内容不感兴趣；2、接触态：用户收到感染者的感染，对内容感兴趣，但还未获取到内容；3、感染态：用户对内容感兴趣并且已经获取了内容，有能力感染易感者；4、免疫态：用户在获取内容后对内容丧失兴趣，不会再重新请求内容。然后将初始每个状态的用户数输入到传染病模型中，将单位时间接触态用户转移为感染态用户的速率称为接触态的转移速率，接触态的转移速率与每个接触态用户获取内容的速率相同，设置接触态的转移速率为常量。一个调整周期后，预测需要每个内容的接触态用户数，接触态用户数越多内容的缓存概率越高，将接触态用户数最多的内容确定为流行内容，因此流行内容的缓存概率最高，然后将流行内容缓存部署到距离用户最近的基站。
由于在一个调整周期内，随着接触态用户转移为感染态用户，接触态用户数逐渐减少，在总带宽一定的情况下，每个接触态用户获取内容的速率升高，接触态的转移速率也升高，预测出的需要每个内容的接触态用户数比实际多，现有技术将缓存概率最高的内容确定为流行内容，进行缓存的缓存部署策略不准确。
发明内容
本发明实施例的目的在于提供一种内容的缓存部署方法及装置，通过计算用户从接触态到感染态的转移速率，通过包含接触态转移速率的转移方程确定在调整周期内确定内容的缓存利用率，从而确定缓存利用率最大时内容的缓存概率，以提高内容的缓存概率的准确率。具体技术方案如下：
第一方面，本发明实施例提供的一种内容的缓存部署方法，包括：
针对每个基站，将t时刻该基站下所有接触态用户的总转移速率与该基站的接触态用户数的比值，确定为接触态的转移速率；
针对每个内容，将一个调整周期内已成功获取内容的用户数与对内容有需求的用户数的比值，作为内容的缓存利用率；已成功获取内容的用户数与对内容有需求的用户数是通过以起始时间对传染病模型中的转移方程进行分段后，通过分段后的转移方程计算得到，起始时间是通过传感病模型中各个状态的转移方程，预测该基站的接触态用户数变化为零时所处的时间点，转移方程包括：接触态的转移速率；已成功获取内容的用户数是感染态用户数和免疫态用户数之和；
确定内容的缓存利用率在预设约束条件下最大时，内容的缓存概率；
基于内容的缓存概率，对内容进行缓存。
可选的，针对一个基站，将t时刻该基站下所有接触态用户的总转移速率与该基站的接触态用户数的比值，确定为接触态的转移速率，包括：
针对一个基站，利用总转移速率公式计算t时刻该基站下所有接触态用户的总转移速率，总转移速率公式为：
ξk＝PB[xkσB+(1-xk)σC]
其中，k代表内容序号，ξk是所有接触态用户的总转移速率，PB是用户处于该基站覆盖半径δB内的概率，xk是基站缓存内容fk的概率，σB每单位时间用户从该基站获取到内容fk的平均数据速率，σC是每单位时间用户服务器获取到内容fk的平均数据速率，λB为基站在无线边缘网络的覆盖面积内服从泊松点过程的密度，W是所有请求内容fk的用户的总带宽资源，C是各个内容大小，SINR是用户与距离最近基站之间的信干噪比，是用户与基站通信的信道增益的数学期望，B代表与基站相关，h代表SINR中的信道增益；
通过第一转移速率公式将t时刻该基站下所有接触态用户的总转移速率ξk与该基站的接触态用户数Ek(t)的比值，确定为用户从接触态到感染态的转移速率αk(t)。
可选的，针对一个内容，将一个调整周期内已成功获取内容的用户数与对内容有需求的用户数的比值，作为内容的缓存利用率，包括：
针对一个内容fk，利用公式将一个调整周期内，已成功获取内容fk的用户数与对内容fk有需求的用户数的比值，作为内容fk的缓存利用率；
其中，k是内容序号，Gk(xk)内容fk的缓存利用率，是一个调整周期内已成功获取内容fk的用户数，也是一个调整周期T内感染态用户数和免疫态用户数之和，是一个调整周期T内对内容fk有需求的用户数，E(0)是初始时接触态用户数，的海森矩阵是Ik是感染态用户数，Rk免疫态用户数，Sk是易感态用户数，T是调整周期，
是起始时间，是起始时间的平均值，下角标0表示初始， A3＝(σB-σC)T，A4＝σCT，A5＝Sk(0)+Ek(0)，xk是基站缓存内容fk的概率，σB每单位时间用户从该基站获取到内容fk的平均数据速率，σC是每单位时间用户服务器获取到内容fk的平均数据速率，W是所有请求内容fk的用户的总带宽资源，C是各个内容大小，SINR是用户与距离最近基站之间的信干噪比，是用户与基站通信的信道增益的数学期望，μk是用户由感染态转化是免疫态的速率，β是用户从易感态转化为接触态的速率，λU是用户在无线边缘网络的覆盖面积内服从泊松点过程的密度，δU是用户之间可以连接通信的物理距离，U代表与用户相关。
可选的，通过以下步骤获得起始时间：
在用户根据预设的兴趣扩散速率进行内容扩散传输的情况下，通过传染病模型中的转移方程，预测用户免疫态用户数和感染态用户数之和达到一个基站的用户总数的时间点，将时间点作为起始时间；转移方程包括：易感态的转移方程、接触态的转移方程、感染态的转移方程及免疫态的转移方程，接触态的转移方程包括：接触态的转移速率；易感态的转移方程、接触态的转移方程、感染态的转移方程及免疫态的转移方程分别是：
以起始时间为分段时间点，将转移方程进行分段；分段后的易感态的转移方程、接触态的转移方程、感染态的转移方程及免疫态的转移方程分别是：
针对一个内容，将初始时易感态用户数、接触态用户数、感染态用户数及免疫态用户数分别输入分段后的易感态的转移方程、接触态的转移方程、感染态的转移方程及免疫态的转移方程，确定起始时间的值；
其中，t代表当前时间或者历史时间，是起始时间，Sk(t)是t时刻易感态用户数，Ek(t)是t时刻接触态用户数，Ik(t)是t时刻感染态用户数，Rk(t)是t时刻免疫态用户数，μk是用户由感染态转化是免疫态的速率，β是用户从易感态转化为接触态的速率，αk(t)是t时刻接触态的转移速率，兴趣扩散速率为兴趣扩散速率与用户兴趣持续时间长的内容呈正相关， 是一个感染态在全是易感态的用户群中单位时间内能感染的用户数，λU是基站在无线边缘网络的覆盖面积内服从泊松点过程的密度，δU是用户之间可以连接通信的物理距离，U代表与用户相关，N代表一个基站的用户总数。
可选的，针对一个内容，将初始时易感态用户数、接触态用户数、感染态用户数及免疫态用户数分别输入分段后的易感态的转移方程、接触态的转移方程、感染态的转移方程及免疫态的转移方程，确定起始时间的值，包括：
将初始时易感态用户数Sk(0)，初始时接触态用户数Ek(0)，初始时感染态用户数Ik(0)，初始时免疫态用户数Rk(0)，分别输入分段后的易感态的转移方程、接触态的转移方程、感染态的转移方程及免疫态的转移方程；
求解输入起始时间及初始时各个状态用户数的分段后的转移方程，确定t时刻感染态用户数Ik(t)及免疫态用户数Rk(t)；
t时刻感染态用户数Ik(t)及免疫态用户数Rk(t)输入公式 中，确定起始时间的值。
可选的，确定内容的缓存利用率在预设约束条件下最大时，内容的缓存概率，包括：
根据预设约束条件0≤xk≤1，确定缓存利用率最大时的内容的缓存概率；
其中，k代表内容序号，K是内容总数，xk是内容fk的缓存概率，M是每个基站可以缓存的内容个数。
可选的，基于内容的缓存概率，对内容进行缓存，包括：
以概率缓存策略缓存内容。
可选的，基于内容的缓存概率，对内容进行缓存，包括：
在缓存概率是最高的情况下，对内容进行缓存。
第二方面，本发明实施例提供的一种内容的缓存部署的装置，包括：
转移确定模块，用于针对每个基站，将t时刻该基站下所有接触态用户的总转移速率与该基站的接触态用户数的比值，确定为接触态的转移速率；
缓存确定模块，用于针对每个内容，将一个调整周期内已成功获取内容的用户数与对内容有需求的用户数的比值，作为内容的缓存利用率；
其中，已成功获取内容的用户数与对内容有需求的用户数是通过以起始时间对传染病模型中的转移方程进行分段后，通过分段后的转移方程计算得到，起始时间是通过传感病模型中各个状态的转移方程，预测该基站的接触态用户数变化为零时所处的时间点，转移方程包括：接触态的转移速率；已成功获取内容的用户数是感染态用户数和免疫态用户数之和；
概率确定模块，用于确定内容的缓存利用率在预设约束条件下最大时，内容的缓存概率；
内容缓存模块，用于基于内容的缓存概率，对内容进行缓存。
可选的，转移确定模块具体用于：
针对一个基站，利用总转移速率公式计算t时刻该基站下所有接触态用户的总转移速率，总转移速率公式为：
ξk＝PB[xkσB+(1-xk)σC]
其中，k代表内容序号，ξk是所有接触态用户的总转移速率，PB是用户处于该基站覆盖半径δB内的概率，xk是基站缓存内容fk的概率，σB每单位时间用户从该基站获取到内容fk的平均数据速率，σC是每单位时间用户服务器获取到内容fk的平均数据速率，λB为基站在无线边缘网络的覆盖面积内服从泊松点过程的密度，W是所有请求内容fk的用户的总带宽资源，C是各个内容大小，SINR是用户与距离最近基站之间的信干噪比，是用户与基站通信的信道增益的数学期望，B代表与基站相关。h代表代表SINR中的信道增益。
通过第一转移速率公式将t时刻该基站下所有接触态用户的总转移速率ξk与该基站的接触态用户数Ek(t)的比值，确定为用户从接触态到感染态的转移速率αk(t)。
可选的，缓存确定模块具体用于：
针对一个内容fk，利用公式将一个调整周期内，已成功获取内容fk的用户数与对内容fk有需求的用户数的比值，作为内容fk的缓存利用率；
其中，Gk(xk)内容fk的缓存利用率，是已成功获取内容的用户数，也是一个调整周期T内感染态用户数和免疫态用户数之和，是一个调整周期T内对内容fk有需求的用户数，E(0)是初始时接触态用户数，下角标0表示初始，的海森矩阵是k是内容序号，Ik是感染态用户数，Rk免疫态用户数，Sk是易感态用户数，T是调整周期，
是起始时间，是起始时间的平均值， A3＝(σB-σC)T，A4＝σCT，A5＝Sk(0)+Ek(0)，xk是基站缓存内容fk的概率，σB每单位时间用户从该基站获取到内容fk的平均数据速率，σC是每单位时间用户服务器获取到内容fk的平均数据速率，W是所有请求内容fk的用户的总带宽资源，C是各个内容大小，SINR是用户与距离最近基站之间的信干噪比，是用户与基站通信的信道增益的数学期望，μk是用户由感染态转化是免疫态的速率，β是用户从易感态转化为接触态的速率，λU是用户在无线边缘网络的覆盖面积内服从泊松点过程的密度，δU是用户之间可以连接通信的物理距离，U代表与用户相关。
在本发明实施的又一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述任一所述的一种内容的缓存部署方法。
在本发明实施的又一方面，本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的一种内容的缓存部署方法。
本发明实施例提供的一种内容的缓存部署方法及装置，针对一个基站，将t时刻该基站下所有接触态用户的总转移速率与该基站的接触态用户数的比值，确定为接触态的转移速率；针对每个内容，将一个调整周期内已成功获取内容的用户数与对内容有需求的用户数的比值，作为内容的缓存利用率；已成功获取内容的用户数与对内容有需求的用户数是通过以起始时间对传染病模型中转移方程进行分段后，通过分段后的转移方程计算得到，确定内容的缓存利用率在预设约束条件下最大时，内容的缓存概率；基于内容的缓存概率，对内容进行缓存。相比于现有技术，本发明实施例通过计算用户从接触态到感染态的转移速率，通过包含接触态转移速率的转移方程确定在调整周期内确定内容的缓存利用率，从而确定缓存利用率最大时内容的缓存概率，本发明实施例确定出内容的缓存概率的过程取决接触态用户转移为感染态用户的速率的变化，确定出内容的缓存概率更加准确，因此基于内容的缓存概率存储内容的缓存部署策略准确率更高。当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为本发明实施例提供的一种内容的缓存部署方法的流程图；
图2为本发明实施例提供的一个内容在传染病模型中的用户状态变化的效果图；
图3为本发明实施例提供的缓存利用率随调整周期变化的效果图；
图4为本发明实施例提供的缓存利用率随基站缓存空间变化的效果图；
图5为本发明实施例提供的传染病模型中各个状态用户之间互相转移的结构图；
图6为本发明实施例提供的一种内容的缓存部署装置的结构图；
图7为本发明实施例提供的一种电子设备的结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行描述。
如图1所示，本发明实施例提供的一种内容的缓存部署方法，包括：
S101，针对每个基站，将t时刻该基站下所有接触态用户的总转移速率与该基站的接触态用户数的比值，确定为接触态的转移速率；
其中，易感态用户数、接触态用户数、感染态用户数、免疫态用户数分别是对内容不感兴趣的用户数量；收到感染者的感染，对内容感兴趣，但还未获取到内容的用户数量；对内容感兴趣并且已经获取了内容，有能力感染易感者的用户数量；在获取内容后对内容丧失兴趣，不会再重新请求内容的用户数量。
为了提高确定接触态的转移速率的准确率，上述S101可以采用至少一种实施方确定接触态的转移速率：
在一种可能的实施方式中，通过如下步骤确定接触态的转移速率：
步骤一：针对一个基站，利用总转移速率公式计算t时刻该基站下所有接触态用户的总转移速率，总转移速率公式为：
ξk＝PB[xkσB+(1-xk)σC]
其中，k代表内容序号，ξk是所有接触态用户的总转移速率，PB是用户处于该基站覆盖半径δB内的概率，xk是基站缓存内容fk的概率，σB每单位时间用户从该基站获取到内容fk的平均数据速率，σC是每单位时间用户服务器获取到内容fk的平均数据速率，λB为基站在无线边缘网络的覆盖面积内服从泊松点过程的密度，W是所有请求内容fk的用户的总带宽资源，C是各个内容大小，SINR是用户与距离最近基站之间的信干噪比，是用户与基站通信的信道增益的数学期望，为了区分用户与基站，U代表与用户相关，B代表与基站相关，h代表SINR中的信道增益。
步骤二：通过第一转移速率公式将t时刻该基站下所有接触态用户的总转移速率ξk与该基站的接触态用户数Ek(t)的比值，确定为用户从接触态到感染态的转移速率αk(t)。
S102，针对每个内容，将一个调整周期内已成功获取内容的用户数与对内容有需求的用户数的比值，作为内容的缓存利用率；
其中，已成功获取内容的用户数与对内容有需求的用户数是通过以起始时间对传染病模型中的转移方程进行分段后，通过分段后的转移方程计算得到，起始时间是通过传感病模型中各个状态的转移方程，预测该基站的接触态用户数变化为零时所处的时间点，转移方程包括：接触态的转移速率；已成功获取内容的用户数是感染态用户数和免疫态用户数之和。
为了提高确定接触态的转移速率的准确率，上述S102可以采用至少一种实施方式获得内容的缓存利用率：
在一种可能的实施方式中，通过如下步骤计算内容的缓存利用率：
步骤一：以起始时间为分界点，将传染病模型中各个状态的转移方程进行分段；
步骤二：针对K个内容中的一个内容fk，将初始时各个状态的用户数输入分段后的转移方程，对分段后的转移方程进行求解，确定起始时间的值；
步骤三：在调整周期T内，将已成功获取内容的用户数与对内容有需求的用户数的比值，作为内容的缓存利用率。
在另一种可能的实施方式中，通过针对一个内容fk，利用公式将一个调整周期内，对内容fk没有需求的用户数与对内容fk有需求的用户数的比值，作为内容fk的缓存利用率；
其中，Gk(xk)内容fk的缓存利用率，是一个调整周期内已成功获取内容fk的用户数，也是一个调整周期T内感染态用户数和免疫态用户数之和，是一个调整周期T内对内容fk有需求的用户数，E(0)是初始时接触态用户数，的海森矩阵是k是内容序号，Ik是感染态用户数，Rk免疫态用户数，Sk是易感态用户数，T是调整周期，
是起始时间，是起始时间的平均值， A3＝(σB-σC)T，A4＝σCT，A5＝Sk(0)+Ek(0)，xk是基站缓存内容fk的概率，σB每单位时间用户从该基站获取到内容fk的平均数据速率，σC是每单位时间用户服务器获取到内容fk的平均数据速率，W是所有请求内容fk的用户的总带宽资源，C是各个内容大小，SINR是用户与距离最近基站之间的信干噪比，是用户与基站通信的信道增益的数学期望，μk是用户由感染态转化是免疫态的速率，β是用户从易感态转化为接触态的速率，λU是用户在无线边缘网络的覆盖面积内服从泊松点过程的密度，δU是用户之间可以连接通信的物理距离，U代表与用户相关，N代表一个基站的用户总数。
假设一个基站覆盖半径为150米的圆形区域内，内容数目为50，考虑到受限的回传链路，请求同一个内容的所有用户从核心网获取该内容的总速率假设为10Mbits/s，分配给请求同一个内容的所有用户的下行链路带宽为10MHz。如图2所示，λU设置为0.2，从图中2可以看出，每个状态的用户数变化趋势，为简化图2，使用x代表缓存概率，当缓存概率越小，用户从核心网获取的内容越多，用户获取内容的速率更慢。将图2中实线与虚线可以得出，缓存概率为1时比缓存概率为0.5时，接触态用户转化为感染态用户的速率更快，因此，内容在无线边缘网络中传播更加迅速。
S103，确定内容的缓存利用率在预设约束条件下最大时，内容的缓存概率；
为了提高确定内容的缓存概率的准确性，上述S103可以通过至少一种实施方式实现，在一种可能的实施方式中，可以根据预设约束条件0≤xk≤1，确定缓存利用率最大时的内容的缓存概率。
其中，k代表内容序号，K是内容总数，xk是内容fk的缓存概率，M是每个基站可以缓存的内容个数。
考虑到基站缓存空间的有限性，为了尽可能提高内容的缓存利用率，利用公式：最大化缓存利用率。
其中，s.t.代表P1的约束条件，是定义在凸集上的函数，的海森矩阵为
为了降低算法复杂度，在一种可能的实施方式中，可以使用内点法解决带有不等式约束条件的凸优化问题，因此可以被转化P2：
其中o>0是决定近似精度的参数，f0(X)是初始优化目标函数，对数障碍函数φ(X)是：X代表缓存概率，X＝[x1,x2,…,xk]，i是约束条件的序号，domφ＝{X|f1(X)<0,…,fm(X)<0}。fi(X)是将中不等式约束条件转化为fi(X)≤0的约束形式，
预设的误差阈值及参数o，利用牛顿法迭代法，在误差范围范围内求出P2的最优解，确定Gk(xk)最大化；
其中∈是误差阈值，∈>0，m是约束条件的总数。
以图3为例，解释基站缓存空间与缓存概率的关系，基于传染病模型的概率缓存策略在不同的用户密度下，随缓存空间的性能变化。随着缓存空间增加，基站中缓存内容的概率更大，单位时间内成功获取内容的用户数增加，因此转移速率提高，Propose代表概率缓存策略，MC代表平均概率缓存策略，即每个内容的缓存概率为M/K，MPC代表调整周期初始时最流行的M个内容。
S104，基于内容的缓存概率，对内容进行缓存。
为了提高缓存内容的准确性，上述S104可以采用以下至少一种实施方式获得内容缓存概率：
在一种可能的实施方式中，以概率缓存策略缓存内容。
以图4为例，解释以概率缓存策略缓存内容的过程，在不同的λU下传染病模型的概率缓存策略随调整周期的变化情况，Propose代表概率缓存策略，MC代表平均概率缓存策略，即每个内容的缓存概率为M/K，MPC代表调整周期初始时最流行的M个内容。缓存利用率随着λU增长而降低。由于单位时间获取内容的用户数相同，λU小的用户群中，需要获取内容的用户数少，成功获取内容的速率高。由于内容的迅速传播，对内容有需求的用户数在一定时间后不再变化，而随着调整周期增大，成功获取内容的用户数增加，因此缓存利用率逐渐增加。由图4中可以看出，本实施方案在不同λU下都可以提高缓存利用率。
在另一种可能的实施方式中，在内容的缓存概率是最高的情况下，对该内容进行缓存，相比于概率缓存策略缓存内容的实施方式，本实施方式可以快速的缓存内容，提高缓存内容的效率。
相比于现有技术，本发明实施例通过计算用户从接触态到感染态的转移速率，通过包含接触态转移速率的转移方程确定在调整周期内确定内容的缓存利用率，从而确定缓存利用率最大时内容的缓存概率，本发明实施例确定出内容的缓存概率的过程取决接触态用户转移为感染态用户的速率的变化，确定出内容的缓存概率更加准确，因此基于内容的缓存概率存储内容的缓存部署策略准确率更高。
为了提高确定缓存利用率的准确性，可以采用至少一种实施方式确定初始时间：
在一种可能的实施方式中，通过如下步骤，确定初始时间：
步骤一：在用户根据预设的兴趣扩散速率进行内容扩散传输的情况下，过传染病模型中的转移方程，预测用户免疫态用户数和感染态用户数之和达到一个基站的用户总数的时间点，将时间点作为起始时间；
其中，转移方程包括：易感态的转移方程、接触态的转移方程、感染态的转移方程及免疫态的转移方程，接触态的转移方程包括：接触态的转移速率；易感态的转移方程、接触态的转移方程、感染态的转移方程及免疫态的转移方程分别是：
以起始时间为分段时间点，将转移方程进行分段；分段后的易感态的转移方程、接触态的转移方程、感染态的转移方程及免疫态的转移方程分别是：
步骤二：针对一个内容，将初始时易感态用户数、接触态用户数、感染态用户数及免疫态用户数分别输入分段后的易感态的转移方程、接触态的转移方程、感染态的转移方程及免疫态的转移方程，确定起始时间的值；
其中，是起始时间，Sk(t)是t时刻易感态用户数，Ek(t)是t时刻接触态用户数，Ik(t)是t时刻感染态用户数，Rk(t)是t时刻免疫态用户数，μk是用户由感染态转化是免疫态的速率，β是用户从易感态转化为接触态的速率，αk(t)是t时刻接触态的转移速率，兴趣扩散速率为兴趣扩散速率与用户兴趣持续时间长的内容呈正相关， 是一个感染态在全是易感态的用户群中单位时间内能感染的用户数，λU是基站在无线边缘网络的覆盖面积内服从泊松点过程的密度，δU是用户之间可以连接通信的物理距离。
如图5所示，内容fk会在用户群中迅速流行，易感态用户迅速转变为接触态用户，随着内容的不断传输，接触态用户数会呈现先迅速增长之后逐渐下降到0的趋势。当接触态用户数为0之后，随着感染态用户不断对内容丧失兴趣，感染态用户数下降到0，免疫态用户数逐渐增长到一个基站的用户总数N。即，当t→∞，[S(∞),E(∞),I(∞),R(∞)]＝[0,0,0,N]。感染态用户数和免疫态用户数之和逐渐增长到一个基站的用户总数N，将感染态用户数和免疫态用户数之和为N的时间点定义为对于内容fk，Sk(t)是t时刻易感态用户数，Ek(t)是t时刻接触态用户数，Ik(t)是t时刻感染态用户数，Rk(t)是t时刻免疫态用户数，为简化图5，在图5中分别用S、E、I、R表示，转移速率用β、α、μ表示。
在一种可能的实施方式中，可以通过如下步骤确定初始时间的值：
步骤一：将初始时易感态用户数Sk(0)，初始时接触态用户数Ek(0)，初始时感染态用户数Ik(0)，初始时免疫态用户数Rk(0)，分别输入分段后的易感态的转移方程、接触态的转移方程、感染态的转移方程及免疫态的转移方程；
则输入初始时易感态用户数后，易感态的转移方程是：
输入初始时接触态用户数后，接触态的转移方程是：
输入初始时感染态用户数后，感染态的转移方程是：
输入初始时免疫态用户数后，免疫态的转移方程是：
步骤二：求解输入起始时间及初始时各个状态用户数的分段后的转移方程，确定t时刻感染态用户数Ik(t)及免疫态用户数Rk(t)；
步骤三：t时刻感染态用户数Ik(t)及免疫态用户数Rk(t)输入公式中，确定起始时间的值。
将感染态和免疫态的用户数之和为一个基站的用户总数的时间点定义为即是的解，将上述的状态转移方程中，为了提高确定起始时间的准确率，使用的平均值近似代替可以得出：
如图6所示，本发明实施例提供的一种内容的缓存部署的装置，包括：
转移确定模块601，用于针对每个基站，将t时刻该基站下所有接触态用户的总转移速率与该基站的接触态用户数的比值，确定为接触态的转移速率；
缓存确定模块602，用于针对每个内容，将一个调整周期内已成功获取内容的用户数与对内容有需求的用户数的比值，作为内容的缓存利用率；
其中，已成功获取内容的用户数与对内容有需求的用户数是通过以起始时间对传染病模型中的转移方程进行分段后，通过分段后的转移方程计算得到，起始时间是通过传感病模型中各个状态的转移方程，预测该基站的接触态用户数变化为零时所处的时间点，转移方程包括：接触态的转移速率；已成功获取内容的用户数是感染态用户数和免疫态用户数之和；
概率确定模块603，用于确定内容的缓存利用率在预设约束条件下最大时，内容的缓存概率；
内容缓存模块604，用于基于内容的缓存概率，对内容进行缓存。
可选的，转移确定模块具体用于：
针对一个基站，利用总转移速率公式计算t时刻该基站下所有接触态用户的总转移速率，总转移速率公式为：
ξk＝PB[xkσB+(1-xk)σC]
其中，k代表内容序号，ξk是所有接触态用户的总转移速率，PB是用户处于该基站覆盖半径δB内的概率，xk是基站缓存内容fk的概率，σB每单位时间用户从该基站获取到内容fk的平均数据速率，σC是每单位时间用户服务器获取到内容fk的平均数据速率，λB为基站在无线边缘网络的覆盖面积内服从泊松点过程的密度，W是所有请求内容fk的用户的总带宽资源，C是各个内容大小，SINR是用户与距离最近基站之间的信干噪比，是用户与基站通信的信道增益的数学期望，B代表与基站相关。h代表代表SINR中的信道增益。
通过第一转移速率公式将t时刻该基站下所有接触态用户的总转移速率ξk与该基站的接触态用户数Ek(t)的比值，确定为用户从接触态到感染态的转移速率αk(t)。
可选的，缓存确定模块具体用于：
针对一个内容fk，利用公式将一个调整周期内，已成功获取内容fk的用户数与对内容fk有需求的用户数的比值，作为内容fk的缓存利用率；
其中，Gk(xk)内容fk的缓存利用率，是已成功获取内容的用户数，也是一个调整周期T内感染态用户数和免疫态用户数之和，是一个调整周期T内对内容fk有需求的用户数，E(0)是初始时接触态用户数，下角标0表示初始，的海森矩阵是k是内容序号，Ik是感染态用户数，Rk免疫态用户数，Sk是易感态用户数，T是调整周期，
是起始时间，是起始时间的平均值， A3＝(σB-σC)T，A4＝σCT，A5＝Sk(0)+Ek(0)，xk是基站缓存内容fk的概率，σB每单位时间用户从该基站获取到内容fk的平均数据速率，σC是每单位时间用户服务器获取到内容fk的平均数据速率，W是所有请求内容fk的用户的总带宽资源，C是各个内容大小，SINR是用户与距离最近基站之间的信干噪比，是用户与基站通信的信道增益的数学期望，μk是用户由感染态转化是免疫态的速率，β是用户从易感态转化为接触态的速率，λU是用户在无线边缘网络的覆盖面积内服从泊松点过程的密度，δU是用户之间可以连接通信的物理距离，U代表与用户相关。
本发明实施例提供的一种内容的缓存部署装置还包括：时间确定模块，用于：
在用户根据预设的兴趣扩散速率进行内容扩散传输的情况下，过传染病模型中的转移方程，预测用户免疫态用户数和感染态用户数之和达到一个基站的用户总数的时间点，将时间点作为起始时间；转移方程包括：易感态的转移方程、接触态的转移方程、感染态的转移方程及免疫态的转移方程，接触态的转移方程包括：接触态的转移速率；易感态的转移方程、接触态的转移方程、感染态的转移方程及免疫态的转移方程分别是：
以起始时间为分段时间点，将转移方程进行分段；分段后的易感态的转移方程、接触态的转移方程、感染态的转移方程及免疫态的转移方程分别是：
针对一个内容，将初始时易感态用户数、接触态用户数、感染态用户数及免疫态用户数分别输入分段后的易感态的转移方程、接触态的转移方程、感染态的转移方程及免疫态的转移方程，确定起始时间的值；
其中，t代表当前时间或者历史时间，是起始时间，Sk(t)是t时刻易感态用户数，Ek(t)是t时刻接触态用户数，Ik(t)是t时刻感染态用户数，Rk(t)是t时刻免疫态用户数，μk是用户由感染态转化是免疫态的速率，β是用户从易感态转化为接触态的速率，αk(t)是t时刻接触态的转移速率，兴趣扩散速率为兴趣扩散速率与用户兴趣持续时间长的内容呈正相关， 是一个感染态在全是易感态的用户群中单位时间内能感染的用户数，λU是用户在无线边缘网络的覆盖面积内服从泊松点过程的密度，δU是用户之间可以连接通信的物理距离。
可选的，时间确定模块具体用于：
将初始时易感态用户数Sk(0)，初始时接触态用户数Ek(0)，初始时感染态用户数Ik(0)，初始时免疫态用户数Rk(0)，分别输入分段后的易感态的转移方程、接触态的转移方程、感染态的转移方程及免疫态的转移方程；
求解输入起始时间及初始时各个状态用户数的分段后的转移方程，确定t时刻感染态用户数Ik(t)及免疫态用户数Rk(t)；
将t时刻感染态用户数Ik(t)及免疫态用户数Rk(t)输入公式Ik(t)+中，确定起始时间的值。
可选的，概率确定模块具体用于：
根据预设约束条件0≤xk≤1，确定缓存利用率最大时的内容的缓存概率。
其中，k代表内容序号，K是内容总数，xk是内容fk的缓存概率，M是基站可以缓存的内容个数。
可选的，内容缓存模块具体用于：以概率缓存策略缓存内容。
可选的，内容缓存模块具体用于：在缓存概率是最高的情况下，对内容进行缓存。
本发明实施例还提供了一种电子设备，如图7所示，包括处理器701、通信接口702、存储器703和通信总线704，其中，处理器701，通信接口702，存储器703通过通信总线704完成相互间的通信，
存储器703，用于存放计算机程序；
处理器701，用于执行存储器703上所存放的程序时，实现如下步骤：
针对每个基站，将t时刻该基站下所有接触态用户的总转移速率与该基站的接触态用户数的比值，确定为接触态的转移速率；
针对每个内容，将一个调整周期内已成功获取内容的用户数与对内容有需求的用户数的比值，作为内容的缓存利用率；
确定内容的缓存利用率在预设约束条件下最大时，内容的缓存概率；
基于内容的缓存概率，对内容进行缓存。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的一种内容的缓存部署方法。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的一种内容的缓存部署方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置/电子设备/计算机可读存储介质/计算机程序产品实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (10)
1.一种内容的缓存部署方法，其特征在于，所述方法包括：
针对每个基站，将t时刻该基站下所有接触态用户的总转移速率与该基站的接触态用户数的比值，确定为接触态的转移速率；
针对每个内容，将一个调整周期内已成功获取所述内容的用户数与对所述内容有需求的用户数的比值，作为所述内容的缓存利用率；所述已成功获取所述内容的用户数与对所述内容有需求的用户数是通过以起始时间对传染病模型中的转移方程进行分段后，通过分段后的转移方程计算得到，所述起始时间是通过传感病模型中各个状态的转移方程，预测该基站的接触态用户数变化为零时所处的时间点，所述转移方程包括：所述接触态的转移速率；所述已成功获取所述内容的用户数是感染态用户数和免疫态用户数之和；
确定所述内容的缓存利用率在预设约束条件下最大时，所述内容的缓存概率；
基于所述内容的缓存概率，对所述内容进行缓存。
2.根据权利要求1所述的方法，其特征在于，所述针对一个基站，将t时刻该基站下所有接触态用户的总转移速率与该基站的接触态用户数的比值，确定为接触态的转移速率，包括：
针对一个基站，利用总转移速率公式计算t时刻该基站下所有接触态用户的总转移速率，所述总转移速率公式为：
ξk＝PB[xkσB+(1-xk)σC]
其中，k代表内容序号，ξk是所有接触态用户的总转移速率，PB是用户处于该基站覆盖半径δB内的概率，xk是基站缓存内容fk的概率，σB每单位时间用户从该基站获取到内容fk的平均数据速率，σC是每单位时间用户服务器获取到内容fk的平均数据速率，λB为基站在无线边缘网络的覆盖面积内服从泊松点过程的密度，W是所有请求内容fk的用户的总带宽资源，C是各个内容大小，SINR是用户与距离最近基站之间的信干噪比，是用户与基站通信的信道增益的数学期望，B代表与基站相关，h代表SINR中的信道增益；
通过第一转移速率公式将t时刻该基站下所有接触态用户的总转移速率ξk与该基站的接触态用户数Ek(t)的比值，确定为用户从接触态到感染态的转移速率αk(t)。
3.根据权利要求1所述的方法，其特征在于，所述针对一个内容，将一个调整周期内已成功获取所述内容的用户数与对所述内容有需求的用户数的比值，作为所述内容的缓存利用率，包括：
针对一个内容fk，利用公式将一个调整周期内，已成功获取所述内容fk的用户数与对内容fk有需求的用户数的比值，作为内容fk的缓存利用率；
其中，k是内容序号，Gk(xk)内容fk的缓存利用率，是一个调整周期内已成功获取所述内容fk的用户数，也是一个调整周期T内感染态用户数和免疫态用户数之和，是一个调整周期T内对内容fk有需求的用户数，E(0)是初始时接触态用户数，的海森矩阵是Ik是感染态用户数，Rk免疫态用户数，Sk是易感态用户数，T是调整周期，
是起始时间，是起始时间的平均值，下角标0表示初始， A3＝(σB-σC)T，A4＝σCT，A5＝Sk(0)+Ek(0)，xk是基站缓存内容fk的概率，σB每单位时间用户从该基站获取到内容fk的平均数据速率，σC是每单位时间用户服务器获取到内容fk的平均数据速率，W是所有请求内容fk的用户的总带宽资源，C是各个内容大小，SINR是用户与距离最近基站之间的信干噪比，是用户与基站通信的信道增益的数学期望，μk是用户由感染态转化是免疫态的速率，β是用户从易感态转化为接触态的速率，λU是用户在无线边缘网络的覆盖面积内服从泊松点过程的密度，δU是用户之间可以连接通信的物理距离，U代表与用户相关。
4.根据权利要求1所述的方法，其特征在于，通过以下步骤获得所述起始时间：
在用户根据预设的兴趣扩散速率进行内容扩散传输的情况下，通过传染病模型中的转移方程，预测用户免疫态用户数和感染态用户数之和达到一个基站的用户总数的时间点，将所述时间点作为起始时间；所述转移方程包括：易感态的转移方程、接触态的转移方程、感染态的转移方程及免疫态的转移方程，所述接触态的转移方程包括：所述接触态的转移速率；所述易感态的转移方程、接触态的转移方程、感染态的转移方程及免疫态的转移方程分别是：
以所述起始时间为分段时间点，将所述转移方程进行分段；所述分段后的易感态的转移方程、接触态的转移方程、感染态的转移方程及免疫态的转移方程分别是：
针对一个内容，将初始时易感态用户数、接触态用户数、感染态用户数及免疫态用户数分别输入分段后的易感态的转移方程、接触态的转移方程、感染态的转移方程及免疫态的转移方程，确定所述起始时间的值；
其中，t代表当前时间或者历史时间，是起始时间，Sk(t)是t时刻易感态用户数，Ek(t)是t时刻接触态用户数，Ik(t)是t时刻感染态用户数，Rk(t)是t时刻免疫态用户数，μk是用户由感染态转化是免疫态的速率，β是用户从易感态转化为接触态的速率，αk(t)是t时刻接触态的转移速率，所述兴趣扩散速率为所述兴趣扩散速率与用户兴趣持续时间长的内容呈正相关，所述所述是一个感染态在全是易感态的用户群中单位时间内能感染的用户数，λU是基站在无线边缘网络的覆盖面积内服从泊松点过程的密度，δU是用户之间可以连接通信的物理距离，U代表与用户相关，N代表一个基站的用户总数。
5.根据权利要求4所述的方法，其特征在于，所述针对一个内容，将初始时易感态用户数、接触态用户数、感染态用户数及免疫态用户数分别输入分段后的易感态的转移方程、接触态的转移方程、感染态的转移方程及免疫态的转移方程，确定所述起始时间的值，包括：
将初始时易感态用户数Sk(0)，初始时接触态用户数Ek(0)，初始时感染态用户数Ik(0)，初始时免疫态用户数Rk(0)，分别输入分段后的易感态的转移方程、接触态的转移方程、感染态的转移方程及免疫态的转移方程；
求解输入起始时间及初始时各个状态用户数的分段后的转移方程，确定t时刻感染态用户数Ik(t)及免疫态用户数Rk(t)；
t时刻感染态用户数Ik(t)及免疫态用户数Rk(t)输入公式 中，确定起始时间的值。
6.根据权利要求1所述的方法，其特征在于，所述确定所述内容的缓存利用率在预设约束条件下最大时，所述内容的缓存概率，包括：
根据预设约束条件确定缓存利用率最大时的所述内容的缓存概率；
其中，k代表内容序号，K是内容总数，xk是内容fk的缓存概率，M是每个基站可以缓存的内容个数。
7.根据权利要求1所述的方法，其特征在于，所述基于所述内容的缓存概率，对所述内容进行缓存，包括：
以概率缓存策略缓存所述内容。
8.根据权利要求1所述的方法，其特征在于，所述基于所述内容的缓存概率，对所述内容进行缓存，包括：
在所述缓存概率是最高的情况下，对所述内容进行缓存。
9.一种内容的缓存部署的装置，其特征在于，所述装置包括：
转移确定模块，用于针对每个基站，将t时刻该基站下所有接触态用户的总转移速率与该基站的接触态用户数的比值，确定为接触态的转移速率；
缓存确定模块，用于针对每个内容，将一个调整周期内已成功获取所述内容的用户数与对所述内容有需求的用户数的比值，作为所述内容的缓存利用率；所述已成功获取所述内容的用户数与对所述内容有需求的用户数是通过以起始时间对传染病模型中的转移方程进行分段后，通过分段后的转移方程计算得到，所述起始时间是通过传感病模型中各个状态的转移方程，预测该基站的接触态用户数变化为零时所处的时间点，所述转移方程包括：所述接触态的转移速率；所述已成功获取所述内容的用户数是感染态用户数和免疫态用户数之和；
概率确定模块，用于确定所述内容的缓存利用率在预设约束条件下最大时，所述内容的缓存概率；
内容缓存模块，用于基于所述内容的缓存概率，对所述内容进行缓存。
10.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-8任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910127309.XA CN109819459B (zh) | 2019-02-20 | 2019-02-20 | 一种内容的缓存部署方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910127309.XA CN109819459B (zh) | 2019-02-20 | 2019-02-20 | 一种内容的缓存部署方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109819459A true CN109819459A (zh) | 2019-05-28 |
| CN109819459B CN109819459B (zh) | 2020-09-18 |
Family
ID=66606988
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910127309.XA Active CN109819459B (zh) | 2019-02-20 | 2019-02-20 | 一种内容的缓存部署方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109819459B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104166630A (zh) * | 2014-08-06 | 2014-11-26 | 哈尔滨工程大学 | 一种面向内容中心网络中基于预测的最优化缓存放置方法 |
| CN105049326A (zh) * | 2015-06-19 | 2015-11-11 | 清华大学深圳研究生院 | 一种边缘网络区域中社交内容缓存方法 |
| US20160037387A1 (en) * | 2014-07-29 | 2016-02-04 | Nec Laboratories America, Inc. | System and method for resource management in heterogeneous wireless networks |
| CN106570597A (zh) * | 2016-11-14 | 2017-04-19 | 广州大学 | 一种sdn架构下基于深度学习的内容流行度预测方法 |
| CN106998353A (zh) * | 2017-02-27 | 2017-08-01 | 上海大学 | 一种内容中心网络中文件的最优缓存配置方法 |
| CN108259628A (zh) * | 2018-02-28 | 2018-07-06 | 重庆邮电大学 | 异构蜂窝网络中内容缓存与用户关联联合优化方法 |
| CN108901047A (zh) * | 2018-06-15 | 2018-11-27 | 无锡北邮感知技术产业研究院有限公司 | 基于内容流行度变化的基站与终端协作缓存方法及装置 |
| CN109040298A (zh) * | 2018-08-31 | 2018-12-18 | 中国科学院计算机网络信息中心 | 基于边缘计算技术的数据处理方法及装置 |
-
2019
- 2019-02-20 CN CN201910127309.XA patent/CN109819459B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160037387A1 (en) * | 2014-07-29 | 2016-02-04 | Nec Laboratories America, Inc. | System and method for resource management in heterogeneous wireless networks |
| CN104166630A (zh) * | 2014-08-06 | 2014-11-26 | 哈尔滨工程大学 | 一种面向内容中心网络中基于预测的最优化缓存放置方法 |
| CN105049326A (zh) * | 2015-06-19 | 2015-11-11 | 清华大学深圳研究生院 | 一种边缘网络区域中社交内容缓存方法 |
| CN106570597A (zh) * | 2016-11-14 | 2017-04-19 | 广州大学 | 一种sdn架构下基于深度学习的内容流行度预测方法 |
| CN106998353A (zh) * | 2017-02-27 | 2017-08-01 | 上海大学 | 一种内容中心网络中文件的最优缓存配置方法 |
| CN108259628A (zh) * | 2018-02-28 | 2018-07-06 | 重庆邮电大学 | 异构蜂窝网络中内容缓存与用户关联联合优化方法 |
| CN108901047A (zh) * | 2018-06-15 | 2018-11-27 | 无锡北邮感知技术产业研究院有限公司 | 基于内容流行度变化的基站与终端协作缓存方法及装置 |
| CN109040298A (zh) * | 2018-08-31 | 2018-12-18 | 中国科学院计算机网络信息中心 | 基于边缘计算技术的数据处理方法及装置 |
Non-Patent Citations (4)
| Title |
|---|
| SHUO HE 等: "Distributed Cache Placement and User", 《IEEE ACCESS》 * |
| SHUO HE 等: "Edge Popularity Prediction Based on Social-Driven Propagation Dynamics", 《IEEE COMMUNICATIONS LETTERS》 * |
| ZHAOLONG HUANG 等: "Social-Aware Resource Allocation for Content Dissemination Networks: An Evolutionary Game Approach", 《IEEE ACCESS》 * |
| 田辉 等: "面向5G 需求的移动边缘计算", 《北京邮电大学学报》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109819459B (zh) | 2020-09-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10812615B2 (en) | Caching method, system, device and readable storage media for edge computing | |
| CN109144730B (zh) | 一种小小区下任务卸载方法及装置 | |
| CN109818863A (zh) | 链路优先级设置方法及装置 | |
| CN108769253B (zh) | 一种分布式系统访问性能优化的自适应预取控制方法 | |
| CN109274527B (zh) | 一种用于支持mec的scn蜂窝网的缓存优化方法 | |
| CN109951540B (zh) | 一种基于内容时效性的数据获取方法、装置及电子设备 | |
| CN107613500B (zh) | 一种不确定环境下的无线频谱共享方法 | |
| CN109819459B (zh) | 一种内容的缓存部署方法及装置 | |
| CN111465057B (zh) | 一种基于强化学习的边缘缓存方法、装置及电子设备 | |
| CN113114762A (zh) | 一种数据缓存方法及系统 | |
| CN111432380B (zh) | 面向d2d辅助数据卸载的缓存优化方法 | |
| CN113542132A (zh) | 路由信息扩散方法、装置和存储介质 | |
| KR101928650B1 (ko) | 제한된 캐시 메모리 환경에서 파일 및 화질의 선호도를 고려한 파일 저장 방법 및 파일 저장 장치 | |
| CN111278039A (zh) | 用户感知压抑识别方法、装置、设备及介质 | |
| CN113411862B (zh) | 一种动态蜂窝网络中的缓存放置和用户接入方法及装置 | |
| CN112969141B (zh) | 一种通信感知一体化非正交多址随机接入通信方法及装置 | |
| CN111814051B (zh) | 一种资源类型确定方法及装置 | |
| KR101980458B1 (ko) | 무선 온라인 캐싱 시스템에서 파일 및 화질의 선호도를 고려한 파일 저장 방법 및 파일 저장 장치 | |
| CN113986370A (zh) | 移动边缘计算系统的基站选择与任务卸载方法、装置、设备和介质 | |
| JP7469210B2 (ja) | ネットワークの制御装置及びプログラム | |
| US12127043B2 (en) | Wireless bandwidth adjustment method and apparatus, terminal and storage medium | |
| CN116708013B (zh) | 一种DDoS防护方法及装置 | |
| US20220240125A1 (en) | Wireless bandwidth adjustment method and apparatus, terminal and storage medium | |
| KR102163214B1 (ko) | CoMP 기반 스몰 셀 네트워크에서의 기계학습을 활용한 능동 캐싱 기법 | |
| CN110933119B (zh) | 一种更新缓存内容的方法及设备 |
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 |