CN111124298A - 一种基于价值函数的雾计算网络内容缓存替换方法 - Google Patents

一种基于价值函数的雾计算网络内容缓存替换方法 Download PDF

Info

Publication number
CN111124298A
CN111124298A CN201911297784.8A CN201911297784A CN111124298A CN 111124298 A CN111124298 A CN 111124298A CN 201911297784 A CN201911297784 A CN 201911297784A CN 111124298 A CN111124298 A CN 111124298A
Authority
CN
China
Prior art keywords
content
fog
cache
node
value
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
Application number
CN201911297784.8A
Other languages
English (en)
Other versions
CN111124298B (zh
Inventor
李旭杰
沈寄畅
臧振楠
孙颖
胡居荣
顾燕
郭洁
吕勇
李建霓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hohai University HHU
Original Assignee
Hohai University HHU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hohai University HHU filed Critical Hohai University HHU
Priority to CN201911297784.8A priority Critical patent/CN111124298B/zh
Publication of CN111124298A publication Critical patent/CN111124298A/zh
Application granted granted Critical
Publication of CN111124298B publication Critical patent/CN111124298B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0655—Vertical data movement, i.e. input-output transfer; data movement between one or more hosts and one or more storage devices
    • G06F3/0656—Data buffering arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
    • G06F3/0604—Improving or facilitating administration, e.g. storage management
    • G06F3/0607—Improving or facilitating administration, e.g. storage management by facilitating the process of upgrading existing storage systems, e.g. for improving compatibility between host and storage device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0638—Organizing or formatting or addressing of data
    • G06F3/0644—Management of space entities, e.g. partitions, extents, pools
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
    • G06F3/067—Distributed or networked storage systems, e.g. storage area networks [SAN], network attached storage [NAS]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Information Transfer Between Computers (AREA)
  • Memory System Of A Hierarchy Structure (AREA)

Abstract

本发明公开了一种基于价值函数的雾计算网络内容缓存替换方法，该方法中，在用户终端发出内容请求时，依次访问雾节点获取内容，并实时更新访问次数等信息；若遍历雾节点后仍无法获取内容，则根据其价值函数决定是否从云端将内容缓存到雾节点，该函数结合了内容流行度、内容大小和可用缓存存储空间等因素；并且本发明提出新的内容缓存替换方法，若需缓存内容大小大于雾节点剩余容量，则执行该内容缓存替换方法，选择最合适的雾节点删除一部分内容并对新的内容进行存储。本发明可应用于雾计算网络的设计和部署，提出的基于价值函数的内容缓存替换方法提高了用户请求被响应的概率，而且雾节点存储空间利用率较高，缓存性能优势明显。

Description

一种基于价值函数的雾计算网络内容缓存替换方法
技术领域
本发明涉及雾计算通信领域，具体涉及一种基于价值函数的雾计算网络内容缓存替换方法。
背景技术
如今，对数据流量的需求日益增长。云计算技术对当前通信网络技术的发展做出了重大贡献，但是用户的大量访问会导致带宽严重不足、网络延迟等问题。为了解决这一问题，雾计算应运而生，它有效地提高了网络的吞吐量，降低了网络的时延。在雾计算网络中，雾节点距离用户非常近，具有存储、计算、通信等功能。因此，雾节点可以提前缓存流行的、有趣的内容。这样可以有效地减少用户访问网络的时间和卸载回程流量。因此，内容缓存技术正成为雾计算的一个重要研究课题。
然而，目前研究较多的是内容受欢迎程度的影响，而忽略了缓存内容大小和缓存设备的剩余存储空间对缓存性能的影响。与此同时，缓存机制还存在其他一些问题需要解决。例如，应该考虑雾节点的存储容量有限，因为沉重的负荷将导致高延迟和低服务质量(QoS)的用户。因此，这些影响缓存性能的因素应该作为一个整体来考虑。在此基础上，定义和描述了价值函数。为了提高缓存命中率，提出了一种基于价值函数的缓存替换方案。
发明内容
发明目的：本发明目的是针对雾计算架构下的内容缓存问题，提供一种基于价值函数的雾计算网络内容缓存替换方法，有效地提高了缓存命中率，优化了其性能。
技术方案：为实现上述发明目的，本发明采用如下技术方案：
一种基于价值函数的雾计算网络内容缓存替换方法，包括以下步骤：
(1)在用户终端UEi请求内容ck时，UEi依次访问其通信区域内距离由近及远的雾节点集合packagei中的雾节点，若packagei中第1个雾节点Fi,1缓存有ck，则UEi与Fi,1建立通信连接并下载ck，并更新ck在Fi,1中的请求次数
Figure BDA0002321027410000011
Fi,1的总访问次数
Figure BDA0002321027410000012
以及Fi,1的剩余空间
Figure BDA0002321027410000013
若Fi,1没有缓存ck，则按照轮询规则继续访问其他雾节点，并实时更新相关信息；
(2)若遍历完packagei中的所有雾节点均无用户请求的内容ck，则从云数据中心获取ck，并根据内容缓存价值判断是否满足需要在雾节点中缓存ck；如果存在雾节点对内容ck的缓存价值大于设定的最低阈值，则检查相应雾节点的剩余存储空间；否则放弃存储内容ck；所述缓存价值根据价值函数计算，价值函数定义为流行因子和空间影响因子的乘积；
(3)若存在满足剩余空间大于等于内容ck的大小的雾节点，则把ck存入该节点中，并更新其相关信息，缓存过程结束；否则，在packagei中的所有雾节点中选择缓存价值最低的内容进行缓存替换。
在优选的实施方案中，所述步骤(2)中，流形因子定义为一个时间周期内内容被用户请求的平均次数。
在优选的实施方案中，所述步骤(2)中，空间影响因子定义为：
Figure BDA0002321027410000021
其中，gk为内容ck的大小，
Figure BDA0002321027410000022
为雾节点Fj剩余存储空间，G0为雾节点Fj总的存储空间。
在优选的实施方案中，内容ck缓存在雾节点Fj的缓存价值定义为：
Figure BDA0002321027410000023
其中，Rk为一个时间周期用户终端对内容ck的请求次数，t0和tc为一个时间周期的起始和终止时间，gk为内容ck的大小，
Figure BDA0002321027410000024
为雾节点Fj剩余存储空间，G0为雾节点Fj总的存储空间。
在优选的实施方案中，所述步骤(3)中，根据如下步骤在雾节点中选择缓存价值最低的内容进行缓存替换：
(3.1)令j初始值为1，Fj为packagei中的一个雾节点，计算内容ck存入Fj时，需要在Fj中删除的内容大小
Figure BDA0002321027410000031
其中gk为内容ck的大小，
Figure BDA0002321027410000032
为雾节点Fj剩余存储空间；
(3.2)找到雾节点Fj中内容大小gk’满足
Figure BDA0002321027410000033
的内容，将他们记为集合
Figure BDA0002321027410000034
其他内容记为集合
Figure BDA0002321027410000035
(3.3)计算集合
Figure BDA0002321027410000036
中的每个内容在Fj中的缓存价值，找到最小值对应的内容记为
Figure BDA0002321027410000037
将缓存价值记为
Figure BDA0002321027410000038
(3.4)计算集合
Figure BDA0002321027410000039
中的每个内容在Fj中的缓存价值并按升序排序，根据此序列得到对应内容序列，按内容序列的顺序将内容大小累加，当累加至内容总和大于等于
Figure BDA00023210274100000310
时，把所有参与累加的内容记为集合
Figure BDA00023210274100000311
计算
Figure BDA00023210274100000312
中各内容的缓存价值总和，记为
Figure BDA00023210274100000313
(3.5)令j＝j+1；重复步骤(3.1)-(3.5)至遍历完packagei中的所有雾节点；
(3.6)比较所有
Figure BDA00023210274100000314
与
Figure BDA00023210274100000315
得到最小值对应的内容集合，记为集合Creplace，然后将集合Creplace中的内容替换为ck。
通过执行缓存替换策略，雾节点中缓存价值最低的内容被替换，使雾节点中内容的整体缓存价值提升，同时该策略尽量减少了替换内容的字节数。
有益效果：与几种经典缓存替换算法相比，本发明方法分析了内容流行度、内容大小和可用缓存存储空间对系统性能的影响。然后定义了结合这些因素的价值函数。在此基础上，提出了一种内容缓存替换方案，可以有效提高用户请求被响应的概率，而且雾节点存储空间利用率较高，缓存性能优势明显。
附图说明
图1是雾计算网络模型图；
图2是本发明实施例的方法流程图；
图3是用户与雾节点可通信区域示意图；
图4是基于价值函数的内容缓存算法和其他算法的雾节点缓存命中率图；
图5是基于价值函数的内容缓存算法和其他算法的雾节点字节命中率图；
图6是基于价值函数的内容缓存算法和其他算法的雾节点缓存替换率图；
图7是F-AP存储空间同用户请求命中率关系图；
图8是F-AP存储空间同字节命中率关系图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
下面结合具体场景对本发明实施例的具体实施过程和效果做详细说明，首先介绍一下场景的设定与参数的设置。
1.用户终端和雾节点的分布
在雾计算网络模型中，如图1所示，云数据中心通过前向链路与雾计算的雾节点建立有线连接，终端用户UE与雾节点F-AP建立无线通信链路进行数据传输。假设在该模型下，一个单小区内有M个终端用户，用集合U＝(UE1,UE2,…,UEi,…UEM)，小区内设置N个雾节点，用集合F＝(F1,F2,…,Fj,…FN)表示，M和N为大于0的整数，用户与雾节点在小区中为均匀分布。
2.信道模型
在该场景下，假设小区内每个用户与雾节点的通信链路占用独立的子信道，信道资源彼此正交，用户与雾节点通信过程中不存在同频干扰。假设雾节点与用户之间的信道状态遵循自由空间衰减模型，即Pr/Pt＝1/dα。其中，Pr表示用户端接收功率，Pt表示雾节点发射功率，d表示雾节点和用户之间的距离，α表示路径损耗因子。
3.用户内容请求模型
现有的研究表明，用户对内容的访问近似符合Zipf定律，因此本实施例用Zipf分布模拟用户对内容的请求情况。则用户请求内容ck的概率为
Figure BDA0002321027410000051
其中，
Figure BDA0002321027410000052
k代表内容ck的索引，σ(σ＞0)为描述Zipf分布的参数。
4.缓存价值影响因素
(1)内容流行度
假设从t0到tc(tc>t0)时刻为一个时间周期，用户终端对内容ck的请求次数为Rk次。则将该时间周期内ck被用户请求的平均次数定义ck的流行因子，表示为
Figure BDA0002321027410000053
在同一周期内，用户请求ck次数越多，则ck流行程度越高，应该拥有更多的缓存机会来满足用户对其较大的潜在需求。
(2)内容大小和雾节点剩余存储空间
把当前时刻雾节点Fj已被占用的存储空间记为
Figure BDA0002321027410000054
那么Fj剩余存储空间为
Figure BDA0002321027410000055
将ck的大小gk和Fj的剩余存储空间对缓存价值的影响程度记为影响因子μk,,j。当ck存入Fj时，定义影响因子为
Figure BDA0002321027410000056
5.缓存性能评价指标
根据缓存系统是否命中用户请求，定义一个二进制缓存变量h i，i表示用户的第i次请求。hi满足如下定义：
Figure BDA0002321027410000057
在雾计算网络中，为了客观衡量缓存替换策略对于缓存性能的影响，主要采用以下评价指标：
(1)雾节点缓存命中率：
Figure BDA0002321027410000061
其中，雾节点被访问的总次数为Iaccess，其中成功为用户提供内容的次数为Ioffer。
(2)雾节点缓存替换率：
Figure BDA0002321027410000062
缓存替换率定义为一段时间内,雾节点中被替换内容的大小与雾节点总存储空间的比值。其中，被替换的内容的大小为gi，被替换的m个内容总大小为
Figure BDA0002321027410000063
(3)用户请求命中率：
Figure BDA0002321027410000064
其中，系统中用户总访问请求次数为Ireq次，用户的访问请求得到响应的次数为
Figure BDA0002321027410000065
(4)字节命中率：
Figure BDA0002321027410000066
其中，第j个请求的内容大小为gj。
基于上述理论基础，对本发明的基于价值函数的雾计算网络内容缓存替换方法进行设计。
首先对本发明使用的符号或参数说明如下：
M：小区内终端用户数量
N：小区内雾节点数量
K：流行内容的数量
R：小区半径
UEi：第i个用户终端
Fj：第j个雾节点
Pr：用户端接收功率
Pt：雾节点发射功率
d：雾节点和用户之间的距离
α：路径损耗因子
Figure BDA0002321027410000071
用户UEi与雾节点Fj通信时，UEi的信噪比
di,j：UEi与Fj之间的距离
N0：加性高斯白噪声功率
γth：用户信噪比阈值
dmax：满足通信所需QoS前提下，用户能与雾节点建立无线连接的最远距离
packagei：可以为UEi提供内容的雾节点的集合
ck：用户请求内容
G0：雾节点存储空间大小
Figure BDA0002321027410000072
用户请求内容ck的概率
k：内容ck的索引
σ：描述Zipf分布的参数
t0：一个时间周期起始
tc：一个时间周期终止
Rk：一个时间周期内终端用户对内容ck的请求次数
Figure BDA0002321027410000073
一个时间周期内ck被用户请求的平均次数(ck的流行因子)
Figure BDA0002321027410000074
Fj已被占用的存储空间
Figure BDA0002321027410000075
Fj剩余存储空间
μk,j：ck的大小和Fj的剩余存储空间对缓存价值的影响程度(影响因子)
μk',j：gk’对缓存价值的影响程度
Valuet,j：雾节点Fi,1,Fi,2,…,Fi,t,…,Fi,T中的内容ck的缓存价值
Valueth：缓存价值的最低阈值
Valuek',j：
Figure BDA0002321027410000076
中的内容的缓存价值
hi：二进制缓存变量
Iacess：雾节点被访问的总次数
Ioffer：雾节点成功为用户提供内容的次数
Ihit：用户的访问请求得到响应的次数
ηreplace：缓存替换率
ηu：用户请求命中率
Breq：用户请求的总字节数
Bhit：命中字节数
ηB：字节命中率
Fi,T：UEi通信区域内第T个雾节点
Figure BDA0002321027410000081
ck在Fi,1中的请求次数
Figure BDA0002321027410000082
Fi,1的总访问次数
Figure BDA0002321027410000083
Fi,t的剩余存储空间
Figure BDA0002321027410000084
需要在Fj中删除的内容大小
gk：用户请求内容ck的大小
gk’：已经缓存在雾节点Fj中的内容的大小
gj：用户第j个请求的内容大小。
Figure BDA0002321027410000085
被替换的m个内容总大小
Figure BDA0002321027410000086
满足
Figure BDA0002321027410000087
的内容的集合
Figure BDA0002321027410000088
满足
Figure BDA0002321027410000089
的内容的集合
Figure BDA00023210274100000810
集合
Figure BDA00023210274100000811
中的内容按缓存价值升序排序，将内容按序累加至总内容大于
Figure BDA00023210274100000812
时，所有参与累加的内容集合。
Figure BDA00023210274100000813
集合
Figure BDA00023210274100000814
中在Fj中的缓存价值最小的内容
Creplace：比较
Figure BDA00023210274100000815
与
Figure BDA00023210274100000816
得到最小值对应的内容集合，即在Fj中缓存ck需要删除的内容。
Figure BDA00023210274100000817
Figure BDA00023210274100000818
的缓存价值
Figure BDA00023210274100000819
Figure BDA00023210274100000820
的缓存价值
T：UEi的通信区域内部署雾节点的个数
如图2所示，本发明实施例公开的一种基于价值函数的雾计算网络内容缓存替换方法，包括以下步骤：
(1)初始化系统参数，并假设用户与雾节点在小区中都为均匀分布。在该场景下，小区内每个用户与雾节点的通信链路占用独立的子信道，信道资源彼此正交，用户与雾节点通信过程中不存在同频干扰。
(2)假设UEi请求内容ck，UEi依次访问packagei中的雾节点，若雾节点Fi,1缓存有ck，则用户与Fi,1建立通信连接并下载ck，并更新在Fi,1中的请求次数
Figure BDA0002321027410000091
Fi,1的总访问次数
Figure BDA0002321027410000092
以及Fi,1的剩余空间
Figure BDA0002321027410000093
若Fi,1没有缓存ck，则按照轮询规则继续访问中的其他雾节点，并实时更新相关信息。
其中，在UEi的通信区域内部署有T个雾节点，按照距离UEi由近及远的顺序依次为Fi,1,Fi,2,...,Fi,t,...,Fi,T，记为集合packagei＝{Fi,1,Fi,2,...,Fi,t,...,Fi,T}。
(3)若遍历完packagei中的所有雾节点均无用户请求的内容ck，则需要从云数据中心获取ck，并根据内容缓存价值判断是否需要在雾节点中缓存ck。将雾节点Fi,1,Fi,2,…,Fi,t,…,Fi,T中的内容的缓存价值分别记为Valuek,t。如果满足Valuek,t>Valueth，我们需要检查雾节点Fi,t的剩余存储空间。其中，Valueth为缓存价值的最低阈值。
本方法将内容ck缓存在雾节点Fi,t的缓存价值函数定义为：
Figure BDA0002321027410000094
(4)若遍历到满足
Figure BDA0002321027410000095
的雾节点，把ck存入该节点中，并更新该节点的缓存内容，缓存过程结束；
(5)否则，雾节点Fi,1,Fi,2,…,Fi,t,…,Fi,T需要执行本方法提出的缓存替换方法。缓存替换方法可以包括以下步骤：
1)令j初始值为1，Fj为packagei中的一个雾节点，计算内容ck存入Fj时，需要在Fj中删除的内容大小
Figure BDA0002321027410000101
2)找到Fj中内容大小gk’满足
Figure BDA0002321027410000102
的内容，将他们记为集合
Figure BDA0002321027410000103
其他内容记为集合
Figure BDA0002321027410000104
3)计算将集合
Figure BDA0002321027410000105
中的每个内容在Fj中的缓存价值，找到最小值对应的内容记为
Figure BDA0002321027410000106
将缓存价值记为
Figure BDA0002321027410000107
集合
Figure BDA0002321027410000108
中的每个内容在Fj中的缓存价值计算公式如下：
Figure BDA0002321027410000109
4)计算集合
Figure BDA00023210274100001010
中的每个内容在Fj中的缓存价值并按升序排序。根据此序列得到对应内容序列，按内容序列的顺序将内容大小累加，当累加至内容总和大于等于
Figure BDA00023210274100001011
时，把所有参与累加的内容记为集合
Figure BDA00023210274100001012
计算
Figure BDA00023210274100001013
中各内容的缓存价值总和，记为
Figure BDA00023210274100001014
5)令j＝j+1；重复步骤(3.1)-(3.5)至遍历完packagei中的所有雾节点；6)比较所有
Figure BDA00023210274100001015
与
Figure BDA00023210274100001016
得到最小值对应的内容集合，记为集合Creplace，然后将集合Creplace中的内容替换为ck，算法结束。
为了验证本方法提出的基于价值函数的雾计算网络内容缓存替换方法的可行性，分别针对雾节点缓存命中率和字节命中率和缓存替换率这三个性能指标进行MATLAB仿真实验，并与LRU、LFU、FIFO三种经典的缓存替换算法进行比较。在仿真场景中，假设在半径R为400m的小区内均匀分布10个雾节点和20个用户终端。初始化阶段，设置雾节点发射功率Pt为0.01W，内容总量K为50，用户信噪比阈值γth为25dB，噪声功率N0，路径损耗因子α为4，Zipf分布参数σ为1.4，F-AP存储空间G0为1G，缓存价值最低阈值Valueth为0.005。图4、图5和图6描述的均是编号为前5个雾节点的命中率结果。假设一个时间周期内每个用户发出100次访问请求。
图3描述了小区中每个用户都存在一个能够与雾节点通信的区域，即在满足用户信噪比阈值的前提下，以用户为中心，dmax为半径的区域内的雾节点能够与该用户建立无线连接传输数据，当用户有内容需求时，将访问通信区域中的雾节点获得请求内容，把该通信区域内的雾节点集合记为packagei。图3中package1＝{F1,F2,F3}，package2＝{F3,F4}，package3＝{F4,F5}，package4＝{F6,F7,F8}，package5＝{F8,F9}。
图4描述了一个周期结束后雾节点的缓存命中率情况。从图中可以看出，对于每个雾节点而言，采用LFU、FIFO和LRU三种缓存替换算法得到的缓存命中率低于本方法提出的缓存替换策略得到的缓存命中率。有时采用经典缓存替换算法得到的缓存命中率比没有采用任何缓存替换算法得到缓存命中率更低，原因是这些算法考虑的影响因素比较片面，导致受用户欢迎的内容被替换掉，因此出现了缓存性能有时比对照实验还要差的情况。而本方法提出的缓存替换策略全面考虑了内容流行度，内容大小以及雾节点存储空间对缓存价值的影响，尽可能替换掉缓存价值小的内容，使存储在雾节点中的内容更符合用户的需求，因此获得了较大的缓存命中率，验证了该算法的性能优势。
图5描述了一个周期结束后雾节点的字节命中率，缓存策略的性能不仅与缓存命中率有关，也与字节命中率有关。字节命中率越高，说明雾节点存储空间的利用率越高，若缓存命中率较高而字节命中率较低，说明雾节点的空间利用率较低。与LFU、LRU和FIFO算法相比，本方法提出的缓存替换策略能够得到更高的字节命中率，提高了雾节点的空间利用率。
图6描述了由不同缓存替换算法得到的各雾节点的缓存替换率，可以看出，本方法提出的缓存替换策略使雾节点发生缓存替换时替换的内容总字节数更小，原因是本方法提出的缓存替换策略删除了雾节点中缓存价值较小的内容，避免内容流行度很低且占据内存空间过大的内容存入雾节点，同时在选择替换内容时尽量降低替换内容的字节数，因此得到了比其他算法更低的缓存替换率。
图7和图8描述了F-AP存储空间同用户请求命中率和字节命中率的关系。随着雾节点存储空间的增大，各算法得到的用户请求命中率与字节命中率均有不同程度的提高。这是由于存储空间增大使更多内容缓存在雾节点中，雾节点响应用户请求的概率增加，因此提高了用户请求命中率。比较各算法可知，在雾节点存储空间一定时，本文提出的缓存替换算法得到的系统用户请求命中率与字节命中率明显高于其他三种算法。随着雾节点存储空间的增大，命中率的上升速度均呈下降趋势。原因是当雾节点存储空间增大到一定程度时，多数受欢迎程度高的内容都存储各雾节点中，此时继续增加雾节点存储空间对于命中率的影响程度降低。该结果对雾节点存储空间的设定有一定的参考价值。当其他条件一定时，可以根据系统中流行内容的总大小合理设置雾节点的存储空间，提高空间利用率。

Claims (5)

1.一种基于价值函数的雾计算网络内容缓存替换方法，其特征在于，所述方法包括以下步骤：
(1)在用户终端UEi请求内容ck时，UEi依次访问其通信区域内距离由近及远的雾节点集合packagei中的雾节点，若packagei中第1个雾节点Fi,1缓存有ck，则UEi与Fi,1建立通信连接并下载ck，并更新ck在Fi,1中的请求次数
Figure FDA0002321027400000011
Fi,1的总访问次数
Figure FDA0002321027400000012
以及Fi,1的剩余空间
Figure FDA0002321027400000013
若Fi,1没有缓存ck，则按照轮询规则继续访问其他雾节点，并实时更新相关信息；
(2)若遍历完packagei中的所有雾节点均无用户请求的内容ck，则从云数据中心获取ck，并根据内容缓存价值判断是否满足需要在雾节点中缓存ck；如果存在雾节点对内容ck的缓存价值大于设定的最低阈值，则检查相应雾节点的剩余存储空间；否则放弃存储内容ck；所述缓存价值根据价值函数计算，价值函数定义为流行因子和空间影响因子的乘积；
(3)若存在满足剩余空间大于等于内容ck的大小的雾节点，则把ck存入该节点中，并更新其相关信息，缓存过程结束；否则，在packagei中的所有雾节点中选择缓存价值最低的内容进行缓存替换。
2.根据权利要求1所述的一种基于价值函数的雾计算网络内容缓存替换方法，其特征在于，所述步骤(2)中，流形因子定义为一个时间周期内内容被用户请求的平均次数。
3.根据权利要求1所述的一种基于价值函数的雾计算网络内容缓存替换方法，其特征在于，所述步骤(2)中，空间影响因子定义为：
Figure FDA0002321027400000014
其中，gk为内容ck的大小，
Figure FDA0002321027400000015
为雾节点Fj剩余存储空间，G0为雾节点Fj总的存储空间。
4.根据权利要求1所述的一种基于价值函数的雾计算网络内容缓存替换方法，其特征在于，内容ck缓存在雾节点Fj的缓存价值的价值函数定义为：
Figure FDA0002321027400000021
其中，Rk为一个时间周期用户终端对内容ck的请求次数，t0和tc为一个时间周期的起始和终止时间，gk为内容ck的大小，
Figure FDA0002321027400000022
为雾节点Fj剩余存储空间，G0为雾节点Fj总的存储空间。
5.根据权利要求1所述的一种基于价值函数的雾计算网络内容缓存替换方法，其特征在于，所述步骤(3)中，根据如下步骤在雾节点中选择缓存价值最低的内容进行缓存替换：
(3.1)令j初始值为1，Fj为packagei中的一个雾节点，计算内容ck存入Fj时，需要在Fj中删除的内容大小
Figure FDA0002321027400000023
其中gk为内容ck的大小，
Figure FDA0002321027400000024
为雾节点Fj剩余存储空间；
(3.2)找到雾节点Fj中内容大小gk’满足
Figure FDA0002321027400000025
的内容，将他们记为集合
Figure FDA0002321027400000026
其他内容记为集合
Figure FDA0002321027400000027
(3.3)计算集合
Figure FDA0002321027400000028
中的每个内容在Fj中的缓存价值，找到最小值对应的内容记为
Figure FDA0002321027400000029
将缓存价值记为
Figure FDA00023210274000000210
(3.4)计算集合
Figure FDA00023210274000000211
中的每个内容在Fj中的缓存价值并按升序排序，根据此序列得到对应内容序列，按内容序列的顺序将内容大小累加，当累加至内容总和大于等于
Figure FDA00023210274000000212
时，把所有参与累加的内容记为集合
Figure FDA00023210274000000213
计算
Figure FDA00023210274000000214
中各内容的缓存价值总和，记为
Figure FDA00023210274000000215
(3.5)令j＝j+1；重复步骤(3.1)-(3.5)至遍历完packagei中的所有雾节点；
(3.6)比较所有
Figure FDA00023210274000000216
与
Figure FDA00023210274000000217
得到最小值对应的内容集合，记为集合Creplace，然后将集合Creplace中的内容替换为ck。
CN201911297784.8A 2019-12-17 2019-12-17 一种基于价值函数的雾计算网络内容缓存替换方法 Active CN111124298B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911297784.8A CN111124298B (zh) 2019-12-17 2019-12-17 一种基于价值函数的雾计算网络内容缓存替换方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911297784.8A CN111124298B (zh) 2019-12-17 2019-12-17 一种基于价值函数的雾计算网络内容缓存替换方法

Publications (2)

Publication Number Publication Date
CN111124298A true CN111124298A (zh) 2020-05-08
CN111124298B CN111124298B (zh) 2021-05-11

Family

ID=70499181

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911297784.8A Active CN111124298B (zh) 2019-12-17 2019-12-17 一种基于价值函数的雾计算网络内容缓存替换方法

Country Status (1)

Country Link
CN (1) CN111124298B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111935784A (zh) * 2020-08-12 2020-11-13 重庆邮电大学 一种雾计算网络中基于联邦学习的内容缓存方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106452919A (zh) * 2016-11-24 2017-02-22 济南浪潮高新科技投资发展有限公司 一种基于模糊理论的雾节点优化方法
CN108848535A (zh) * 2018-05-31 2018-11-20 国网浙江省电力有限公司电力科学研究院 一种面向共享模式的雾计算环境资源分配方法
CN108881445A (zh) * 2018-06-22 2018-11-23 南京理工大学 一种雾计算中基于古诺博弈的协作缓存方法
CN108900570A (zh) * 2018-05-30 2018-11-27 南京邮电大学 一种基于内容价值的缓存替换方法
US20190132206A1 (en) * 2017-10-27 2019-05-02 Cisco Technology, Inc. Hierarchical Fog Nodes for Controlling Wireless Networks

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106452919A (zh) * 2016-11-24 2017-02-22 济南浪潮高新科技投资发展有限公司 一种基于模糊理论的雾节点优化方法
US20190132206A1 (en) * 2017-10-27 2019-05-02 Cisco Technology, Inc. Hierarchical Fog Nodes for Controlling Wireless Networks
CN108900570A (zh) * 2018-05-30 2018-11-27 南京邮电大学 一种基于内容价值的缓存替换方法
CN108848535A (zh) * 2018-05-31 2018-11-20 国网浙江省电力有限公司电力科学研究院 一种面向共享模式的雾计算环境资源分配方法
CN108881445A (zh) * 2018-06-22 2018-11-23 南京理工大学 一种雾计算中基于古诺博弈的协作缓存方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111935784A (zh) * 2020-08-12 2020-11-13 重庆邮电大学 一种雾计算网络中基于联邦学习的内容缓存方法
CN111935784B (zh) * 2020-08-12 2022-04-22 重庆邮电大学 一种雾计算网络中基于联邦学习的内容缓存方法

Also Published As

Publication number Publication date
CN111124298B (zh) 2021-05-11

Similar Documents

Publication Publication Date Title
CN107889160B (zh) 一种考虑用户时延的小小区网络边缘部分缓存方法
CN110312231B (zh) 车联网中基于mec的内容缓存决策和资源分配优化方法
CN112995950B (zh) 一种车联网中基于深度强化学习的资源联合分配方法
Xing et al. A real-time adaptive algorithm for video streaming over multiple wireless access networks
CN111385734B (zh) 一种车联网内容缓存决策优化方法
CN108834080B (zh) 异构网络中基于多播技术的分布式缓存和用户关联方法
CN107483286B (zh) 一种基于云-雾环境下合并和部署服务功能链的方法
CN109257443A (zh) 一种面向车联网的命名数据网络自适应缓存策略
CN115665227B (zh) 一种普适的异构融合算网资源智慧适配网络架构及方法
CN115665804B (zh) 一种协同无人机-智能车群的缓存优化方法
CN111124298B (zh) 一种基于价值函数的雾计算网络内容缓存替换方法
CN113810931A (zh) 一种面向移动边缘计算网络的自适应视频缓存方法
CN110913239A (zh) 一种精细化的移动边缘计算的视频缓存更新方法
CN109348454A (zh) 一种d2d缓存通信内容共享方法
CN113099259B (zh) 流媒体的组播发送方法、装置、组播服务器以及介质
CN111988834B (zh) 一种异构车联网网络选择方法、系统及装置
CN112911614B (zh) 基于动态请求d2d网络中的协作编码缓存方法
CN113993168A (zh) 一种雾无线接入网中基于多智能体强化学习的协作缓存方法
CN116437127B (zh) 一种基于用户数据共享的视频卡顿优化方法
CN105227665A (zh) 一种用于缓存节点的缓存置换方法
Li et al. A smart content caching and replacement scheme for UAV-assisted fog computing network
Yang et al. Enhancement or super-resolution: Learning-based adaptive video streaming with client-side video processing
CN110620807B (zh) 文件传输方法、服务器、系统、设备以及存储介质
CN116634396A (zh) 基于图注意力的车联网多智能体边缘计算内容缓存决策方法
CN113473408B (zh) 一种车联网中实现视频传输的用户关联方法及系统

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