CN112637908A - 一种基于内容流行度的细粒度分层边缘缓存方法 - Google Patents

一种基于内容流行度的细粒度分层边缘缓存方法 Download PDF

Info

Publication number
CN112637908A
CN112637908A CN202110249582.7A CN202110249582A CN112637908A CN 112637908 A CN112637908 A CN 112637908A CN 202110249582 A CN202110249582 A CN 202110249582A CN 112637908 A CN112637908 A CN 112637908A
Authority
CN
China
Prior art keywords
content
sbs
mbs
cache
core network
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
CN202110249582.7A
Other languages
English (en)
Other versions
CN112637908B (zh
Inventor
陈颖文
于鹄杰
胡博文
段志敏
陈晨
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.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202110249582.7A priority Critical patent/CN112637908B/zh
Publication of CN112637908A publication Critical patent/CN112637908A/zh
Application granted granted Critical
Publication of CN112637908B publication Critical patent/CN112637908B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/10—Flow control between communication endpoints
    • H04W28/14—Flow control between communication endpoints using intermediate storage
    • 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
    • H04L67/50—Network services
    • H04L67/56—Provisioning of proxy services
    • H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching
    • 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
    • H04L67/50—Network services
    • H04L67/56—Provisioning of proxy services
    • H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching
    • H04L67/5682—Policies or rules for updating, deleting or replacing the stored data

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种基于内容流行度的细粒度分层边缘缓存方法，包括以下步骤：A、建立边缘缓存模型；B、进行边缘内容的缓存；C、进行性能指标测量。本发明能够解决现有技术的不足，实现较低的传输成本和时间延迟，以及较高的缓存命中率和QoE。

Description

一种基于内容流行度的细粒度分层边缘缓存方法
技术领域
本发明属于通讯技术领域，具体是一种基于内容流行度的细粒度分层边缘缓存方法。
背景技术
近年来，市场上出现了各种多媒体应用，随着智能移动终端的使用呈指数增长趋势。数据流量的爆炸性增长对现有网络进行了一定的测试，并且还影响了浏览多媒体内容时用户体验的质量（QoE）。 5G技术和边缘缓存的发展有效地提高了网络性能和用户体验满意度。特别是随着基站内容缓存的出现，每个基站都配备了缓存，可以大大减少网络传输的开销，减少用户获取内容的时延。尽管基站中的缓存可以存储用户可能预先请求的内容，但是缓存的不合理分配和使用仍可能导致过多的网络传输开销。主要体现在以下两个问题：（1）数据的快速增长给网络的运营带来了更大的负担，从而导致更大的传输成本。一个重要的问题是通过合理设计内容缓存方案来减少网络的传输成本。（2）用户获取多媒体内容的时间延迟与用户体验的质量密切相关。因此，另一个重要的问题是通过增加缓存命中率来减少用户获取内容的时间延迟。
对于第一个问题，有许多研究集中在降低边缘缓存中网络的传输成本上。第一种方式是基于基站，路边单元和车辆之间的协作，设计了一种新颖的边缘缓存框架。他们考虑了用户的移动性，但忽略了多媒体内容的流行。第二种方式为了解决内容缓存问题，并以传输成本为主要指标，提出了一种基于异步优势行为者（A3C）的算法。他们考虑了基站缓存，但没有考虑分层协作缓存。第三种方式将区块链技术和深度学习技术应用于车辆边缘缓存环境，但它们与其他方案没有进行比较。
对于第二个问题，也有许多研究集中在提高缓存命中率和减少内容缓存的时间成本上。第一种方式提出用于5G网络的协作式Edge缓存架构。他们专注于移动感知的分层缓存，其中智能车辆被用作协作缓存代理，用于与基站共享内容缓存任务。Eslami等制定找到最佳缓存数据放置位置的问题，从而在满足助手的缓存大小限制的同时，将网络中的平均总传送延迟降到最低。尽管他们考虑了内容的普及程度和总传递延迟，但他们忽略了应用程序服务本身的延迟限制。第二种方式共同优化通用缓存网络中的缓存以最大程度地提高QoE。第三种方式提出了一种自适应优化缓存框架，以在确保可操作的高速缓存命中率要求的同时，尽可能快地学习流行性。他们考虑使用算法推荐内容以减少时间延迟，但忽略了缓存硬件的分层和可分离功能。
发明内容
本发明要解决的技术问题是提供一种基于内容流行度的细粒度分层边缘缓存方法，能够解决现有技术的不足，实现较低的传输成本和时间延迟，以及较高的缓存命中率和QoE。
本发明的内容包括以下步骤：
A、建立边缘缓存模型；
B、进行边缘内容的缓存；
C、进行性能指标测量。
作为优选，所述边缘缓存模型包括核心网络，M个MBS和B个SBS，MBS和SBS的集合分别由
Figure 64266DEST_PATH_IMAGE001
和
Figure 43724DEST_PATH_IMAGE002
表示，核心网络中有内容提供商和云服务器，以向多媒体设备提供用户设备请求的内容，每个MBS和SBS有一个用于缓存多媒体内容的存储区和一个MEC服务器来处理诸如内容压缩和编码之类的任务，所有多媒体内容以块单元的形式缓存在基本站点的存储中，每个区域中的MBS和SBS以数据包的形式协同缓存，它们通过高速链路进行通信和传输，所有MBS的缓存容量的集合由
Figure 387243DEST_PATH_IMAGE003
给出，所有SBS的缓存容量的集合定义为
Figure 782452DEST_PATH_IMAGE004
，分别用
Figure 659141DEST_PATH_IMAGE005
和
Figure 543920DEST_PATH_IMAGE006
表示MBS和SBS的计算资源；
在每个时隙t中，基站中的高速缓存包括高速缓存表转发、内容交付和共享以及高速缓存更新三个过程；首先，每个SBS接收区域内用户的本地内容请求，如果请求的内容不再在本地缓存中，则根据缓存表从上级缓存或核心网获取内容，最后，刷新高速缓存中的存储，并为下一个时隙智能选择多媒体内容；
Figure 810954DEST_PATH_IMAGE007
为MBS m与核心网络之间的距离，
Figure 72171DEST_PATH_IMAGE008
为MBS m与SBS n之间的距离，设每个用户在每个时隙t中仅请求一种类型的内容，从而使用内容ID代替用户的ID，
Figure 319480DEST_PATH_IMAGE009
为用户与核心网络之间的距离；
设总共有F种类型的多媒体内容，并且每个内容可以由一个或几个内容单元组成，将所有多媒体内容的列表定义为
Figure 312843DEST_PATH_IMAGE010
，每个内容由三个成分标识，并表示为
Figure 129490DEST_PATH_IMAGE011
，其中df 和pf 分别是内容f的大小和受欢迎程度，t f 是用户获取内容的时间延迟，在时隙t，区域A中的时间延迟为
Figure 866502DEST_PATH_IMAGE012
和
Figure 452204DEST_PATH_IMAGE013
，其中
Figure 944365DEST_PATH_IMAGE014
和
Figure 185990DEST_PATH_IMAGE015
分别表示在时隙t处多媒体内容f的大小和时间延迟，SBS n中的多媒体内容f的请求比率是一个独立的平均分布IID随机变量，平均值为
Figure 24896DEST_PATH_IMAGE016
，在时间段t，内容流行度集合为
Figure 668367DEST_PATH_IMAGE017
，其中
Figure 65850DEST_PATH_IMAGE018
表示的时隙t在SBS n中的多媒体内容f的流行度，设
Figure 794771DEST_PATH_IMAGE019
满足Zipf分布，表示为，
Figure 935903DEST_PATH_IMAGE020
其中，
Figure 496197DEST_PATH_IMAGE021
表示多媒体内容在SBS n中的排名，
Figure 267844DEST_PATH_IMAGE022
表示SBS n处的Zipf参数，
Figure 779335DEST_PATH_IMAGE022
越大，表示大多数请求的内容就越少。
作为优选，步骤B中，进行边缘内容的缓存包括以下步骤，
用户可以请求的所有多媒体内容都由核心网络中的内容提供商和云服务器提供，部分多媒体内容以数据包的形式缓存在MBSs和SBSs中，而MBSs和SBSs负责固定区域中的用户请求，当发现用户设备UE在MEC服务器的帮助下提交了对某些多媒体内容的请求时，它首先搜索相关内容是否已缓存在最近的SBS中，如果缓存内容命中，它将从高层缓存中预下载命中内容，并通过高速链路将其传输到SBS，然后再传输到UE，如果缓存的内容没有命中，则由核心网络云服务器直接将其提供给UE，MEC服务器负责缓存策略的调度，以及内容的压缩，解压缩，编码和解码任务。
作为优选，步骤B中，将整个过程划分为时间片间隙，以每个时间间隙为单独的计算过程，检索每一种多媒体内容，并计算已缓存的内容总量cont，然后基于内容流行度P(t)和缓存策略
Figure 661840DEST_PATH_IMAGE023
来选择缓存的位置，判断当前已缓存的内容数是否超过了微基站的计算资源量，将已缓存内容总量cont与微基站的缓存容量上限作比较，如果没有达到上限则记录下微基站中缓存的内容大小和已缓存的内容数量，反之则继续增大已缓存的内容总量cont，在宏基站中执行和微基站相同操作，记录下宏基站中缓存的内容大小和已缓存的内容数量。
作为优选，步骤C中，性能指标包括总传输花销
Figure 76641DEST_PATH_IMAGE024
、总时间延迟
Figure 19189DEST_PATH_IMAGE025
，缓存命中率H和QoE值Q。
作为优选，总传输花销
Figure 519440DEST_PATH_IMAGE024
包括核心网络和时隙t的UE之间的内容共享的传输成本
Figure 940058DEST_PATH_IMAGE026
、核心网络和MBS m在时隙t处的内容共享的传输成本
Figure 474944DEST_PATH_IMAGE027
、时隙t处MBS m和SBS n之间的内容共享的传输成本
Figure 152175DEST_PATH_IMAGE028
。
作为优选，在时隙t的高速缓存表转发阶段，每个用户将提交一个多媒体内容f的随机请求；当负责该区域的SBS n在内容传递和共享阶段接收到请求时，如果f的数据包命中了SBS n的本地缓存，则它将直接发送到该UE；内容f的其余数据分组将从同一组的上层的MBS m发送到SBS n；如果在最近的SBS n的缓存内容中找不到用户请求的内容，则检索同一区域中的所有相邻SBS；如果检索到，将其直接传递给UE，否则，将从核心网络的内容提供商那里获取多媒体内容；
核心网与用户之间的传输成本定义为：
Figure 77406DEST_PATH_IMAGE029
，MBS m与核心网之间的传输成本为
Figure 364031DEST_PATH_IMAGE030
，MBS m与SBS n之间的传输成本由
Figure 425528DEST_PATH_IMAGE031
给出，其中
Figure 772195DEST_PATH_IMAGE032
、
Figure 184722DEST_PATH_IMAGE033
和
Figure 275038DEST_PATH_IMAGE034
表示每单位距离的成本，以及
Figure 456621DEST_PATH_IMAGE035
，
Figure 213005DEST_PATH_IMAGE036
和
Figure 175145DEST_PATH_IMAGE037
是用于平衡方程的三个常数；由于核心网络和UE之间的链路具有较低的带宽和较高的延迟，因此
Figure 741255DEST_PATH_IMAGE032
大于
Figure 105241DEST_PATH_IMAGE033
和
Figure 465815DEST_PATH_IMAGE034
，由于SBS和MBS之间的高速链路具有最大的带宽和最低的延迟，因此
Figure 915251DEST_PATH_IMAGE034
是最小的；
核心网与UE之间的内容缓存策略为
Figure 285052DEST_PATH_IMAGE038
，其中
Figure 739429DEST_PATH_IMAGE039
表示UE在时间段t中获取存在于核心网络中的多媒体内容f，核心网络和时隙t的UE之间的内容共享的传输成本为
Figure 536484DEST_PATH_IMAGE040
；
核心网络和MBS m之间的内容共享策略由
Figure 207637DEST_PATH_IMAGE041
表示，其中
Figure 443446DEST_PATH_IMAGE042
表示MBS m在时间隙t获取到核心网络中存在的多媒体内容f，核心网络和MBS m在时隙t处的内容共享的传输成本为，
Figure 454127DEST_PATH_IMAGE043
；
MBS m和SBS n之间的内容共享策略由
Figure 484400DEST_PATH_IMAGE044
表示，其中
Figure 580532DEST_PATH_IMAGE045
表示SBS n在时隙t处获取存在于MBS m中的内容f，时隙t处MBS m和SBS n之间的内容共享的传输成本为，
Figure 852988DEST_PATH_IMAGE046
；
核心网络中的内容缓存集为
Figure 718176DEST_PATH_IMAGE047
，其中
Figure 919351DEST_PATH_IMAGE048
表示多媒体内容f的大小在时间隙t的核心网络中，MBS m和SBS n中的内容缓存集为
Figure 502779DEST_PATH_IMAGE049
；
时隙t的总传输成本函数定义为，
Figure 814811DEST_PATH_IMAGE050
，
其中，
Figure 800085DEST_PATH_IMAGE051
、
Figure 172160DEST_PATH_IMAGE052
和
Figure 806666DEST_PATH_IMAGE053
为权重系数，分别用于平衡核心网络与UE之间的内容共享比率，核心网络与MBS之间的内容共享比率，MBS与SBS之间的内容共享比率；
为了比较各种方案的内容传输性能最小化每个时隙中每个方案的总传输成本，期望为，
Figure 860073DEST_PATH_IMAGE054
，
Figure 762170DEST_PATH_IMAGE055
表示在共享策略
Figure 242830DEST_PATH_IMAGE056
下的总传输花销，下一阶段的折让系数是γ，通过选择最佳策略
Figure 597588DEST_PATH_IMAGE057
以实现最小的传输成本，
Figure 454685DEST_PATH_IMAGE058
，
其中
Figure 211289DEST_PATH_IMAGE059
是所有可能的策略的集合。
作为优选，UE从内容提供者和SBS n获得单位内容的时间分别被定义为
Figure 862850DEST_PATH_IMAGE060
和
Figure 463159DEST_PATH_IMAGE061
，在缓存过程中，一些内容将从整个核心网络传输到MBS，然后再传输到SBS，MBS m从内容提供商获取单位内容的时间和SBS n从MBS m获取单位内容的时间为
Figure 858368DEST_PATH_IMAGE062
和
Figure 469478DEST_PATH_IMAGE063
，
时隙t的总延时函数为，
Figure 619837DEST_PATH_IMAGE064
。
作为优选，时隙t内，在BS的缓存中命中的内容数为
Figure 886870DEST_PATH_IMAGE065
，多媒体内容总数为F，则缓存命中率H为
Figure 148087DEST_PATH_IMAGE066
。
作为优选，时隙t的QoE函数表示为
Figure 551387DEST_PATH_IMAGE067
。
本发明的有益效果是：本发明提出一个细粒度的分层边缘内容缓存的框架，并建立了细粒度的层次结构边缘缓存模型。可以实现较低的传输成本和时延，并且可以明显提高高速缓存的命中率和QoE。
附图说明
图1为5G网络下的边缘缓存场景结构图。
图2为细粒度的分层边缘内容缓存框架图。
图3为区域A的缓存网络架构图。
图4为4中不同模型方案的缓存详细信息对比图。
图5为不同内容种数下图4中四种方案的内容传输成本对比图。
图6为不同内容种数下图4中四种方案的内容时间延迟对比图。
图7为不同内容种数下图4中四种方案的边缘缓存命中率对比图。
图8为不同内容种数下图4中四种方案的QoE对比图。
图9为不同SBS缓存容量下三种方案的边缘缓存命中率的对比图。
图10为不同SBS缓存容量下三种方案的内容时间延迟对比图。
图11为不同SBS缓存容量下三种方案的内容传输成本的对比图。
图12为每组不同数量的SBS下三种方案的边缘缓存命中率对比图。
图13为不同MBS缓存容量下三种方案的内容时间延迟对比图。
图14为不同MBS缓存容量下三种方案的内容传输成本对比图。
具体实施方式
一种基于内容流行度的细粒度分层边缘缓存方法，包括以下步骤：
A、建立边缘缓存模型；
B、进行边缘内容的缓存；
C、进行性能指标测量。
所述边缘缓存模型包括核心网络，M个MBS和B个SBS，MBS和SBS的集合分别由
Figure 374111DEST_PATH_IMAGE001
和
Figure 190758DEST_PATH_IMAGE002
表示，核心网络中有内容提供商和云服务器，以向多媒体设备提供用户设备请求的内容，每个MBS和SBS有一个用于缓存多媒体内容的存储区和一个MEC服务器来处理诸如内容压缩和编码之类的任务，所有多媒体内容以块单元的形式缓存在基本站点的存储中，每个区域中的MBS和SBS以数据包的形式协同缓存，它们通过高速链路进行通信和传输，所有MBS的缓存容量的集合由
Figure 927769DEST_PATH_IMAGE003
给出，所有SBS的缓存容量的集合定义为
Figure 513472DEST_PATH_IMAGE004
，分别用
Figure 943316DEST_PATH_IMAGE005
和
Figure 981679DEST_PATH_IMAGE006
表示MBS和SBS的计算资源；
在每个时隙t中，基站中的高速缓存包括高速缓存表转发、内容交付和共享以及高速缓存更新三个过程；首先，每个SBS接收区域内用户的本地内容请求，如果请求的内容不再在本地缓存中，则根据缓存表从上级缓存或核心网获取内容，最后，刷新高速缓存中的存储，并为下一个时隙智能选择多媒体内容；
Figure 83234DEST_PATH_IMAGE007
为MBS m与核心网络之间的距离，
Figure 726705DEST_PATH_IMAGE008
为MBS m与SBS n之间的距离，设每个用户在每个时隙t中仅请求一种类型的内容，从而使用内容ID代替用户的ID，
Figure 124188DEST_PATH_IMAGE009
为用户与核心网络之间的距离；
设总共有F种类型的多媒体内容，并且每个内容可以由一个或几个内容单元组成，将所有多媒体内容的列表定义为
Figure 853110DEST_PATH_IMAGE010
，每个内容由三个成分标识，并表示为
Figure 994241DEST_PATH_IMAGE068
，其中df 和pf 分别是内容f的大小和受欢迎程度，t f 是用户获取内容的时间延迟，在时隙t，区域A中的时间延迟为
Figure 554535DEST_PATH_IMAGE012
和
Figure 60603DEST_PATH_IMAGE013
，其中
Figure 840602DEST_PATH_IMAGE014
和
Figure 723108DEST_PATH_IMAGE069
分别表示在时隙t处多媒体内容f的大小和时间延迟，SBS n中的多媒体内容f的请求比率是一个独立的平均分布IID随机变量，平均值为
Figure 137909DEST_PATH_IMAGE016
，在时间段t，内容流行度集合为
Figure 80457DEST_PATH_IMAGE017
，其中
Figure 580708DEST_PATH_IMAGE018
表示的时隙t在SBS n中的多媒体内容f的流行度，设
Figure 1325DEST_PATH_IMAGE019
满足Zipf分布，表示为，
Figure 536212DEST_PATH_IMAGE020
其中，
Figure 950794DEST_PATH_IMAGE021
表示多媒体内容在SBS n中的排名，
Figure 876024DEST_PATH_IMAGE022
表示SBS n处的Zipf参数，
Figure 162649DEST_PATH_IMAGE022
越大，表示大多数请求的内容就越少。
步骤B中，进行边缘内容的缓存包括以下步骤，
用户可以请求的所有多媒体内容都由核心网络中的内容提供商和云服务器提供，部分多媒体内容以数据包的形式缓存在MBSs和SBSs中，而MBSs和SBSs负责固定区域中的用户请求，当发现用户设备UE在MEC服务器的帮助下提交了对某些多媒体内容的请求时，它首先搜索相关内容是否已缓存在最近的SBS中，如果缓存内容命中，它将从高层缓存中预下载命中内容，并通过高速链路将其传输到SBS，然后再传输到UE，如果缓存的内容没有命中，则由核心网络云服务器直接将其提供给UE，MEC服务器负责缓存策略的调度，以及内容的压缩，解压缩，编码和解码任务。
步骤B中，将整个过程划分为时间片间隙，以每个时间间隙为单独的计算过程，检索每一种多媒体内容，并计算已缓存的内容总量cont，然后基于内容流行度P(t)和缓存策略
Figure 489725DEST_PATH_IMAGE023
来选择缓存的位置，判断当前已缓存的内容数是否超过了微基站的计算资源量，将已缓存内容总量cont与微基站的缓存容量上限作比较，如果没有达到上限则记录下微基站中缓存的内容大小和已缓存的内容数量，反之则继续增大已缓存的内容总量cont，在宏基站中执行和微基站相同操作，记录下宏基站中缓存的内容大小和已缓存的内容数量。
缓存策略
Figure 836393DEST_PATH_IMAGE023
决定每种内容具体缓存位置的策略，由
Figure 248920DEST_PATH_IMAGE070
三部分组成，是随缓存内容的类别变化而变化的。其中，
Figure 73656DEST_PATH_IMAGE071
，
Figure 819021DEST_PATH_IMAGE072
，
Figure 274273DEST_PATH_IMAGE073
。以实现最小的传输成本为目标，来选择每一个对应的最佳缓存策略
Figure 236413DEST_PATH_IMAGE074
，即
Figure 802523DEST_PATH_IMAGE075
，其中
Figure 900929DEST_PATH_IMAGE076
。
步骤C中，性能指标包括总传输花销
Figure 527083DEST_PATH_IMAGE024
、总时间延迟
Figure 976518DEST_PATH_IMAGE025
，缓存命中率H和QoE值Q。
总传输花销
Figure 641593DEST_PATH_IMAGE024
包括核心网络和时隙t的UE之间的内容共享的传输成本
Figure 797768DEST_PATH_IMAGE026
、核心网络和MBS m在时隙t处的内容共享的传输成本
Figure 657139DEST_PATH_IMAGE027
、时隙t处MBS m和SBS n之间的内容共享的传输成本
Figure 265975DEST_PATH_IMAGE028
。
在时隙t的高速缓存表转发阶段，每个用户将提交一个多媒体内容f的随机请求；当负责该区域的SBS n在内容传递和共享阶段接收到请求时，如果f的数据包命中了SBS n的本地缓存，则它将直接发送到该UE；内容f的其余数据分组将从同一组的上层的MBS m发送到SBS n；如果在最近的SBS n的缓存内容中找不到用户请求的内容，则检索同一区域中的所有相邻SBS；如果检索到，将其直接传递给UE，否则，将从核心网络的内容提供商那里获取多媒体内容；
核心网与用户之间的传输成本定义为：
Figure 501784DEST_PATH_IMAGE029
，MBS m与核心网之间的传输成本为
Figure 512466DEST_PATH_IMAGE077
，MBS m与SBS n之间的传输成本由
Figure 542739DEST_PATH_IMAGE031
给出，其中
Figure 202652DEST_PATH_IMAGE032
、
Figure 648677DEST_PATH_IMAGE033
和
Figure 904078DEST_PATH_IMAGE034
表示每单位距离的成本，以及
Figure 105252DEST_PATH_IMAGE078
，
Figure 267110DEST_PATH_IMAGE036
和
Figure 516826DEST_PATH_IMAGE037
是用于平衡方程的三个常数；由于核心网络和UE之间的链路具有较低的带宽和较高的延迟，因此
Figure 564417DEST_PATH_IMAGE032
大于
Figure 874175DEST_PATH_IMAGE033
和
Figure 7216DEST_PATH_IMAGE034
，由于SBS和MBS之间的高速链路具有最大的带宽和最低的延迟，因此
Figure 122940DEST_PATH_IMAGE034
是最小的；
核心网与UE之间的内容缓存策略为
Figure 962720DEST_PATH_IMAGE038
，其中
Figure 7161DEST_PATH_IMAGE039
表示UE在时间段t中获取存在于核心网络中的多媒体内容f，核心网络和时隙t的UE之间的内容共享的传输成本为
Figure 299603DEST_PATH_IMAGE040
；
核心网络和MBS m之间的内容共享策略由
Figure 219017DEST_PATH_IMAGE041
表示，其中
Figure 975620DEST_PATH_IMAGE042
表示MBS m在时间隙t获取到核心网络中存在的多媒体内容f，核心网络和MBS m在时隙t处的内容共享的传输成本为，
Figure 627182DEST_PATH_IMAGE043
；
MBS m和SBS n之间的内容共享策略由
Figure 734815DEST_PATH_IMAGE079
表示，其中
Figure 690876DEST_PATH_IMAGE045
表示SBS n在时隙t处获取存在于MBS m中的内容f，时隙t处MBS m和SBS n之间的内容共享的传输成本为，
Figure 239669DEST_PATH_IMAGE080
；
核心网络中的内容缓存集为
Figure 390028DEST_PATH_IMAGE081
，其中
Figure 657061DEST_PATH_IMAGE048
表示多媒体内容f的大小在时间隙t的核心网络中，MBS m和SBS n中的内容缓存集为
Figure 652699DEST_PATH_IMAGE083
；
时隙t的总传输成本函数定义为，
Figure 383895DEST_PATH_IMAGE050
，
其中，
Figure 642838DEST_PATH_IMAGE051
、
Figure 695370DEST_PATH_IMAGE052
和
Figure 697961DEST_PATH_IMAGE053
为权重系数，分别用于平衡核心网络与UE之间的内容共享比率，核心网络与MBS之间的内容共享比率，MBS与SBS之间的内容共享比率；
为了比较各种方案的内容传输性能最小化每个时隙中每个方案的总传输成本，期望为，
Figure 283663DEST_PATH_IMAGE084
，
Figure 447928DEST_PATH_IMAGE055
表示在共享策略
Figure 751870DEST_PATH_IMAGE085
下的总传输花销，下一阶段的折让系数是γ，通过选择最佳策略
Figure 354890DEST_PATH_IMAGE086
以实现最小的传输成本，
Figure 732782DEST_PATH_IMAGE087
，
其中
Figure 900239DEST_PATH_IMAGE059
是所有可能的策略的集合。
UE从内容提供者和SBS n获得单位内容的时间分别被定义为
Figure 363581DEST_PATH_IMAGE060
和
Figure 770292DEST_PATH_IMAGE061
，在缓存过程中，一些内容将从整个核心网络传输到MBS，然后再传输到SBS，MBS m从内容提供商获取单位内容的时间和SBS n从MBS m获取单位内容的时间为
Figure 268269DEST_PATH_IMAGE062
和
Figure 836654DEST_PATH_IMAGE063
，
时隙t的总延时函数为，
Figure 52871DEST_PATH_IMAGE088
。
时隙t内，在BS的缓存中命中的内容数为
Figure 997694DEST_PATH_IMAGE065
，多媒体内容总数为F，则缓存命中率H为
Figure 913959DEST_PATH_IMAGE089
。
时隙t的QoE函数表示为
Figure 590928DEST_PATH_IMAGE067
。
图1的场景是城市5G通信环境，其中具有智慧通信终端的移动用户提出对多媒体内容的请求，并且所请求的内容由核心网络的内容提供商提供。移动边缘计算（MEC）可以看作是在移动网络边缘上运行特定任务的云服务器。在MEC服务器的控制下，多媒体内容可以缓存在宏基站（MBSs）和微基站（SBSs）中，用户最终将通过传输从SBSs获得多媒体内容。场景结构如图1所示。在该场景中，我们主要集中在如何合理地分配边缘缓存和边缘服务器上，以减少网络的传输成本和用户获取内容的时延，进而基于内容流行度改善用户体验质量。
仿真实验
1、仿真设置
本仿真实验中，远端是核心网络的内容提供者，然后MBS和SBS靠近用户终端。为了使仿真环境适应实际情况，假设每个MBS与核心网络之间的距离在2至5公里之间，而每个MBS与SBS之间的距离则在1至2公里之间随机产生。另外，假设从核心网络直接到UE的最大距离为10公里。多媒体内容在测试区域中的普及是由Zipf分发产生的，它代表了UE的发送请求。每个内容的受欢迎程度排名是随机分配的。在每个时隙t，每个SBSn随机产生参数
Figure 91180DEST_PATH_IMAGE090
，范围从0.5到1.5。
在初始条件下，假设整个网络由5个MBSs和20个SBSs组成，并对MBSs和SBSs分组，每个组由1个MBS和4个SBSs组成。此外，每个MBS的缓存容量定义为4000 MB，而每个SBS的缓存容量则是在（500，3000）MB范围内随机生成的。基站的缓存容量确定了可以缓存的最大内容量，而基站的计算资源量则确定了MEC服务器可以提供的最大缓存数目。每个MBS的计算资源量定义为40，而每个SBS的计算资源量则是在（5，30）范围内随机生成的。此外，用户请求的多媒体内容的总数以20为单位从60增加到200。此外，传输成本系数
Figure 777376DEST_PATH_IMAGE032
，
Figure 46683DEST_PATH_IMAGE035
，
Figure 160133DEST_PATH_IMAGE033
，
Figure 147680DEST_PATH_IMAGE036
，
Figure 371988DEST_PATH_IMAGE034
，
Figure 259916DEST_PATH_IMAGE037
分别设置为40、60、100、60、200和80。
此外，为了更直观地评估本发明提出的基于流行度的细粒度分层边缘缓存方案（P-FHEC）的性能，我们将其与其他三个经典方案进行了比较，包括无缓存（NC），分层边缘缓存（HEC）和细粒度的分层边缘缓存（FHEC），参看图4。方案1是无缓存模型（NC），方案2是分层边缘缓存模型（HEC），方案3是细粒度分层边缘缓存模型（FHEC）。在第一种方案中，网络直接由核心网络和用户组成，用户请求的多媒体内容由核心网络的内容提供商直接提供。在第二种方案中，将MBS和SBS添加到网络中，并且根据某些规则，核心网络中的一部分多媒体内容将被缓存在其中。但是，这些内容将作为完整内容存储在缓存中，并且不会被分割。首先将使用靠近用户的SBS中的缓存，然后再使用MBS中的缓存。在第三方案中，SBS中的高速缓存被划分为私有区域和公共区域。由于多媒体内容的可分离性，每个内容的一小部分被缓存在私有区域中。公共区域将被保留。一旦缓存在专用区域中的内容命中，公共区域将用于存储从MBS传输的内容。
方案4是我们基于流行度（P-FHEC）提出的细粒度分层边缘缓存模型。基于方案3的设计，我们考虑问题本身的受欢迎程度和所需条件。对于那些更受欢迎的内容，尽管内容粒度保持不变，但将分配更多的内容单元来缓存它们。对于那些对时间延迟敏感的内容，将综合考虑整体用户体验质量，然后相应地提前其在缓存队列中的顺序。 MBS和SBS之间的内容通过高速链路传输。公共区域的设置保持不变。
2、性能对比
1）传输成本：图5显示了随着多媒体内容类型总数的增加，四种方案的缓存传输成本的变化。该图清楚地表明，与其他三个经典方案相比，本发明提出的P-FHEC方案总体上产生的传输成本更低。当缓存的多媒体内容的类型较少时，P-FHEC方案和FHEC方案的传输成本相似，但是随着内容类型的逐渐增加，本发明方案的优势将越来越大。其原因是，NC方案和HEC方案没有高速缓存，或者高速缓存的内容非常有限，因此总传输成本将始终处于较高水平。当只有较少类型的缓存内容时，本发明的方案和FHEC方案都可以在SBS中缓存所有这些内容。但是，在缓存内容的类型达到一定值之后，FHEC解决方案将随机选择要缓存的多媒体内容，而本发明的解决方案将根据优先级来缓存最受欢迎的多媒体内容。内容的高流行度意味着内容的流行度高并且被请求的频率高。因此，如果将最需要的内容缓存在MBS和SBS中，则总传输成本将降低。
2）时间延迟：图6表示了随着内容类型的总数增加，UE在四种方案中获得多媒体内容的时间延迟之和的变化。在模拟的整个内容类型范围中，本发明提出的P-FHEC方案的时间延迟始终低于其他三种方案。本发明程序的时间延迟变化趋势是随着内容类型数量的增加，最初是缓慢增加，然后是快速增加。造成这种现象的原因是，P-FHEC方案中非常受欢迎的内容基本上缓存在靠近UE的SBS和MBS中，并且用户可以更快地获得他们请求的多媒体内容。当内容类型的数量较少时，所有内容都可以缓存在SBS和MBS中。当内容数量达到一定数量时，一些内容将通过核心网络直接传输给用户，从而导致时间延迟的迅速增加。
3）缓存命中率和QoE：图7指出了随着内容类型数量的增加，四种方案的缓存命中率的变化。从图中可以看出，除了没有高速缓存的NC方案外，其他三种方案的高速缓存命中率都随着内容数量的增加而呈下降趋势。其中，HEC方案的下降趋势相对平稳，但其缓存命中率通常不高。最初，FHEC方案的缓存命中率很高，但是下降得更快。当内容类型的数量达到200时，缓存命中率已降至30％以下。本发明提出的P-FHEC方案的缓存命中率始终处于最高水平，并且一直保持到60％以上。本发明的解决方案的缓存命中率如此之高的原因是，本发明对具有高访问量的具有高人气的内容进行了优先级排序，从而使总体缓存命中率保持在较高水平。
图8显示了当多媒体内容的数量为200时在四种情况下用户的QoE的比较。根据本发明的QoE测量标准，本发明提出的P-FHEC方案的QoE结果接近完美得分10，并且在其他方案中，性能最佳的FHEC方案仅略高于6。这是因为QoE主要与时间延迟和缓存命中率有关。P-FHEC方案在这些因素上具有更好的性能。
4）更改SBS的缓存容量：图9说明了当多媒体内容的数量为200时，更改SBS的缓存容量对三种方案的缓存命中率的影响。图中的变化趋势表明，随着缓存容量的增加， SBS的数量逐渐增加，这三种方案的缓存命中率都增加了。但是，HEC方案的改进基本上可以忽略不计。 FHEC方案的改进更为明显，但最终的高速缓存命中率不超过60％。 P-FHEC方案的高速缓存命中率一直显示出上升趋势，但是当高速缓存容量达到2500MB或更多时，增长率开始减慢。这表明在实际应用过程中，应综合考虑增加SBS缓存容量的成本所带来的实际命中率增加的好处。
图10和图11分别表示当多媒体内容的数量为200时，改变SBS的高速缓存容量对三种方案的传输成本和时间延迟的影响。随着SBS缓存容量的增加，这三种方案的传输成本呈下降趋势，其中FHEC和P-FHEC下降得更为剧烈，而我们提出的P-FHEC方案产生的传输成本更低。三种方案的时间延迟显示出与传输成本相同的趋势。可以发现，SBS高速缓存容量的改变极大地影响了高速缓存方案的传输成本和时间延迟。结果，考虑到设备成本，可以通过适当地增加SBS的高速缓存容量来减少内容传输过程的传输成本和时间延迟。
5）更改每组SBS的数量：图12显示了更改每组SBS的数量对三种方案的缓存命中率的影响。初始模拟实验设置为每组一个MBS和四个SBSs。在用户请求200种类型的多媒体内容的情况下，通过增加SBS的数量，显着提高了我缓存的命中率。但是，设施成本也会相应增加。因此，有必要在实际环境中特别注意基础架构成本和用户需求之间的平衡。
6）更改MBS的缓存容量：图13和图14分别显示了更改MBS的缓存容量对三种方案的传输成本和时间延迟的影响。从图中可以看出，增加MBS容量对时间的影响很小，只有很小的减少，但是会适当增加传输成本。这可能是因为实际的用户需求尚未达到MBS能力的上限，因此MBS缓存了多余的内容并生成了一些冗余的内容传输过程。因此，在实际环境中，使MBS的容量尽可能接近饱和才能获得最大的总体收益。

Claims (9)

1.一种基于内容流行度的细粒度分层边缘缓存方法，其特征在于包括以下步骤：
A、建立边缘缓存模型；
边缘缓存模型包括核心网络，M个MBS和B个SBS，MBS和SBS的集合分别由
Figure DEST_PATH_IMAGE001
和
Figure DEST_PATH_IMAGE002
表示，核心网络中有内容提供商和云服务器，以向多媒体设备提供用户设备请求的内容，每个MBS和SBS有一个用于缓存多媒体内容的存储区和一个MEC服务器来处理诸如内容压缩和编码之类的任务，所有多媒体内容以块单元的形式缓存在基本站点的存储中，每个区域中的MBS和SBS以数据包的形式协同缓存，它们通过高速链路进行通信和传输，所有MBS的缓存容量的集合由
Figure DEST_PATH_IMAGE003
给出，所有SBS的缓存容量的集合定义为
Figure DEST_PATH_IMAGE004
，分别用
Figure DEST_PATH_IMAGE005
和
Figure DEST_PATH_IMAGE006
表示MBS和SBS的计算资源；
在每个时隙t中，基站中的高速缓存包括高速缓存表转发、内容交付和共享以及高速缓存更新三个过程；首先，每个SBS接收区域内用户的本地内容请求，如果请求的内容不再在本地缓存中，则根据缓存表从上级缓存或核心网获取内容，最后，刷新高速缓存中的存储，并为下一个时隙智能选择多媒体内容；
Figure DEST_PATH_IMAGE007
为MBS m与核心网络之间的距离，
Figure DEST_PATH_IMAGE008
为MBS m与SBS n之间的距离，设每个用户在每个时隙t中仅请求一种类型的内容，从而使用内容ID代替用户的ID，
Figure DEST_PATH_IMAGE009
为用户与核心网络之间的距离；
设总共有F种类型的多媒体内容，并且每个内容可以由一个或几个内容单元组成，将所有多媒体内容的列表定义为
Figure DEST_PATH_IMAGE010
，每个内容由三个成分标识，并表示为
Figure DEST_PATH_IMAGE011
，其中df 和pf 分别是内容f的大小和受欢迎程度，t f 是用户获取内容的时间延迟，在时隙t，区域A中的时间延迟为
Figure DEST_PATH_IMAGE012
和
Figure DEST_PATH_IMAGE013
，其中
Figure DEST_PATH_IMAGE014
和
Figure DEST_PATH_IMAGE015
分别表示在时隙t处多媒体内容f的大小和时间延迟，SBS n中的多媒体内容f的请求比率是一个独立的平均分布IID随机变量，平均值为
Figure DEST_PATH_IMAGE016
，在时间段t，内容流行度集合为
Figure DEST_PATH_IMAGE017
，其中
Figure DEST_PATH_IMAGE018
表示的时隙t在SBS n中的多媒体内容f的流行度，设
Figure DEST_PATH_IMAGE019
满足Zipf分布，表示为，
Figure DEST_PATH_IMAGE020
其中，
Figure DEST_PATH_IMAGE021
表示多媒体内容在SBS n中的排名，
Figure DEST_PATH_IMAGE022
表示SBS n处的Zipf参数，
Figure 536495DEST_PATH_IMAGE022
越大，表示大多数请求的内容就越少；
B、进行边缘内容的缓存；
C、进行性能指标测量。
2.根据权利要求1所述的基于内容流行度的细粒度分层边缘缓存方法，其特征在于：步骤B中，进行边缘内容的缓存包括以下步骤，
用户可以请求的所有多媒体内容都由核心网络中的内容提供商和云服务器提供，部分多媒体内容以数据包的形式缓存在MBSs和SBSs中，而MBSs和SBSs负责固定区域中的用户请求，当发现用户设备UE在MEC服务器的帮助下提交了对某些多媒体内容的请求时，它首先搜索相关内容是否已缓存在最近的SBS中，如果缓存内容命中，它将从高层缓存中预下载命中内容，并通过高速链路将其传输到SBS，然后再传输到UE，如果缓存的内容没有命中，则由核心网络云服务器直接将其提供给UE，MEC服务器负责缓存策略的调度，以及内容的压缩，解压缩，编码和解码任务。
3.如权利要求2所述的基于内容流行度的细粒度分层边缘缓存方法，其特征在于：步骤B中，将整个过程划分为时间片间隙，以每个时间间隙为单独的计算过程，检索每一种多媒体内容，并计算已缓存的内容总量cont，然后基于内容流行度P(t)和缓存策略
Figure DEST_PATH_IMAGE023
来选择缓存的位置，判断当前已缓存的内容数是否超过了微基站的计算资源量，将已缓存内容总量cont与微基站的缓存容量上限作比较，如果没有达到上限则记录下微基站中缓存的内容大小和已缓存的内容数量，反之则继续增大已缓存的内容总量cont，在宏基站中执行和微基站相同操作，记录下宏基站中缓存的内容大小和已缓存的内容数量。
4.如权利要求3所述的基于内容流行度的细粒度分层边缘缓存方法，其特征在于：步骤C中，性能指标包括总传输花销
Figure DEST_PATH_IMAGE024
、总时间延迟
Figure DEST_PATH_IMAGE025
，缓存命中率H和QoE值Q。
5.如权利要求4所述的基于内容流行度的细粒度分层边缘缓存方法，其特征在于：总传输花销
Figure 155433DEST_PATH_IMAGE024
包括核心网络和时隙t的UE之间的内容共享的传输成本
Figure DEST_PATH_IMAGE026
、核心网络和MBS m在时隙t处的内容共享的传输成本
Figure DEST_PATH_IMAGE027
、时隙t处MBS m和SBS n之间的内容共享的传输成本
Figure DEST_PATH_IMAGE028
。
6.如权利要求5所述的基于内容流行度的细粒度分层边缘缓存方法，其特征在于：
在时隙t的高速缓存表转发阶段，每个用户将提交一个多媒体内容f的随机请求；当负责该区域的SBS n在内容传递和共享阶段接收到请求时，如果f的数据包命中了SBS n的本地缓存，则它将直接发送到该UE；内容f的其余数据分组将从同一组的上层的MBS m发送到SBS n；如果在最近的SBS n的缓存内容中找不到用户请求的内容，则检索同一区域中的所有相邻SBS；如果检索到，将其直接传递给UE，否则，将从核心网络的内容提供商那里获取多媒体内容；
核心网与用户之间的传输成本定义为：
Figure DEST_PATH_IMAGE029
，MBS m与核心网之间的传输成本为
Figure DEST_PATH_IMAGE030
，MBS m与SBS n之间的传输成本由
Figure DEST_PATH_IMAGE031
给出，其中
Figure DEST_PATH_IMAGE032
、
Figure DEST_PATH_IMAGE033
和
Figure DEST_PATH_IMAGE034
表示每单位距离的成本，以及
Figure DEST_PATH_IMAGE035
，
Figure DEST_PATH_IMAGE036
和
Figure DEST_PATH_IMAGE037
是用于平衡方程的三个常数；由于核心网络和UE之间的链路具有较低的带宽和较高的延迟，因此
Figure 24251DEST_PATH_IMAGE032
大于
Figure 560406DEST_PATH_IMAGE033
和
Figure 515724DEST_PATH_IMAGE034
，由于SBS和MBS之间的高速链路具有最大的带宽和最低的延迟，因此
Figure 499639DEST_PATH_IMAGE034
是最小的；
核心网与UE之间的内容缓存策略为
Figure DEST_PATH_IMAGE038
，其中
Figure DEST_PATH_IMAGE039
表示UE在时间段t中获取存在于核心网络中的多媒体内容f，核心网络和时隙t的UE之间的内容共享的传输成本为
Figure DEST_PATH_IMAGE040
；
核心网络和MBS m之间的内容共享策略由
Figure DEST_PATH_IMAGE041
表示，其中
Figure DEST_PATH_IMAGE042
表示MBS m在时间隙t获取到核心网络中存在的多媒体内容f，核心网络和MBS m在时隙t处的内容共享的传输成本为，
Figure DEST_PATH_IMAGE043
；
MBS m和SBS n之间的内容共享策略由
Figure DEST_PATH_IMAGE044
表示，其中
Figure DEST_PATH_IMAGE045
表示SBS n在时隙t处获取存在于MBS m中的内容f，时隙t处MBS m和SBS n之间的内容共享的传输成本为，
Figure DEST_PATH_IMAGE046
；
核心网络中的内容缓存集为
Figure DEST_PATH_IMAGE047
，其中
Figure DEST_PATH_IMAGE048
表示多媒体内容f的大小在时间隙t的核心网络中，MBS m和SBS n中的内容缓存集为
Figure DEST_PATH_IMAGE049
；
时隙t的总传输成本函数定义为，
Figure DEST_PATH_IMAGE050
，
其中，
Figure DEST_PATH_IMAGE051
、
Figure DEST_PATH_IMAGE052
和
Figure DEST_PATH_IMAGE053
为权重系数，分别用于平衡核心网络与UE之间的内容共享比率，核心网络与MBS之间的内容共享比率，MBS与SBS之间的内容共享比率；
为了比较各种方案的内容传输性能最小化每个时隙中每个方案的总传输成本，期望为，
Figure DEST_PATH_IMAGE054
，
Figure DEST_PATH_IMAGE055
表示在共享策略
Figure DEST_PATH_IMAGE056
下的总传输花销，下一阶段的折让系数是γ，通过选择最佳策略
Figure DEST_PATH_IMAGE057
以实现最小的传输成本，
Figure DEST_PATH_IMAGE058
，
其中
Figure DEST_PATH_IMAGE059
是所有可能的策略的集合。
7.如权利要求4所述的基于内容流行度的细粒度分层边缘缓存方法，其特征在于：UE从内容提供者和SBS n获得单位内容的时间分别被定义为
Figure DEST_PATH_IMAGE060
和
Figure DEST_PATH_IMAGE061
，在缓存过程中，一些内容将从整个核心网络传输到MBS，然后再传输到SBS，MBS m从内容提供商获取单位内容的时间和SBS n从MBS m获取单位内容的时间为
Figure DEST_PATH_IMAGE062
和
Figure DEST_PATH_IMAGE063
，
时隙t的总延时函数为，
Figure DEST_PATH_IMAGE064
。
8.如权利要求4所述的基于内容流行度的细粒度分层边缘缓存方法，其特征在于：时隙t内，在BS的缓存中命中的内容数为
Figure DEST_PATH_IMAGE065
，多媒体内容总数为F，则缓存命中率H为
Figure DEST_PATH_IMAGE066
。
9.如权利要求4所述的基于内容流行度的细粒度分层边缘缓存方法，其特征在于：时隙t的QoE函数表示为
Figure DEST_PATH_IMAGE067
。
CN202110249582.7A 2021-03-08 2021-03-08 一种基于内容流行度的细粒度分层边缘缓存方法 Active CN112637908B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110249582.7A CN112637908B (zh) 2021-03-08 2021-03-08 一种基于内容流行度的细粒度分层边缘缓存方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110249582.7A CN112637908B (zh) 2021-03-08 2021-03-08 一种基于内容流行度的细粒度分层边缘缓存方法

Publications (2)

Publication Number Publication Date
CN112637908A true CN112637908A (zh) 2021-04-09
CN112637908B CN112637908B (zh) 2021-06-25

Family

ID=75297737

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110249582.7A Active CN112637908B (zh) 2021-03-08 2021-03-08 一种基于内容流行度的细粒度分层边缘缓存方法

Country Status (1)

Country Link
CN (1) CN112637908B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113709816A (zh) * 2021-06-04 2021-11-26 武汉大学 一种基于多特征用户群体的基站协作缓存方法
CN114884715A (zh) * 2022-04-27 2022-08-09 深信服科技股份有限公司 一种流量检测方法、检测模型训练方法、装置及相关设备
CN116828226A (zh) * 2023-08-28 2023-09-29 南京邮电大学 基于区块链的云边端协同视频流缓存系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101727460A (zh) * 2008-10-31 2010-06-09 中兴通讯股份有限公司 一种内容分片定位方法和系统
CN102855197A (zh) * 2011-11-08 2013-01-02 东南大学 一种面向大规模粗粒度可重构系统存储系统的实现方法
CN103023768A (zh) * 2013-01-11 2013-04-03 中国科学院声学研究所 边缘路由节点以及其从多源预取内容的方法
US20140282810A1 (en) * 2013-02-22 2014-09-18 Telefonaktiebolaget L M Ericsson (Publ) Media distribution network with media burst transmission capabilities
CN106230550A (zh) * 2016-07-25 2016-12-14 北京航空航天大学 车联网环境下具有缓存能力的编码传输方法
US10110963B1 (en) * 2017-08-24 2018-10-23 Amdocs Development Limited System, method, and computer program for media content playback management
CN109587709A (zh) * 2017-09-29 2019-04-05 中国移动通信有限公司研究院 本地数据网的发现、配置方法、终端、核心网设备及基站
CN111770362A (zh) * 2020-07-09 2020-10-13 南京大学 一种面向边缘环境的视频传输系统及其传输方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101727460A (zh) * 2008-10-31 2010-06-09 中兴通讯股份有限公司 一种内容分片定位方法和系统
CN102855197A (zh) * 2011-11-08 2013-01-02 东南大学 一种面向大规模粗粒度可重构系统存储系统的实现方法
CN103023768A (zh) * 2013-01-11 2013-04-03 中国科学院声学研究所 边缘路由节点以及其从多源预取内容的方法
US20140282810A1 (en) * 2013-02-22 2014-09-18 Telefonaktiebolaget L M Ericsson (Publ) Media distribution network with media burst transmission capabilities
CN106230550A (zh) * 2016-07-25 2016-12-14 北京航空航天大学 车联网环境下具有缓存能力的编码传输方法
US10110963B1 (en) * 2017-08-24 2018-10-23 Amdocs Development Limited System, method, and computer program for media content playback management
CN109587709A (zh) * 2017-09-29 2019-04-05 中国移动通信有限公司研究院 本地数据网的发现、配置方法、终端、核心网设备及基站
CN111770362A (zh) * 2020-07-09 2020-10-13 南京大学 一种面向边缘环境的视频传输系统及其传输方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113709816A (zh) * 2021-06-04 2021-11-26 武汉大学 一种基于多特征用户群体的基站协作缓存方法
CN113709816B (zh) * 2021-06-04 2024-03-22 武汉大学 一种基于多特征用户群体的基站协作缓存方法
CN114884715A (zh) * 2022-04-27 2022-08-09 深信服科技股份有限公司 一种流量检测方法、检测模型训练方法、装置及相关设备
CN116828226A (zh) * 2023-08-28 2023-09-29 南京邮电大学 基于区块链的云边端协同视频流缓存系统
CN116828226B (zh) * 2023-08-28 2023-11-10 南京邮电大学 基于区块链的云边端协同视频流缓存系统

Also Published As

Publication number Publication date
CN112637908B (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
CN112637908B (zh) 一种基于内容流行度的细粒度分层边缘缓存方法
Zhong et al. A deep reinforcement learning-based framework for content caching
CN110213627B (zh) 一种基于多小区用户移动性的流媒体缓存分配方法
CN112218337B (zh) 一种移动边缘计算中的缓存策略决策方法
WO2023168824A1 (zh) 一种基于联邦学习的移动边缘缓存优化方法
Chen et al. Mobile edge cache strategy based on neural collaborative filtering
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
CN114143891A (zh) 移动边缘网络中基于fdql的多维资源协同优化方法
CN112954385A (zh) 一种基于控制论和数据驱动的自适应分流决策方法
CN112543508A (zh) 面向5g网络切片的无线资源分配方法及网络架构
Hajiakhondi-Meybodi et al. Cache replacement schemes based on adaptive time window for video on demand services in femtocell networks
CN115002132A (zh) 一种用于pcdn网络预缓存资源的分发方法、系统及计算机设备
CN110913239B (zh) 一种精细化的移动边缘计算的视频缓存更新方法
CN109951317B (zh) 一种基于用户驱动的流行度感知模型的缓存替换方法
Dubin et al. A fair server adaptation algorithm for HTTP adaptive streaming using video complexity
Cai et al. Game theory-based device-to-device network access algorithm for heterogeneous networks
CN108881051B (zh) 一种p2p流媒体点播系统中基于请求队列的节点负载均衡方法
CN111901394A (zh) 一种联合考虑用户偏好及活跃程度的移动边缘缓存的方法及系统
Chen et al. A Fine-grained Hierarchical Edge Caching Scheme Based on Content Popularity
CN108429919B (zh) 多速率视频在无线网络中的缓存和传输优化方法
Chen et al. A joint bitrate and buffer control scheme for low-latency live streaming
CN115051996B (zh) 一种多接入边缘计算下基于本地视频效用值的视频缓存管理方法
CN109639844B (zh) 一种基站以及基于局部流行度的内容缓存方法
Si et al. Edge Caching Strategy Based on User's Long and Short Term Interests
Gu et al. Video Cooperative Caching in High-Speed Train by using Differential Evolution Algorithm

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