CN112015924A - 流媒体缓存方法及其装置、计算机可存储介质 - Google Patents

流媒体缓存方法及其装置、计算机可存储介质 Download PDF

Info

Publication number
CN112015924A
CN112015924A CN201910467227.XA CN201910467227A CN112015924A CN 112015924 A CN112015924 A CN 112015924A CN 201910467227 A CN201910467227 A CN 201910467227A CN 112015924 A CN112015924 A CN 112015924A
Authority
CN
China
Prior art keywords
video
predicted
streaming media
historical
rate
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.)
Pending
Application number
CN201910467227.XA
Other languages
English (en)
Inventor
余媛
庄一嵘
陈戈
梁洁
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.)
China Telecom Corp Ltd
Original Assignee
China Telecom Corp Ltd
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 China Telecom Corp Ltd filed Critical China Telecom Corp Ltd
Priority to CN201910467227.XA priority Critical patent/CN112015924A/zh
Publication of CN112015924A publication Critical patent/CN112015924A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/957—Browsing optimisation, e.g. caching or content distillation
    • G06F16/9574—Browsing optimisation, e.g. caching or content distillation of access to content, e.g. by caching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/43—Querying
    • G06F16/435—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Library & Information Science (AREA)
  • Information Transfer Between Computers (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本公开涉及流媒体缓存方法及其装置、计算机可存储介质，涉及数据通信领域。流媒体缓存方法包括：根据待预测视频的第一历史信息和与待预测视频具有相同属性的至少一个其他视频的第二历史信息，确定所述待预测视频的热点预测值；根据所述待预测视频的热点预测值，对所述待预测视频进行缓存处理。根据本公开，提高了热度预测准确率，从而提高了边缘流媒体缓存节点的命中率，降低了回源率，进而提高了CDN整体性能。

Description

流媒体缓存方法及其装置、计算机可存储介质
技术领域
本公开涉及数据通信领域，特别涉及流媒体缓存方法及其装置、计算机可存储介质。
背景技术
对于CDN(Content Delivery Network，内容分发网络)来说，边缘流媒体缓存节点的命中率直接影响整个CDN的性能。命中率高，则大部分用户的流媒体请求能够在边缘流媒体缓存节点得到响应，传输时延小，用户体验好。而命中率低，则大部分用户的流媒体请求转发至上级节点，回源率高，传输时延大，用户体验差。
相关流媒体缓存技术根据视频本身的历史信息来确定该视频的热度，进而判断是否将该视频缓存至边缘流媒体缓存节点。
发明内容
发明人认为：相关流媒体缓存技术热度预测准确率低，边缘流媒体缓存节点的命中率低，回源率高，CDN性能差。
针对上述技术问题，本公开提出了一种解决方案，提高热度预测准确率，从而提高边缘流媒体缓存节点的命中率，降低回源率，进而提高CDN整体性能。
根据本公开的第一方面，提供了一种流媒体缓存方法，包括：根据待预测视频的第一历史信息和与待预测视频具有相同属性的至少一个其他视频的第二历史信息，确定所述待预测视频的热点预测值；根据所述待预测视频的热点预测值，对所述待预测视频进行缓存处理。
在一些实施例中，所述属性包括主演和题材中的至少一种。
在一些实施例中，所述第一历史信息包括所述待预测视频的第一历史点击量、历史搜索量、历史收藏量；所述第二历史信息包括所述其他视频的第二历史点击量。
在一些实施例中，所述其他视频包括与所述待预测视频具有相同主演的其他视频和与所述待预测视频具有相同题材的其他视频，根据待预测视频的第一历史信息和与待预测视频具有相同属性的至少一个其他视频的第二历史信息，确定所述待预测视频的热点预测值包括：计算所述第一历史点击量与流媒体服务器的所有视频的历史点击总量的比值，作为第一点击率；计算所述历史搜索量与所述所有视频的历史搜索总量的比值，作为搜索率；计算所述历史收藏量与所述所有视频的历史收藏总量的比值，作为收藏率；计算所述与待预测视频具有相同主演的其他视频的第二历史点击量与所述所有视频的历史点击总量的比值，作为第二点击率；计算所述与待预测视频具有相同题材的其他视频的第二历史点击量与所述所有视频的历史点击总量的比值，作为第三点击率；根据所述第一点击率、所述搜索率、所述收藏率、所述第二点击率、所述第三点击率，确定所述热点预测值。
在一些实施例中，根据所述第一点击率、所述搜索率、所述收藏率、所述第二点击率、所述第三点击率，确定所述热点预测值包括：将所述第一点击率、所述搜索率、所述收藏率、所述第二点击率和所述第三点击率的乘积确定为所述热点预测值。
在一些实施例中，流媒体缓存方法还包括：以一定的时间间隔周期性地获取所述第一历史信息和所述第二历史信息。
在一些实施例中，根据所述待预测视频的热点预测值，对所述待预测视频进行缓存处理包括：判断所述热点预测值是否大于或者等于热点阈值；根据判断的结果，对所述待预测视频进行缓存处理。
在一些实施例中，根据判断的结果，对所述待预测视频进行缓存处理包括：在所述热点预测值大于或等于所述热点阈值的情况下，判断所述待预测视频是否存在于边缘流媒体缓存节点；在所述待预测视频不存在于所述边缘流媒体缓存节点的情况下，判断所述边缘流媒体缓存节点的剩余空间的大小是否大于或等于所述待预测视频的大小；在所述边缘流媒体缓存节点的剩余空间的大小大于或等于所述待预测视频的大小的情况下，将所述待预测视频缓存至边缘流媒体缓存节点。
在一些实施例中，根据判断的结果，对所述待预测视频进行缓存处理还包括：在所述边缘流媒体缓存节点的剩余空间的大小小于所述待预测视频的大小的情况下，删除所述边缘流媒体缓存节点中的至少一个视频，直至所述边缘流媒体缓存节点的剩余空间大于或等于所述待预测视频的大小。
在一些实施例中，删除所述边缘流媒体缓存节点中的至少一个视频包括：删除所述边缘流媒体缓存节点中点击总量较小的至少一个视频。
根据本公开的第二方面，提供了一种流媒体缓存装置，包括：确定模块，被配置为根据待预测视频的第一历史信息和与待预测视频具有相同属性的至少一个其他视频的第二历史信息，确定所述待预测视频的热点预测值；缓存处理模块，被配置为根据所述待预测视频的热点预测值，对所述待预测视频进行缓存处理。
根据本公开的第三方面，提供了一种流媒体缓存装置，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令，执行上述任一实施例所述的流媒体缓存方法。
根据本公开的第四方面，提供了一种计算机可存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上述任一实施例所述所述的流媒体缓存方法。
在上述实施例中，提高了热度预测准确率，从而提高了边缘流媒体缓存节点的命中率，降低了回源率，进而提高了CDN整体性能。
附图说明
构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：
图1示出根据本公开一些实施例的流媒体缓存方法的流程图；
图2示出根据本公开的一些实施例的根据待预测视频的热点预测值，对待预测视频进行缓存处理的流程图；
图3示出了根据本公开另一些实施例的根据本公开的一些实施例的根据待预测视频的热点预测值，对待预测视频进行缓存处理的流程图；
图4示出根据本公开一些实施例的流媒体缓存装置的框图；
图5示出根据本公开另一些实施例的流媒体缓存装置的框图；
图6示出用于实现本公开一些实施例的计算机系统的框图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
图1示出根据本公开一些实施例的流媒体缓存方法的流程图。
如图1所示，流媒体缓存方法包括步骤S110～步骤S120。
在步骤S110中，根据待预测视频的第一历史信息和与待预测视频具有相同属性的至少一个其他视频的第二历史信息，确定待预测视频的热点预测值。在一些实施例中，步骤S110之前还包括以一定的时间间隔周期性地获取第一历史信息和第二历史信息。例如，以天为维度周期性地获取第一历史信息和第二历史信息，热点预测值为待预测视频在未来24小时的热点预测概率。
在一些实施例中，属性包括主演和题材中的至少一种。即，其他视频与待预测视频具有相同主演、相同题材或者相同主演和题材。题材例如包括武装类、伦理类、喜剧类等。
在一些实施例中，第一历史信息包括待预测视频的第一历史点击量、历史搜索量、历史收藏量。第二历史信息包括其他视频的第二历史点击量。在另一些实施例中，第一历史信息也可以为待预测视频的第一历史点击量、历史搜索量、历史收藏量中的至少一个。例如，第二历史信息还可以包括其他视频的历史搜索量、历史收藏量中的至少一个。
例如，其他视频包括与待预测视频具有相同主演的其他视频和与待预测视频具有相同题材的其他视频，通过如下方式根据待预测视频的第一历史信息和与待预测视频具有相同属性的至少一个其他视频的第二历史信息，确定待预测视频的热点预测值。
首先，计算第一历史点击量与流媒体服务器的所有视频的历史点击总量的比值，作为第一点击率。在一些实施例中，第一点击率即为待预测视频历史被点击的次数占流媒体服务器的所有视频历史被点击的次数。例如，D(Wi)表示第i个待预测视频Wi的第一点击率，ND(Wi)表示第i个待预测视频Wi的第一历史点击量，N表示流媒体服务器的所有视频的历史点击总量，
Figure BDA0002079789670000051
其次，计算历史搜索量与所有视频的历史搜索总量的比值，作为搜索率。例如，S(Wi)表示第i个待预测视频Wi的搜索率，NS(Wi)表示第i个待预测视频Wi的历史搜索量，NS表示流媒体服务器的所有视频的历史搜索量，
Figure BDA0002079789670000052
然后，计算历史收藏量与所有视频的历史收藏总量的比值，作为收藏率。例如，Q(Wi)表示第i个待预测视频Wi收藏率，NQ(Wi)表示第i个待预测视频Wi的历史收藏量，NQ表示流媒体服务器的所有视频的历史收藏量，
Figure BDA0002079789670000061
接着，计算与待预测视频具有相同主演的其他视频的第二历史点击量与所有视频的历史点击总量的比值，作为第二点击率。例如，X(Wi)表示与第i个待预测视频Wi具有相同主演的其他视频的第二点击率，NX(Wi)表示与第i个待预测视频Wi具有相同主演的其他视频的第二历史点击量，N表示流媒体服务器的所有视频的历史点击总量，
Figure BDA0002079789670000062
再次，计算与待预测视频具有相同题材的其他视频的第二历史点击量与所有视频的历史点击总量的比值，作为第三点击率。例如，Y(Wi)表示与第i个待预测视频Wi具有相同题材的其他视频的搜索率，NY(Wi)表示与第i个待预测视频Wi具有相同题材的其他视频的第二历史点击量，N表示流媒体服务器的所有视频的历史点击总量，
Figure BDA0002079789670000063
最后，根据第一点击率、搜索率、收藏率、第二点击率、第三点击率，确定热点预测值。例如，将第一点击率、搜索率、收藏率、第二点击率和第三点击率的乘积确定为热点预测值。
在一些实施例中，P(Wi)表示第i个待预测视频Wi的热点预测值，则热点预测值
Figure BDA0002079789670000064
Figure BDA0002079789670000065
在另一些实施例中，通过对乘积D(Wi)×S(Wi)×Q(Wi)×X(Wi)×Y(Wi)取对数得到P(Wi)。例如P(Wi)＝ln((Wi)×S(Wi)×Q(Wi)×X(Wi)×Y(Wi))。
应当注意，与第一历史信息的选择类似，在确定热点预测值时，可以根据第一点击率、搜索率、收藏率的至少一个以及第二点击率和第三点击率的至少一个，来确定热点预测值。
在步骤S120中，根据待预测视频的热点预测值，对待预测视频进行缓存处理。在一些实施例中，由流媒体服务器的边缘流媒体缓存节点根据待预测视频的热点预测值，对待预测视频进行缓存处理。
在一些实施例中，通过如图2所示的步骤对待预测视频进行缓存处理。
图2示出根据本公开的一些实施例的根据待预测视频的热点预测值，对待预测视频进行缓存处理的流程图。
如图2所示，根据待预测视频的热点预测值，对待预测视频进行缓存处理包括步骤S210，判断热点预测值是否大于或者等于热点阈值；和步骤S220，根据判断的结果，对待预测视频进行缓存处理。在一些实施例中，热点阈值为预先设置的值。例如，热点阈值为0.8。
在另一些实施例中，通过如图3所示的步骤对待预测视频进行缓存处理。
图3示出了根据本公开另一些实施例的根据本公开的一些实施例的根据待预测视频的热点预测值，对待预测视频进行缓存处理的流程图。图3与图2的不同之处在于，图3示出了图2所示步骤S220的具体实现过程步骤S221～步骤S223。
如图3所示，根据待预测视频的热点预测值，对待预测视频进行缓存处理包括步骤S210～步骤S223。
在步骤S210中，判断热点预测值是否大于或者等于热点阈值。在热点预测值大于或者等于热点阈值的情况下执行步骤S221。在一些实施例中，对待预测视频进行缓存处理还包括步骤S224。在热点预测值小于热点阈值的情况下，执行步骤S224。在步骤S224中，对待预测视频不进行任何处理。
在步骤221中，判断待预测视频是否存在于边缘流媒体缓存节点。在待预测视频不存在于边缘流媒体缓存节点的情况下，执行步骤S222。在一些实施例中，对待预测视频进行缓存处理还包括步骤S225。在待预测视频存在于边缘流媒体缓存节点的情况下，执行步骤S225。在步骤S225中，将待预测视频继续保留在边缘流媒体缓存节点。
在步骤S222中，判断边缘流媒体缓存节点的剩余空间的大小是否大于或等于待预测视频的大小。在边缘流媒体缓存节点的剩余空间的大小大于或等于待预测视频的大小的情况下，执行步骤S223。在步骤S223中，将待预测视频缓存至边缘流媒体节点。
在一些实施例中，对待预测视频进行缓存处理还包括步骤S226。在边缘流媒体缓存节点的剩余空间的大小小于待预测视频的大小的情况下，执行步骤S226。在步骤S226中，删除边缘流媒体缓存节点中的至少一个视频，直至边缘流媒体缓存节点的剩余空间大于或等于待预测视频的大小。例如，删除边缘流媒体缓存节点中点击总量较小的至少一个视频。
在一些实施例中，通过如下方式实现删除边缘流媒体缓存节点中点击总量较小的至少一个视频。
首先，将边缘流媒体缓存节点中的视频的点击总量进行排序。例如，按照点击总量降序进行排序。然后，根据排序中点击总量较小的至少一个视频。
图4示出根据本公开一些实施例的流媒体缓存装置的框图。
如图4所示，流媒体缓存装置4包括确定模块41，被配置为根据待预测视频的第一历史信息和与待预测视频具有相同属性的至少一个其他视频的第二历史信息，确定待预测视频的热点预测值，例如执行如图1所示的步骤S110；以及缓存处理模块42，被配置为根据待预测视频的热点预测值，对待预测视频进行缓存处理，例如执行如图1所示的步骤S120。
图5示出根据本公开另一些实施例的流媒体缓存装置的框图。
如图5所示，物品推荐装置5包括：存储器51；以及耦接至该存储器51的处理器52，存储器51用于存储执行流媒体缓存方法对应实施例的指令。处理器52被配置为基于存储在存储器51中的指令，执行本公开中任意一些实施例中的流媒体缓存方法。
图6示出用于实现本公开一些实施例的计算机系统的框图。
如图6所示，计算机系统60可以通用计算设备的形式表现。计算机系统60包括存储器610、处理器620和连接不同系统组件的总线600。
存储器610例如可以包括系统存储器、非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)以及其他程序等。系统存储器可以包括易失性存储介质，例如随机存取存储器(RAM)和/或高速缓存存储器。非易失性存储介质例如存储有执行信息发送方法和信息接收方法中的至少一种的对应实施例的指令。非易失性存储介质包括但不限于磁盘存储器、光学存储器、闪存等。
处理器620可以用通用处理器、数字信号处理器(DSP)、应用专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑设备、分立门或晶体管等分立硬件组件方式来实现。相应地，诸如判断模块和确定模块的每个模块，可以通过中央处理器(CPU)运行存储器中执行相应步骤的指令来实现，也可以通过执行相应步骤的专用电路来实现。
总线600可以使用多种总线结构中的任意总线结构。例如，总线结构包括但不限于工业标准体系结构(ISA)总线、微通道体系结构(MCA)总线、外围组件互连(PCI)总线。
计算机系统60还可以包括输入输出接口630、网络接口640、存储接口650等。这些接口630、640、650以及存储器610和处理器620之间可以通过总线600连接。输入输出接口630可以为显示器、鼠标、键盘等输入输出设备提供连接接口。网络接口640为各种联网设备提供连接接口。存储接口640为软盘、U盘、SD卡等外部存储设备提供连接接口。
这里，参照根据本公开实施例的方法、装置和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个框以及各框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可提供到通用计算机、专用计算机或其他可编程装置的处理器，以产生一个机器，使得通过处理器执行指令产生实现在流程图和/或框图中一个或多个框中指定的功能的装置。
这些计算机可读程序指令也可存储在计算机可读存储器中，这些指令使得计算机以特定方式工作，从而产生一个制造品，包括实现在流程图和/或框图中一个或多个框中指定的功能的指令。
本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。
通过上述实施例中的流媒体缓存方法及其装置、计算机可存储介质，提高了热度预测准确率，从而提高了边缘流媒体缓存节点的命中率，降低了回源率，进而提高了CDN整体性能。
至此，已经详细描述了根据本公开的流媒体缓存方法及其装置、计算机可存储介质。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。

Claims (13)

1.一种流媒体缓存方法，包括：
根据待预测视频的第一历史信息和与待预测视频具有相同属性的至少一个其他视频的第二历史信息，确定所述待预测视频的热点预测值；
根据所述待预测视频的热点预测值，对所述待预测视频进行缓存处理。
2.根据权利要求1所述的流媒体缓存方法，其中，所述属性包括主演和题材中的至少一种。
3.根据权利要求2所述的流媒体缓存方法，其中，
所述第一历史信息包括所述待预测视频的第一历史点击量、历史搜索量、历史收藏量；
所述第二历史信息包括所述其他视频的第二历史点击量。
4.根据权利要求3所述的流媒体缓存方法，其中，所述其他视频包括与所述待预测视频具有相同主演的其他视频和与所述待预测视频具有相同题材的其他视频，根据待预测视频的第一历史信息和与待预测视频具有相同属性的至少一个其他视频的第二历史信息，确定所述待预测视频的热点预测值包括：
计算所述第一历史点击量与流媒体服务器的所有视频的历史点击总量的比值，作为第一点击率；
计算所述历史搜索量与所述所有视频的历史搜索总量的比值，作为搜索率；
计算所述历史收藏量与所述所有视频的历史收藏总量的比值，作为收藏率；
计算所述与待预测视频具有相同主演的其他视频的第二历史点击量与所述所有视频的历史点击总量的比值，作为第二点击率；
计算所述与待预测视频具有相同题材的其他视频的第二历史点击量与所述所有视频的历史点击总量的比值，作为第三点击率；
根据所述第一点击率、所述搜索率、所述收藏率、所述第二点击率、所述第三点击率，确定所述热点预测值。
5.根据权利要求4所述的流媒体缓存方法，其中，根据所述第一点击率、所述搜索率、所述收藏率、所述第二点击率、所述第三点击率，确定所述热点预测值包括：
将所述第一点击率、所述搜索率、所述收藏率、所述第二点击率和所述第三点击率的乘积确定为所述热点预测值。
6.根据权利要求1所述的流媒体缓存方法，还包括：以一定的时间间隔周期性地获取所述第一历史信息和所述第二历史信息。
7.根据权利要求1所述的流媒体缓存方法，其中，根据所述待预测视频的热点预测值，对所述待预测视频进行缓存处理包括：
判断所述热点预测值是否大于或者等于热点阈值；
根据判断的结果，对所述待预测视频进行缓存处理。
8.根据权利要求7所述的流媒体缓存方法，其中，根据判断的结果，对所述待预测视频进行缓存处理包括：
在所述热点预测值大于或等于所述热点阈值的情况下，判断所述待预测视频是否存在于边缘流媒体缓存节点；
在所述待预测视频不存在于所述边缘流媒体缓存节点的情况下，判断所述边缘流媒体缓存节点的剩余空间的大小是否大于或等于所述待预测视频的大小；
在所述边缘流媒体缓存节点的剩余空间的大小大于或等于所述待预测视频的大小的情况下，将所述待预测视频缓存至边缘流媒体缓存节点。
9.根据权利要求8所述的流媒体缓存方法，其中，根据判断的结果，对所述待预测视频进行缓存处理还包括：
在所述边缘流媒体缓存节点的剩余空间的大小小于所述待预测视频的大小的情况下，删除所述边缘流媒体缓存节点中的至少一个视频，直至所述边缘流媒体缓存节点的剩余空间大于或等于所述待预测视频的大小。
10.根据权利要求9所述的流媒体缓存方法，其中，删除所述边缘流媒体缓存节点中的至少一个视频包括：删除所述边缘流媒体缓存节点中点击总量较小的至少一个视频。
11.一种流媒体缓存装置，包括：
确定模块，被配置为根据待预测视频的第一历史信息和与待预测视频具有相同属性的至少一个其他视频的第二历史信息，确定所述待预测视频的热点预测值；
缓存处理模块，被配置为根据所述待预测视频的热点预测值，对所述待预测视频进行缓存处理。
12.一种流媒体缓存装置，包括：
存储器；以及
耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令，执行如权利要求1至10任一项所述的流媒体缓存方法。
13.一种计算机可存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现如权利要求1至10任一项所述的流媒体缓存方法。
CN201910467227.XA 2019-05-31 2019-05-31 流媒体缓存方法及其装置、计算机可存储介质 Pending CN112015924A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910467227.XA CN112015924A (zh) 2019-05-31 2019-05-31 流媒体缓存方法及其装置、计算机可存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910467227.XA CN112015924A (zh) 2019-05-31 2019-05-31 流媒体缓存方法及其装置、计算机可存储介质

Publications (1)

Publication Number Publication Date
CN112015924A true CN112015924A (zh) 2020-12-01

Family

ID=73501495

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910467227.XA Pending CN112015924A (zh) 2019-05-31 2019-05-31 流媒体缓存方法及其装置、计算机可存储介质

Country Status (1)

Country Link
CN (1) CN112015924A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113282585A (zh) * 2021-05-28 2021-08-20 山东浪潮通软信息科技有限公司 一种报表计算方法、装置、设备及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102855261A (zh) * 2011-07-01 2013-01-02 上海聚力传媒技术有限公司 一种用于确定视频权威值的方法与设备
CN104504124A (zh) * 2014-12-31 2015-04-08 合一网络技术(北京)有限公司 通过视频搜索和播放行为表现出实体热度的方法
CN104796777A (zh) * 2015-04-26 2015-07-22 成都创行信息科技有限公司 一种热点视频信息推送方法
CN104822068A (zh) * 2015-04-29 2015-08-05 四达时代通讯网络技术有限公司 流媒体代理缓存替换方法及装置
CN109104301A (zh) * 2018-07-19 2018-12-28 国政通科技有限公司 一种基于深度学习模型针对综艺节目进行网络热度预测的方法和系统
CN109688466A (zh) * 2017-10-18 2019-04-26 中国电信股份有限公司 内容热度预测方法、装置和内容分发网络

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102855261A (zh) * 2011-07-01 2013-01-02 上海聚力传媒技术有限公司 一种用于确定视频权威值的方法与设备
CN104504124A (zh) * 2014-12-31 2015-04-08 合一网络技术(北京)有限公司 通过视频搜索和播放行为表现出实体热度的方法
CN104796777A (zh) * 2015-04-26 2015-07-22 成都创行信息科技有限公司 一种热点视频信息推送方法
CN104822068A (zh) * 2015-04-29 2015-08-05 四达时代通讯网络技术有限公司 流媒体代理缓存替换方法及装置
CN109688466A (zh) * 2017-10-18 2019-04-26 中国电信股份有限公司 内容热度预测方法、装置和内容分发网络
CN109104301A (zh) * 2018-07-19 2018-12-28 国政通科技有限公司 一种基于深度学习模型针对综艺节目进行网络热度预测的方法和系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113282585A (zh) * 2021-05-28 2021-08-20 山东浪潮通软信息科技有限公司 一种报表计算方法、装置、设备及介质
CN113282585B (zh) * 2021-05-28 2023-12-29 浪潮通用软件有限公司 一种报表计算方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN109408703B (zh) 信息推荐方法及其系统、装置、电子设备、存储介质
CN109299144B (zh) 一种数据处理方法、装置、系统及应用服务器
WO2017215175A1 (zh) 页面处理方法、装置、终端及服务器
CN108959319B (zh) 信息推送方法和装置
JP6661754B2 (ja) コンテンツ配信方法および装置
US11423096B2 (en) Method and apparatus for outputting information
WO2020087386A1 (zh) 内容推荐方法、装置、移动终端及服务器
CN111159436A (zh) 一种推荐多媒体内容的方法、装置及计算设备
CN102446171A (zh) 基于加权平均点进率评测推广关键词质量度的方法与设备
WO2020258773A1 (zh) 确定推送用户群的方法、装置、设备及存储介质
CN110427358B (zh) 数据清洗方法及装置和信息推荐方法及装置
CN113378067B (zh) 基于用户挖掘的消息推荐方法、设备、介质
CN113205189B (zh) 训练预测模型的方法、预测方法及装置
CN109886300A (zh) 一种用户聚类方法、装置及设备
CN112015924A (zh) 流媒体缓存方法及其装置、计算机可存储介质
CN108228598B (zh) 媒体信息排序方法、服务器和系统
WO2018054352A1 (zh) 项集确定方法、装置、处理设备及存储介质
CN106570003B (zh) 数据推送方法及装置
CN116955817A (zh) 内容推荐方法、装置、电子设备以及存储介质
CN110442616B (zh) 一种针对大数据量的页面访问路径分析方法与系统
CN112905885B (zh) 向用户推荐资源的方法、装置、设备、介质和程序产品
CN115034826A (zh) 一种广告投放方法、装置、电子设备及可读存储介质
CN113590322A (zh) 一种数据处理方法和装置
CN111353052B (zh) 一种多媒体对象推荐方法、装置、电子设备及存储介质
CN111970327A (zh) 一种基于大数据处理的新闻传播方法及系统

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