CN109921997B - 一种命名数据网络缓存方法、缓存器和存储介质 - Google Patents
一种命名数据网络缓存方法、缓存器和存储介质 Download PDFInfo
- Publication number
- CN109921997B CN109921997B CN201910027370.7A CN201910027370A CN109921997B CN 109921997 B CN109921997 B CN 109921997B CN 201910027370 A CN201910027370 A CN 201910027370A CN 109921997 B CN109921997 B CN 109921997B
- Authority
- CN
- China
- Prior art keywords
- node
- cache
- caching
- interest
- data
- 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.)
- Active
Links
Images
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种命名数据网络缓存方法、缓存器和存储介质。本发明的命名数据网络缓存方法包括步骤:判断节点所处的状态;根据节点所处的状态和待定兴趣表获取节点对于分类兴趣包的偏好度;根据待定兴趣表获取分类数据包的当地流行度;根据偏好度和当地流行度计算获取缓存概率;将缓存概率与缓存概率阈值比较,决定是否缓存。本发明还公开了一种命名数据网络缓存器和存储介质。本发明通过判断节点的状态来利用数据包的时空特性,且在确定是否缓存数据包的时候,综合考虑用户偏好度和数据包本地流行度,缓存网络中更加有效的数据内容,得到更好的缓存空间利用率,降低数据冗余度,且提高数据命中率,降低了平均跳数和时延。
Description
技术领域
本发明属于通信技术领域,具体涉及一种基于数据时空特性的命名数据网络缓存方法、缓存器和存储介质。
背景技术
命名数据网络(NDN)是用内容名称代替现有互联网TCP/IP沙漏模型中的“细腰”IP,从而以内容名称作为内容获取、査询、转发和路由的依据。NDN里有两种数据结构:兴趣(Interest)包和数据(Data)包。兴趣包有内容名称、选择符和随机数四个字段,数据包有内容名称、签名、签名信息及内容四个字段。NDN通过对每个数据包进行签名来确保内容的安全性。兴趣包由内容请求者发起用于获取内容,内容提供者回复数据包作为对兴趣包的响应。NDN包含三个数据结构:转发信息表(FIB,Forwarding Information Base)、待定兴趣表(PIT,Pending Interest Table)和内容缓存(CS,Content Store)。FIB表中记录内容前缀的可达信息,包括内容前缀和Data包的下一跳转发接口(即转发接口)。PIT表记录己接收到但未得到响应的Interest包的转发痕迹,包括内容名称、Interest包的接收接口(即请求接口)及PIT各请求接口的生存时限。CS缓存用于临时存储与PIT条目相匹配的Data包,以满足后续来自其他内容请求者的相同请求。
当一个节点接收到一个兴趣包,它首先检测该节点的CS中是否有匹配的数据包,如果存在匹配的数据包,则将其按照兴趣包的输入接口返回。如果没有,则兴趣包的名字继续在PIT中检测,如果该内容名称在PIT中已经存在,这就意味着来自另一个消费者具有相同内容名称的兴趣包已经被接收并且提前被转发,那么节点则添加刚被接收兴趣包的输入接口到这个已存在的PIT条目。如果名字在PIT中不存在,兴趣包被添加到PIT并且按照FIB记录的信息进一步被转发。
当接收到数据包,它的内容名称被用来查找PIT,如果发现一个匹配的PIT条目,路由器则发送数据包到接收兴趣包的接口,缓存数据并且删除PIT条目。否则,数据包则是未经请求,将会丢弃。每个兴趣包都有一个相应的生存期,当生存期到期PIT条目被删除。
而NDN原始设计中的随处缓存策略,使得大量的冗余内容在网络中缓存,而且浪费有限的缓存资源、减少缓存命中,所以提出兼顾效率和开销的缓存冗余优化机制是非常有必要的。目前也出现了一些数据缓存的优化技术,如,王慧强等人在专利《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》中提出将节点缓存空间划分为稳态区和动态区,并根据数据包之间相似程度来决定是否缓存数据包。刘期烈等人在专利《命名数据网络中一种基于流行度预测的协作缓存方法》中提出根据命名数据网络中内容被访问的频率以及内容到请求端的距离,对内容进行流行度预测,得出未来流行度高的内容和流行度低的内容,且在缓存时进行采取不同的策略,可以使流行度高的内容快速推送到边缘节点,使用户更快地在网内命中请求的内容。
上述方法分别依据数据的相似程度和流行度来决定是否缓存数据,没有考虑在车载自组织网络中,数据包的分布会随着时间空间的改变而改变,如在出行高峰期,人们对于交通信息的需求会更大,数据包缓存的时候如果对所有信息全部缓存,就会出现信息缓存延迟时间长、丢包率高等问题。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种命名数据网络缓存方法、缓存器和存储介质。本发明要解决的技术问题通过以下技术方案实现:
一种命名数据网络缓存方法,包括以下步骤:
判断节点所处的状态;
根据所述节点所处的状态和待定兴趣表获取节点对于分类兴趣包的偏好度;
根据所述待定兴趣表获取数据包的当地流行度;
根据所述偏好度和所述当地流行度计算获取缓存概率;
将所述缓存概率与缓存概率阈值比较,决定是否缓存。
在本发明的一个实施例中,在判断节点所处的状态之前,还包括:
根据车辆密度将道路区域划分为核心地带和边缘地带;
根据出行时间统计,将出行时间划分为高峰时间段和非高峰时间段。
在本发明的一个实施例中,判断节点所处的状态,包括:
判断所述节点处于核心地带或边缘地带,获取第一判断结果;
判断所述节点处于高峰时间段或非高峰时间段,获取第二判断结果;
根据所述第一判断结果和所述第二判断结果,获得节点所处的状态。
在本发明的一个实施例中,判断所述节点处于核心地带或边缘地带,获取第一判断结果,包括:
根据车辆自身维护的邻居列表计算区域阈值,所述邻居列表是通过车辆之间相互交换信息获取形成的;
根据邻居节点个数与所述区域阈值判断节点处于核心地带或边缘地带以获得所述第一判断结果。
在本发明的一个实施例中,根据所述节点所处的状态和待定兴趣表获取节点对于分类兴趣包的偏好度,包括:
根据车辆自组织网络的特性,对原始兴趣包和根据所述原始兴趣包请求生成的原始数据包进行分类,得到所述分类兴趣包和分类数据包;
根据节点自己维持的待定兴趣表,分别对所述分类兴趣包的请求进行统计,得到所述分类兴趣包的请求数量;
根据所述分类兴趣包的请求数量和所述分类数据包的类型,获取所述偏好度。
在本发明的一个实施例中,根据所述待定兴趣表计算获取分类数据包的当地流行度,具体包括:
其中,LP为所述当地流行度;suminterface-d是节点请求分类数据包的接口数量,suminterface是节点拥有的全部接口数量。
在本发明的一个实施例中,根据所述偏好度和所述当地流行度计算获取缓存概率,包括:
根据公式P=ηF+(1-η)LP(0<η<1),计算所述缓存概率;
其中,P为所述缓存概率,F为所述偏好度,LP为所述当地流行度,η为权重。
在本发明的一个实施例中,将所述缓存概率与缓存概率阈值比较,决定是否缓存,包括:
设置所述缓存概率阈值Pth;
将所述缓存概率P与所述缓存概率阈值Pth比较;
若所述缓存概率P大于等于所述概率阈值Pth,则缓存当前数据包;若所述缓存概率P小于所述概率阈值Pth,则不缓存当前数据包。
一种命名数据网络缓存器,包括存储器和处理器;其中,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如下步骤:
判断节点所处的状态;
根据所述节点所处的状态和待定兴趣表获取所述节点对于分类兴趣包的偏好度;
根据所述待定兴趣表获取分类数据包的当地流行度;
根据所述偏好度和所述当地流行度计算获取缓存概率;
将所述缓存概率与缓存概率阈值比较,决定是否缓存。
一种存储介质,其上存储有计算器程序,所述计算机程序被处理模块执行时前面任一项所述的方法。
与现有技术相比,本发明的有益效果:
(1)本发明依据城市车辆密度,对城市道路进行区域划分和对出行时间进行时间上划分,去充分利用车辆自组织网络里数据内容对时间和空间依赖的特性。
(2)本发明在建立用户对数据内容的偏好度模型时,在判断用户处于何种状态时,将车辆自组织网络里数据内容对时间和空间依赖的特性考虑进去,得到更加切合实际的当前用户对于不同类型数据的偏爱程度。
(3)本发明在确定是否缓存数据包的时候,综合考虑用户偏好度和数据包本地流行度,缓存网络中更加有效的数据内容,得到更好的缓存空间利用率,降低数据冗余度,且提高数据命中率,降低了平均跳数和时延。
附图说明
图1为本发明实施例提供的一种命名数据网络缓存方法的流程图;
图2为本发明实施例提供的一种命名数据网络缓存方法的系统的流程图;
图3为本发明实施例提供的一种命名数据网络缓存方法的具体的流程图;
图4为本发明实施例提供的一种车辆自组织网络的节点通信示意图;
图5是本发明实施例提供的一种命名数据网络存储器的结构示意图;
图6是本发明实施例提供的一种命名数据网络存储器所执行程序的流程图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述,但本发明的实施方式不限于此。
实施例1:
请参见图1,图1是本发明实施例提供的一种命名数据网络缓存方法的流程图。本发明的命名数据网络缓存方法,包括以下步骤:
S110,判断节点所处的状态;
S120,根据所述节点所处的状态和待定兴趣表获取所述节点对于分类兴趣包的偏好度;
S130,根据待定兴趣表计算获取分类数据包的当地流行度;
S140,根据所述偏好度和所述当地流行度计算获取缓存概率;
S150,将所述缓存概率与缓存概率阈值比较,决定是否缓存。
其中,在步骤S110之前,还可以包括:
S111,根据车辆密度,将道路区域划分为核心地带和边缘地带;
S112,根据出行时间统计,将出行时间划分为高峰时间段和非高峰时间段;
其中,步骤S110,可以包括:
S1101,判断所述节点处于核心地带或边缘地带,获取第一判断结果;
S1102,判断所述节点处于高峰时间段或非高峰时间段,获取第二判断结果;
S1103,根据所述第一判断结果和所述第二判断结果,获得节点所处的状态。
进一步地,判断所述节点处于核心地带或边缘地带,获取第一判断结果;可以包括:
根据车辆自身维护的邻居列表计算区域阈值,所述邻居列表是通过车辆之间相互交换信息获取形成的;
根据邻居节点个数与所述区域阈值判断节点处于核心地带或边缘地带以获得第一判断结果。
其中,对于步骤S120,可以包括:
S121,根据车辆自组织网络的特性,对原始兴趣包和根据所述原始兴趣包请求生成的原始数据包进行分类,得到所述分类兴趣包和分类数据包;
S122,根据节点自己维持的待定兴趣表,分别对所述分类兴趣包的请求进行统计,得到所述分类兴趣包的请求数量;
S123,根据所述分类兴趣包的请求数量和所述分类数据包的类型,获取所述偏好度。
其中,对于步骤S130,可以包括:
其中,LP为当地流行度;suminterface-d是节点请求分类数据包的接口数量,suminterface是节点拥有的全部接口数量。
其中,对于步骤S140,可以包括:
S141,根据公式P=ηF+(1-η)LP(0<η<1),计算缓存概率;
其中,P为缓存概率,F为偏好度,LP为当地流行度,η为权重。
其中,对于步骤S150,可以包括:
S151,设置缓存概率阈值Pth;
S152,将所述缓存概率P与所述缓存概率阈值Pth比较;
S153,若缓存概率P大于等于阈值Pth,则缓存当前数据包;若得到的缓存概率P小于阈值Pth,则不缓存当前数据包。
实施例2:
请参见图2、图3和图4,图2是本发明实施例提供的一种命名数据网络缓存方法的系统的流程图,图3是本发明实施例提供的一种命名数据网络缓存方法的具体的流程图,图4为本发明实施例提供的一种车辆自组织网络的节点通信示意图。本实施例在上述实施例的基础上,进一步地对本发明的命名数据网络缓存方法进行详细描述。
在进行具体实施例描述之前,请先参见图4所示,在图4显示的城市道路车辆中,消费者代表发出兴趣包的车辆,邻居节点代表发出兴趣包车俩周围的车辆,转发节点代表转发兴趣包和数据包的车辆,生产者代表根据兴趣包生成对应数据包的车辆。消费者、邻居节点、转发节点和生产者组成了车辆自组织网络。车辆自组织网络包含许多位置未知、随机分布的、并且沿着道路运动的车辆。假设有N个消费者,K个生产者,每个消费者以f H z频率发送兴趣包,请求不同类型的数据包。为了保证可以对不同类型兴趣包和数据包做统计,对兴趣包和数据包加上三种标签,分别为Tag1,Tag2和Tag3。在经过多个中间节点转发,兴趣包最终会到达生产者,生产者根据兴趣包的内容名称生成相应的数据包,按照兴趣包转发的路径反向转发回去。如图4,假设消费者需要数据包d,它就会自己生成相应的兴趣包,进行广播,在其通讯范围内的邻居节点都会接收到此兴趣包,因其并不是生产者且其CS里并不包含此数据包,其邻居节点就会再次转发此兴趣包,这样持续下去,兴趣包就会沿着①-②-③路径到达生产者,生产者车辆就会生成对应的数据包d,并沿原路径返回给消费者,即④-⑤-⑥。在数据包d到达转发节点1和转发节点2时,转发节点1和转发节点2就会依据缓存策略来决定是否需要缓存数据包。
假设经过一段时间的不同类型兴趣包转发,沿途的节点都已经根据兴趣包的转发维护了一定规模的PIT;本实施例以一数据包d到达节点s时,节点s需要判断是否需要缓存数据包d为例来详细解说本发明提出的数据缓存方法。
一种命名数据网络缓存方法,包括如下步骤:
S210,节点s判断自己当前所处的状态。
本步骤具体包括:
S211,节点s与邻居节点互相发送携带自身当前行驶速度信息的hello包,得到自己邻居节点个数nneighbor,以及邻居节点的行驶速度vi(i=1,2,...nneighbor),首先根据公式(v0是节点s行驶速度)计算节点s所在道路的平均行驶速度v,再根据节点s当前所在道路的车道数nlane计算阈值α。
具体计算公式为:
α=f(v/vexpectation)+f(nlane);其中,nlane表示当前节点所在车路是几车道;f(v/vexpectation)表示是随着v增大而递减,f(nlane)表示是随着nlane增大而增大。
其中,期望车速均值可根据城市不同等级道路车速均值确定;如表1所示的是深圳市各等级道路期望车速推荐值。
表1深圳市各等级道路期望车速推荐值
道路等级 | 高速公路 | 快速路 | 主干路 | 次干路 | 支路 |
期望车速均值v<sub>expectation</sub> | 95km/h | 75km/h | 50km/h | 40km/h | 35km/h |
S212,节点s将nneighbor与阈值α进行比较得到当前自己是处于核心地带还是边缘地带(0表示处于边缘地带,1表示处于核心地带)。
S213,节点s将自己目前所处的时间段与通常的高峰出行时间进行比较,得到当前自己是否处于出行高峰期时间段内(0表示处于非高峰期时间段内,1表示处于高峰期时间段内);为了使用方便,可将滴滴出行推荐的高峰出行时间作为通常的高峰出行时间,比如7:00~10:00,17:00~19:00;结合当前车辆所在的时间段,来确定当前车辆是否处于高峰期时间段内。
S214,根据当前节点是处于边缘地带还是核心地带,以及此刻处于的时间段,根据表2的车辆状态说明确定节点s目前所处的状态State(State∈{A,B,C,D})。
表2车辆状态说明
状态 | 状态说明 |
A(0,0) | 车辆处于边缘地带,非高峰期时间段内 |
B(0,1) | 车辆处于边缘地带,高峰期时间段内 |
C(1,0) | 车辆处于核心地带,非高峰期时间段内 |
D(1,1) | 车辆处于核心地带,高峰期时间段内 |
S220,根据PIT得到节点s对于三种不同类型的兴趣包的偏好度F。
本步骤具体包括:
S221,根据车辆自组织网络的特性,对兴趣包和数据包进行分类,分为三种类型:紧急消息、交通消息和娱乐消息;其中紧急消息为发生交通事故,交通消息为道路目前拥塞情况,娱乐消息可以包括视频,音乐,照片等一系列其它消息。
S222,节点根据自己维持的PIT表,分别对于三种不同类型的兴趣包请求进行统计,得到对于三种不同类型的数据的请求数量Sum={sum1,sum2,sum3}。
表3不同节点状态的λ参考值
节点状态 | A(0,0) | B(0,1) | C(1,0) | D(1,1) |
λ={λ<sub>1</sub>,λ<sub>2</sub>,λ<sub>3</sub>} | λ={1,1,1} | λ={1,m,1}(m>1) | λ={m,1,1}(m>1) | λ={m,m,1}(m>1) |
S230,根据PIT计算分类数据包d的当地流行度LP。
本步骤具体包括:
S240,根据计算得到的偏好度和当地流行度,计算得到最后的缓存概率P=ηF+(1-η)LP(0<η<1)。
S250,设置缓存概率阈值Pth,若得到的缓存概率P大于等于阈值Pth,则缓存数据包d;若得到的缓存概率P小于阈值Pth,则不缓存数据包d,完成整个缓存策略的决策。
实施例3:
请参见图5和图6,图5是本发明实施例提供的一种命名数据网络存储器的结构示意图,图6是本发明实施例提供的一种命名数据网络存储器所执行程序的流程图。本实施例的命名数据网络存储器300,包括存储器301和处理器302;其中,所述存储器存储301有计算机程序,所述处理器301执行所述计算机程序时实现如下步骤:
S310,判断节点所处的状态;
S320,根据所述节点所处的状态和待定兴趣表获取所述节点对于分类兴趣包的偏好度;
S320,根据所述待定兴趣表获取分类数据包的当地流行度;
S340,根据所述偏好度和所述当地流行度计算获取缓存概率;
S350,将所述缓存概率与缓存概率阈值比较,决定是否缓存。
需要说明的是,各步骤的详细方法与实施例1或实施例2中的命名数据网络缓存方法相同,其实现原理和技术效果类似,在此不再赘述。
实施例4:
一种存储介质,其上存储有计算器程序,所述计算机程序被处理模块执行时实现命名数据网络缓存方法,该基命名数据网络缓存方法如实施例1或实施例2所述,其实现原理和技术效果类似,在此不再赘述。
本发明依据城市车辆密度,对城市道路进行区域划分和对出行时间进行时间上划分,去充分利用车辆自组织网络里数据内容对时间和空间依赖的特性;此外,本发明在建立用户对数据内容的偏好度模型时,在判断用户处于何种状态时,将车辆自组织网络里数据内容对时间和空间依赖的特性考虑进去,得到更加切合实际的当前用户对于不同类型数据的偏爱程度。本发明在确定是否缓存数据包的时候,综合考虑用户偏好度和数据包本地流行度,缓存网络中更加有效的数据内容,得到更好的缓存空间利用率,降低数据冗余度,且提高数据命中率,降低了平均跳数和时延。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种命名数据网络缓存方法,其特征在于,包括以下步骤:
判断节点所处的状态;
根据所述节点所处的状态和待定兴趣表获取所述节点对于分类兴趣包的偏好度;
根据所述待定兴趣表获取分类数据包的当地流行度;
根据所述偏好度和所述当地流行度计算获取缓存概率;
将所述缓存概率与缓存概率阈值比较,决定是否缓存。
2.根据权利要求1所述的命名数据网络缓存方法,其特征在于,在判断节点所处的状态之前,还包括:
根据车辆密度,将道路区域划分为核心地带和边缘地带;
根据出行时间统计,将出行时间划分为高峰时间段和非高峰时间段。
3.根据权利要求2所述的命名数据网络缓存方法,其特征在于,判断节点所处的状态,包括:
判断所述节点处于核心地带或边缘地带,获取第一判断结果;
判断所述节点处于高峰时间段或非高峰时间段,获取第二判断结果;
根据所述第一判断结果和所述第二判断结果,获得节点所处的状态。
4.根据权利要求3所述的命名数据网络缓存方法,其特征在于,判断所述节点处于核心地带或边缘地带,获取第一判断结果,包括:
根据车辆自身维护的邻居列表计算区域阈值,所述邻居列表是通过车辆之间相互交换信息获取形成的;
根据邻居节点个数与所述区域阈值判断节点处于核心地带或边缘地带以获得所述第一判断结果。
5.根据权利要求1所述的命名数据网络缓存方法,其特征在于,根据所述节点所处的状态和待定兴趣表获取所述节点对于分类兴趣包的偏好度,包括:
根据车辆自组织网络的特性,对原始兴趣包和根据所述原始兴趣包请求生成的原始数据包进行分类,得到所述分类兴趣包和分类数据包;
根据节点自己维持的待定兴趣表,分别对所述分类兴趣包的请求进行统计,得到所述分类兴趣包的请求数量;根据所述分类兴趣包的请求数量和所述分类数据包的类型,获取所述偏好度。
7.根据权利要求6所述的命名数据网络缓存方法,其特征在于,根据所述偏好度和所述当地流行度计算获取缓存概率,包括:
根据公式P=ηF+(1-η)LP(0<η<1),计算所述缓存概率;
其中,P为所述缓存概率,F为所述偏好度,LP为所述当地流行度,η为权重。
8.根据权利要求7所述的命名数据网络缓存方法,其特征在于,将所述缓存概率与缓存概率阈值比较,决定是否缓存,具体包括:
设置所述缓存概率阈值Pth;
将所述缓存概率P与所述缓存概率阈值Pth比较;
若所述缓存概率P大于等于所述概率阈值Pth,则缓存当前数据包;若所述缓存概率P小于所述概率阈值Pth,则不缓存当前数据包。
9.一种命名数据网络缓存器,其特征在于,包括存储器和处理器;其中,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如下步骤:
判断节点所处的状态;
根据所述节点所处的状态和待定兴趣表获取所述节点对于分类兴趣包的偏好度;
根据所述待定兴趣表获取分类数据包的当地流行度;
根据所述偏好度和所述当地流行度计算获取缓存概率;
将所述缓存概率与缓存概率阈值比较,决定是否缓存。
10.一种存储介质,其上存储有计算器程序,其特征在于,所述计算机程序被处理模块执行时实现权利要求1~8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910027370.7A CN109921997B (zh) | 2019-01-11 | 2019-01-11 | 一种命名数据网络缓存方法、缓存器和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910027370.7A CN109921997B (zh) | 2019-01-11 | 2019-01-11 | 一种命名数据网络缓存方法、缓存器和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109921997A CN109921997A (zh) | 2019-06-21 |
CN109921997B true CN109921997B (zh) | 2020-09-01 |
Family
ID=66960270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910027370.7A Active CN109921997B (zh) | 2019-01-11 | 2019-01-11 | 一种命名数据网络缓存方法、缓存器和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109921997B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112291284B (zh) * | 2019-07-22 | 2023-01-03 | 中国移动通信有限公司研究院 | 一种内容推送方法、装置和计算机可读存储介质 |
CN110933645B (zh) * | 2019-11-01 | 2021-04-20 | 西安交通大学 | 一种基于车联网场景下的ccn停留时间内容缓存方法 |
CN112994888B (zh) * | 2019-12-12 | 2022-06-21 | 北京邮电大学 | 命名数据网络的隐私保护方法、系统和密钥传输方法 |
CN111262785B (zh) * | 2020-01-16 | 2021-09-28 | 北京工业大学 | 一种命名数据网络中的多属性概率缓存方法 |
CN111488528A (zh) * | 2020-04-28 | 2020-08-04 | 西安邮电大学 | 内容缓存管理方法及装置、电子设备 |
CN111770024B (zh) * | 2020-07-03 | 2022-09-23 | 重庆邮电大学 | 命名数据网络中兴趣包转发接口选择方法 |
CN111866952B (zh) * | 2020-07-10 | 2021-10-01 | 中山大学 | 一种基于用户组偏好集中度差异的d2d概率式缓存放置方法 |
CN111935301B (zh) * | 2020-08-20 | 2021-10-01 | 北京邮电大学 | 一种命名数据网络的缓存放置决策信息的确定方法及装置 |
CN113542349A (zh) * | 2021-05-31 | 2021-10-22 | 北京邮电大学 | 一种命名数据网络的缓存替换方法及装置 |
CN114710561B (zh) * | 2022-04-01 | 2023-05-16 | 中国人民解放军战略支援部队信息工程大学 | 基于协议无关转发的网内内容缓存方法、装置及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104901980A (zh) * | 2014-03-05 | 2015-09-09 | 北京工业大学 | 基于流行度的数据命名网络的均衡分布缓存方法 |
CN106453495A (zh) * | 2016-08-31 | 2017-02-22 | 北京邮电大学 | 一种基于内容流行度预测的信息中心网络缓存方法 |
CN107404530A (zh) * | 2017-07-27 | 2017-11-28 | 北京邮电大学 | 基于用户兴趣相似度的社交网络协作缓存方法及装置 |
WO2018001532A1 (en) * | 2016-06-30 | 2018-01-04 | Telefonaktiebolaget Lm Ericsson (Publ) | Content delivery measurement in an information centric network |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8897806B2 (en) * | 2012-03-27 | 2014-11-25 | Toyota Jidosha Kabushiki Kaisha | Dynamic data publication and dissemination |
KR102100710B1 (ko) * | 2012-11-26 | 2020-04-16 | 삼성전자주식회사 | 컨텐츠 중심 네트워크에서 컨텐츠 소유자 및 노드의 패킷 전송 방법 |
US9825860B2 (en) * | 2014-05-30 | 2017-11-21 | Futurewei Technologies, Inc. | Flow-driven forwarding architecture for information centric networks |
CN105049254B (zh) * | 2015-07-30 | 2018-08-21 | 重庆邮电大学 | 一种ndn/ccn中基于内容等级及流行度的数据缓存替换方法 |
CN105262833B (zh) * | 2015-10-30 | 2018-11-09 | 北京邮电大学 | 一种内容中心网络的跨层缓存方法及其节点 |
CN105407055B (zh) * | 2015-12-30 | 2018-09-28 | 深圳先进技术研究院 | 一种内容中心网络的能耗控制方法 |
CN106603646B (zh) * | 2016-12-07 | 2019-07-09 | 北京邮电大学 | 一种基于用户兴趣偏好的信息中心网络缓存方法 |
-
2019
- 2019-01-11 CN CN201910027370.7A patent/CN109921997B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104901980A (zh) * | 2014-03-05 | 2015-09-09 | 北京工业大学 | 基于流行度的数据命名网络的均衡分布缓存方法 |
WO2018001532A1 (en) * | 2016-06-30 | 2018-01-04 | Telefonaktiebolaget Lm Ericsson (Publ) | Content delivery measurement in an information centric network |
CN106453495A (zh) * | 2016-08-31 | 2017-02-22 | 北京邮电大学 | 一种基于内容流行度预测的信息中心网络缓存方法 |
CN107404530A (zh) * | 2017-07-27 | 2017-11-28 | 北京邮电大学 | 基于用户兴趣相似度的社交网络协作缓存方法及装置 |
Non-Patent Citations (2)
Title |
---|
Efficient caching strategy in content-centric networking for vehicular ad-hoc network applications;Dong Doan Van等;《IET Intelligent Transport Systems》;20180816;第12卷;全文 * |
基于命名数据的VANETs网络中缓存策略的研究;王利伟;《中国优秀硕士学位论文全文数据库(电子期刊) 信息科技辑》;20180315(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109921997A (zh) | 2019-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109921997B (zh) | 一种命名数据网络缓存方法、缓存器和存储介质 | |
Yao et al. | Cooperative caching in vehicular content centric network based on social attributes and mobility | |
CN108650657B (zh) | 一种车联网中的内容分发方法、内容更新方法和相关装置 | |
CN104901980A (zh) | 基于流行度的数据命名网络的均衡分布缓存方法 | |
Mick et al. | Muncc: Multi-hop neighborhood collaborative caching in information centric networks | |
KR20140067881A (ko) | 컨텐츠 중심 네트워크에서 컨텐츠 소유자 및 노드의 패킷 전송 방법 | |
Le et al. | Social caching and content retrieval in disruption tolerant networks (DTNs) | |
CN111107000B (zh) | 一种基于网络编码的命名数据网络中内容缓存方法 | |
CN102045392A (zh) | 一种无结构p2p网络的基于兴趣的自适应拓扑优化方法 | |
CN105991763B (zh) | 未决兴趣表行为 | |
CN110958573B (zh) | 车载内容中心网络下基于一致性哈希的移动感知协作缓存方法 | |
Khelifi et al. | A QoS-aware cache replacement policy for vehicular named data networks | |
Coutinho et al. | Information-centric strategies for content delivery in intelligent vehicular networks | |
De Castro et al. | A dynamic hierarchical VANET architecture for named data networking applications | |
Gui et al. | A cache placement strategy based on compound popularity in named data networking | |
CN108289062B (zh) | 一种基于软件定义的信息中心网络系统 | |
Zhang et al. | ECRA: An encounter-aware and clustering-based routing algorithm for information-centric VANETs | |
CN106941695B (zh) | 机会网络中一种基于兴趣匹配的数据分发方法 | |
Dua et al. | Bloom filter based efficient caching scheme for content distribution in vehicular networks | |
WO2020160007A1 (en) | Semantics and deviation aware content request and multi-factored in-network content caching | |
Alduayji et al. | PF-EdgeCache: Popularity and freshness aware edge caching scheme for NDN/IoT networks | |
Leira et al. | Context-based caching in mobile information-centric networks | |
CN110784412B (zh) | 基于交通流量的分簇路由查找的方法、装置及系统 | |
CN113382053A (zh) | 基于节点半局部中心性和内容热度的内容主动推送方法 | |
Reshadinezhad et al. | An efficient adaptive cache management scheme for named data networks |
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 |