CN112866144B - 一种网络通信模型的预缓存方法、装置、设备及存储介质 - Google Patents
一种网络通信模型的预缓存方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112866144B CN112866144B CN202011620993.4A CN202011620993A CN112866144B CN 112866144 B CN112866144 B CN 112866144B CN 202011620993 A CN202011620993 A CN 202011620993A CN 112866144 B CN112866144 B CN 112866144B
- Authority
- CN
- China
- Prior art keywords
- data
- model
- network communication
- cache
- information
- 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
- 238000004891 communication Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000032683 aging Effects 0.000 claims abstract description 12
- 238000005065 mining Methods 0.000 claims description 13
- 230000000977 initiatory effect Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 238000012217 deletion Methods 0.000 claims description 8
- 230000037430 deletion Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000013499 data model Methods 0.000 abstract description 4
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000002431 foraging effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L49/00—Packet switching elements
- H04L49/90—Buffering arrangements
- H04L49/9063—Intermediate storage in different physical parts of a node or terminal
-
- 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
- H04L67/535—Tracking the activity of the user
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明实施例公开了一种网络通信模型的预缓存方法、装置、设备及存储介质,其中,所述网络通信模型的预缓存方法,包括:数据信息上报;收集和挖掘;缓存老化及替换。通过用户已有请求的大数据分析,计算基于各种数据请求的关联度并建立其模型,该模型作为已有模型,与用户即时缓存CS数据结合,推算出与缓存CS模型相关度高的数据模型,然后在网络空闲状态时,在对应路由器设备上发送关联数据的兴趣报文,来预存储相关数据,从而实现精准化预缓存网络通信模型CCN数据,避免数据峰值的带宽占用,有效的降低网络拥塞。
Description
技术领域
本发明涉及预缓存技术领域,主要指一种网络通信模型的预缓存方法、装置、设备及存储介质,尤其指一种SDN下基于内容名称关联度的网络通信模型预缓存方法、装置、设备及存储介质。
背景技术
互联网始于1969年美国的阿帕网。通常internet泛指互联网,而Internet则特指因特网。随着互联网业务的蓬勃发展,互联网用户的需求从主机之间的通信模式逐渐向主机到网络的信息重复访问演进,用户关心的中心从信息的存储位置转向信息本身。因此以内容为中心的网络通信模型CCN,成为备受关注的焦点。网络通信模型CCN采用本地存储的方式,从而方便用户进行内容的快速获取。
网络通信模型CCN的一大特色就是缓存CS能力,即根据用户的请求就近路由器存储内容,等下次请求时,可以快速将数据传输给用户,从而节省网络带宽。对于本地存储空间未满,时间长没有请求的数据,将根据策略选择性地进行老化删除,对于本地存储空间满了,将根据请求频次、热度等方式进行替换。而对于大多数未满的存储空间如何有效的利用,目前的研究主要是根据热度排名,将热度排名高的数据提前存储到缓存CS中,这在一定程度上可以提高用户下次命中的概率,但是热度的概念其实是针对全网所有用户的加权值,不能准确预测用户或者某个域的数据需求。经过分析,在现在的网络请求中,各种请求其实存在着千丝万缕的关联关系,即用户请求A数据后,通过关联关系计算有90%以上的概率下次会请求C数据,即使C数据的热度很低,也应该提前下发命令让请求端路由器发起对C数据的兴趣报文请求,然后存储在本地,实现数据的提前精准化推送,现有的一种广泛应用如此推送方式的专利技术方案为:
专利公开号为“CN109246240A”且公开日为“2019年01月18日”的方案中所公开的一种融合CCN的移动网络内容预缓存处理方法中,其预缓存方法包括:
1、首先需要部署一个PDN-Gateway的设备,监听用户的所有请求报文,并且做相应的存储。
2、域缓存处理器向PDN-Gateway请求用户的历史信息,并且得到该域内每条信息对应的移动用户ID、分布范围和时间、请求内容属性等信息。
3、域缓存处理器将处理后的结果进行聚类分析,得到同一分布范围内对相同请求内容属性感兴趣的用户ID情况。
4、针对聚类结果,预缓存执行处理器分析所有接入移动用户的请求频繁程度,通过与移动用户未来内容喜好的对应预测关系分析,得到需要进行预缓存的内容。具体,按照时间顺序,对来源于同一基站的信息进行请求属性聚类,分析出属于同一基站的移动用户对于不同类型内容的请求情况,以上的分析结果作为最终的观测状态信息。根据已有的一些内容属性关联知识,包括目前新产生的内容以及过去存在的内容,将最终观测状态信息与这些已有知识 (后文称作隐状态)建立对应关系模型,根据这个模型,来预测最有可能的隐状态,也就是要预缓存的内容。
5、每次训练学习后得到的模型都进入时延最低判定模块进行模型精准度的判定,如果通过判定,则预缓存执行处理服务器会根据预测结果,在非峰值网络时间,向内容源服务器发起请求,获取预缓存的内容。
而这样的方式会带来如下的缺陷:
(1)移动性导致区域场景的不稳定
该技术方案是在移动场景下针对区域用户的网络通信模型CCN缓存策略,根据已有的一些知识,包括目前新产生的内容以及过去存在的内容,然后将最终观测状态信息与这些已有知识建立对应关系模型来预测数据。但是随着用户的迁移,训练模型必然需要不断更新,网络通信模型CS存储数据需要经常增删,带来了网络的不稳定。
(2)区域预存储变化影响整个网络通信模型CCN的网络
该技术方案是针对接入模型的区域性兴趣报文改变设计,因为区域性的接入设备发送兴趣报文进行预缓存,必然导致整个网络缓存CS的变化,整体基于兴趣报文请求次数多少而发生的存储算法会重新计算,引起这个网络缓存CS存储的增删。尤其是频繁的移动导致预存兴趣报文的大量发送,容易引起网络的兴趣包泛洪。
发明内容
本发明实施例提供了一种网络通信模型的预缓存方法、装置、设备及存储介质,通过用户已有请求的大数据分析,计算基于各种数据请求的关联度并建立其模型,该模型作为已有模型,与用户即时缓存CS数据结合,推算出与缓存CS模型相关度高的数据模型,然后在网络空闲状态时,在对应路由器设备上发送关联数据的兴趣报文,来预存储相关数据,从而实现精准化预缓存网络通信模型CCN数据,避免数据峰值的带宽占用,有效的降低网络拥塞。
本发明实施例提供了一种网络通信模型的预缓存方法,包括:
数据信息上报,其包括按照兴趣请求表PIT转发数据报文和组成数据信息头上报控制器;
收集和挖掘,其包括建立关联度模型,并在网络通信模型CCN的路由器上发起相应的兴趣报文,在缓存CS中进行预缓存;
缓存老化及替换,其包括选取与新数据的关联度模型可信度较高的预缓存数据下发控制命令,触发网络通信模型CCN的路由器发送兴趣报文来预缓存数据。
进一步的,所述数据信息上报的方法,具体包括:
收到一数据报文后,首先查找兴趣请求表PIT;
如果没有兴趣请求表PIT,直接丢弃该数据报文;
如果有兴趣请求表PIT,按照兴趣请求表PIT转发数据报文;
检查兴趣请求表PIT的入接口数量,然后提取内容信息外加兴趣请求表PIT的入接口数量来组成数据信息头上报控制器;
如果设备发生了本地存储,需要触发存储信息头发送给控制器。
进一步的,所述内容信息包括内容名称、设备信息、接口信息和域信息;所述存储信息头包括内容名称、设备信息和接口信息。
进一步的,所述收集和挖掘的方法,具体包括:
收到数据信息后,解析数据信息;
以数据信息的子信息为基础开始建立FP-growth模型,由此计算出相应的频繁项的集合;
计算各个频繁项的集合的支持度模型;
选取具有包含关系的集合全集,计算相应包含关系集合的置信度模型;
计算集合全集中所有集合的置信度的平均值,然后选举置信度模型因子;
建立关联度模型;
在网络通信模型CCN的路由器上发起相应的兴趣报文,在缓存CS中进行预缓存。
进一步的,所述支持度模型由基于频繁项的集合的数量占比的计算方式而得,即该频繁项的集合在相应集合集中的数量占比;
所述关联度模型中的数据为从置信度模型中选取的最终下发设备的最优集合。
进一步的,所述缓存老化及替换的方法,具体包括:只有在缓存CS的存储空间剩余时才触发缓存CS存储数据集合中关联度最高的数据集合,同时监控缓存CS中数据的变化,对于缓存CS中数据的删除需要上报控制器,控制器触发模型的重新计算,并且下发相应的与删除数据关联的预缓存数据;对于新的缓存CS中数据的添加也需要上报控制器,控制器感知后,基于新数据计算其内容关联度模型,选取与新数据的关联度模型可信度较高的预缓存数据下发控制命令,触发网络通信模型CCN的路由器发送兴趣报文来预缓存数据。所述控制器为SDN控制器。
本发明实施例还提供一种网络通信模型的预缓存装置,包括:
上报模块,用于数据信息上报,其包括按照兴趣请求表PIT转发数据报文和组成数据信息头上报控制器;
收集模块,用于收集和挖掘,其包括建立关联度模型,并在网络通信模型CCN的路由器上发起相应的兴趣报文,在缓存CS中进行预缓存;
替换模块,用于缓存老化及替换,其包括选取与新数据的关联度模型可信度较高的预缓存数据下发控制命令,触发网络通信模型CCN的路由器发送兴趣报文来预缓存数据。
进一步的,所述上报模块还用于收到数据报文后,首先查找兴趣请求表PIT,如果没有兴趣请求表PIT,直接丢弃该数据报文,如果有兴趣请求表PIT,按照兴趣请求表PIT转发数据报文,检查兴趣请求表PIT的入接口数量,然后提取内容信息外加兴趣请求表PIT的入接口数量来组成数据信息头上报控制器,如果设备发生了本地存储,需要触发存储信息头发送给控制器。
进一步的,所述收集模块还用于收到数据信息后,解析数据信息,以数据信息的子信息为基础开始建立FP-growth模型,由此计算出相应的频繁项的集合,计算各个频繁项的集合的支持度模型,选取具有包含关系的集合全集,计算相应包含关系集合的置信度模型,计算集合全集中所有集合的置信度的平均值,然后选举置信度模型因子,建立关联度模型,在网络通信模型CCN的路由器上发起相应的兴趣报文,在缓存CS中进行预缓存。
进一步的,所述替换模块还用于只有在缓存CS的存储空间剩余时才触发缓存CS存储数据集合中关联度最高的数据集合,同时监控缓存CS中数据的变化,对于缓存CS中数据的删除需要上报控制器,控制器触发模型的重新计算,并且下发相应的与删除数据关联的预缓存数据;对于新的缓存CS中数据的添加也需要上报控制器,控制器感知后,基于新数据计算其内容关联度模型,选取与新数据的关联度模型可信度较高的预缓存数据下发控制命令,触发网络通信模型CCN的路由器发送兴趣报文来预缓存数据。所述控制器为SDN控制器。
本发明实施例还提供一种网络通信模型的预缓存设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述网络通信模型的预缓存方法。
本发明实施例还提供一种计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令用于执行所述网络通信模型的预缓存方法。
本发明实施例,其方法包括:数据信息上报;收集和挖掘;缓存老化及替换;由此就能实现预缓存数据,节省骨干网络带宽的效果:即基于数据集合关联度的大数据模型分析,对于关联关系较高的数据,采用本地预缓存的策略。相当于在CCN中提前预测用户的请求,在非网络峰值期间,利用控制器的控制通道将所需取数据拉取到相应的设备,待用户下次请求时,可以直接本地化传送,避免占用了网络带宽,节省了骨干网流量;也能实现CS存储最大化利用:即在传统CCN中,基于CS存储空间未满场景的设计。设备在信息上报中,需要将设备信息情况上报控制器,控制器基于每台设备的CS存储情况,选取不同的置信度因子,按照置信度因子高低排序,将不同数量的表项下发给设备,保证设备CS存储得到最大化使用;也能实现SDN集中控制,保证全局计算有效性:即基于SDN控制器进行设计及开发,SDN和CCN两种架构的优势进行取长补短,SDN的全局性可以有效保证CCN处理的及时性及CCN网络带宽资源的合理使用。SDN+CCN技术也成为目前未来CCN体系架构发展的重要方向。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
图1是本发明实施例的所述网络通信模型的预缓存方法的整体流程图;
图2是本发明实施例的所述数据信息上报的方法的流程图;
图3是本发明实施例的所述收集和挖掘的方法的流程图;
图4是本发明实施例的所述网络通信模型的预缓存方法的示例的完整方案图;
图5是本发明实施例的网络通信模型的预缓存装置的结构图。
具体实施方式
下文中将结合附图对本发明的实施例进行详细说明。
在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
以内容为中心的网络通信模型CCN,成为备受关注的焦点。网络通信模型CCN采用本地存储的方式,从而方便用户进行内容的快速获取。本发明实施例不详细介绍网络通信模型CCN原理,因为本发明实施例关注的是基于该原理进行的新方法设计。对于网络通信模型CCN的本地存储空间未满,时间长没有请求的数据,将根据策略选择性地进行老化删除,对于本地存储空间满了,将根据请求频次、热度等方式进行替换,而本发明实施例即针对前者,即对于大多数未满的存储空间如何有效的利用,在现在的网络请求中,各种请求其实存在着千丝万缕的关联关系,即用户请求A数据后,通过关联关系计算有90%以上的概率下次会请求C数据,即使C数据的热度很低,也应该提前下发命令让请求端路由器发起对C数据的兴趣报文请求,然后存储在本地,实现数据的提前精准化推送,由此会带来网络的不稳定和网络的兴趣包泛洪的问题,本发明实施例即在如上场景下提出的一种解决方式。
如图1所示,本发明实施例提出一种网络通信模型的预缓存方法,其具体包括:
步骤101,数据信息上报,其包括按照兴趣请求表PIT转发数据报文和组成数据信息头上报控制器。
其中,所述数据信息包括数据信息头和/或存储信息头,在一个实施例中,如图2所示,所述数据信息上报的方法,包括:
步骤201,收到一数据报文后,首先查找兴趣请求表PIT。
其中,对于设备来说,收到一个数据报文后,首先查找兴趣请求表PIT。该设备即为CCN路由器。兴趣请求表PIT的格式包括:目的地址:url,入接口:请求口,出接口:继承路由出接口。
步骤202,如果没有兴趣请求表PIT,直接丢弃该数据报文。
其中,如果没有兴趣请求表PIT,说明没有兴趣请求表,直接丢弃该数据报文。
步骤203,如果有兴趣请求表PIT,按照兴趣请求表PIT转发数据报文。
其中,所述按照兴趣请求表PIT转发数据报文的方法,包括:兴趣请求表PIT有一个出接口,如果查到已经有了兴趣请求表PIT,按照兴趣请求表PIT的出接口转发该兴趣包即可。
步骤204,检查兴趣请求表PIT的入接口数量,然后提取内容信息外加兴趣请求表PIT的入接口数量来组成数据信息头上报控制器。
其中,在一个实施例中,所述内容信息包括内容名称、设备信息、接口信息和域信息。所述取即是针对PIT路由表,获取路由表入接口数量,组成报文格式如下:内容+入接口数量。控制器又叫SDN控制器处于全局控制端,一般部署在网络中,要求所有设备都能连接上的位置。内容名称形如:URL content资源;设备信息形如:设备CPU、内存等资源;接口信息形如:目前实际物理接口类型、数量、接口所属设备信息等;域信息形如:Domain信息,即设备所属的域。
步骤205,如果设备发生了本地存储,需要触发存储信息头发送给控制器。
其中,在一个实施例中,所述存储信息头包括内容名称、设备信息和接口信息。本地存储即CCN路由器触发的存储,对于靠近用户端的CCN路由器会就近存储数据。所述触发的时机为:设备的本地监控模块,监控到发生了本地存储后,即认为本地数据发生了变化,就触发该行为。
步骤102,收集和挖掘,其包括建立关联度模型,并在网络通信模型CCN的路由器上发起兴趣相应的报文,在缓存CS中进行预缓存。
其中,如图3所示,在一个实施例中,所述收集和挖掘的方法,包括:
步骤301,收到数据信息后,解析数据信息。
其中,控制器的接收模块收到设备上送的数据信息后,首先解析获取数据信息的子信息,所述子信息包括内容名称、设备信息、接口信息和域信息和兴趣请求表PIT的入接口数量等信息。
步骤302,以数据信息的子信息为基础开始建立FP-growth模型,由此计算出相应的频繁项的集合。
其中,基于接口信息、域信息和全局资源数据这样的数据信息的子信息为基础开始建立FP-growth模型,该FP-growth模型最终算出相应的频繁项的集合。所述FP-growth模型,包括:首先针对每一个子信息构造FP-tree,然后不断地迭代FP-tree的构造和投影过程,算出了频繁项集合。
步骤303,计算各个频繁项的集合的支持度模型。
其中,在频繁项集合的基础上,计算各个频繁项集合的支持度模型,在一个实施例中,所述支持度模型由基于频繁项的集合的数量占比的计算方式而得,即该频繁项的集合在相应集合集中的数量占比。例如,{url1、url2}集合共使用10次,整个集合有100条记录,那么{url1、url2}的支持度就是10/100 = 0.1。url1和url2分别表示一个url资源和另一个url资源,比如www.baidu.com可以认为是一个url。集合集标识已有的算出来的所有集合的全程,该频繁项是刚刚算出来的。
步骤304,选取具有包含关系的集合全集,计算相应包含关系集合的置信度模型。
其中,在支持度模型的基础上,选取具有包含关系的集合全集,计算相应包含关系集合的置信度模型,在一个实施例中,假设所述相应包含关系集合中的集合一与集合二为包含与被包含的关系,使得所述置信度模型的计算公式为:(集合tmp=集合1 减去 集合2)=集合1的支持度/集合2的支持度 *置信度影响因子;所述置信度影响因子为1。集合tmp表示一个临时的集合,是计算的中间值。具体的所述置信度模型的计算方式,例如,集合1{url1,url2,url3},集合2 {url1,url2},url3也表示一个url资源,整个集合有100条记录,其中集合1共使用了10次,集合1的支持度为10/100=0.1,集合2共使用12次,集合2的支持度为:12/100=0.12,因此置信度模型为:集合tmp=url3=0.1/0.12=0.83,即假如使用集合2的情况下,有83%置信概率会用到集合1,也即用到url1、url2情况下,有83%概率会用到url3,按照优先级可以将集合1提前存储在集合2所在的设备上。
步骤305,计算集合全集中所有集合的置信度的平均值,然后选举置信度模型因子。
其中,全部包含关系的集合与被包含关系的集合的置信度值都可以算出来,然后将所有值加权后取平均值;根据场景不同置信度因子算法:a=L/d*cs,其中L是场景值,默认1,CS是剩余存储空间百分比,剩余越小,置信度a越小,d是域信息,域离的越远,置信度越小。
其中,不同场景下置信度因子不同。置信度模型因子受缓冲CS剩余存储空间、域信息等因子影响。
步骤306,建立关联度模型。
其中,基于置信度模型因子和步骤304中计算得出的集合tmp,建立关联度模型;在一个实施例中,所述关联度模型中的数据为从置信度模型中选取的最终下发设备的最优集合。
步骤307,在网络通信模型CCN的路由器上发起相应的兴趣报文,在缓存CS中进行预缓存。
其中,基于三大关联度模型,可以针对性的对接口信息、域信息和全局数据在网络通信模型CCN的路由器上发起相应的兴趣报文,在缓存CS中进行预缓存。算出关联度模型后,假设已经存储了url1、url2后,发现url3与其关联度最高,控制器即指导设备发起PIT兴趣请求,然后将报文提前缓存到该设备上。
步骤103,缓存老化及替换,其包括选取与新数据的关联度模型可信度较高的预缓存数据下发控制命令,触发网络通信模型CCN的路由器发送兴趣报文来预缓存数据。
其中,在一个实施例中,所述缓存老化及替换的方法,包括:只有在缓存CS的存储空间剩余时才触发缓存CS存储数据集合中关联度最高的数据集合,不更改既有的网络通信模型CCN替换及老化策略。但是需要开发一个软件模块同时监控缓存CS中数据的变化,对于缓存CS中数据的删除需要上报控制器,控制器触发关联度模型的重新计算,对于例如url1、url2的删除,设备上报后,控制器感知后,即对该集合关联的url3发起删除;或者对于url1删除后,需要计算url2的置信度模型,触发了重新计算;并且下发相应的与删除数据关联的预缓存数据,控制器通过全局控制通道,下发控制报文,对某台CCN路由器进行单点数据删除;对于新的缓存CS中数据的添加也需要上报控制器,控制器感知后,基于新数据计算其内容关联度模型,选取与新数据的关联度模型可信度较高的预缓存数据下发控制命令,触发网络通信模型CCN的路由器发送兴趣报文来预缓存数据,比如某台设备有新的数据作为一个url资源的url4的内容缓存到了设备上,控制器感知后,计算针对url4的置信度模型、关联度模型,然后选取关联度最高的作为一个url资源的url5,然后向设备发送控制报文,设备收到控制报文后,发起针对url5的PIT兴趣报文,来预缓存url5数据。所述控制器为SDN控制器。
综上所述,本发明实施例的方法主要解决了以下几个技术问题:
采用SDN+CCN的框架,在SDN控制器上设计了收发数据信息的程序,构建FP-growth(Frequent Pattern Growth)模型、支持度模型、置信度模型、关联度模型、控制下发预缓存数据的程序等。上报SDN控制器的用户数据请求,在SDN控制器中基于内容名称构建FP-growth(Frequent Pattern Growth)模型,基于该模型计算数据内容名称的关联度,通过关联度的计算,推导整体内容名称的置信度模型,然后基于用户ID的兴趣报文中内容名称和设备缓存的空余情况,在相应的域接入路由器上预缓存置信度较高的数据。
如图4所示的一个本发明实施例方法的示例的完整方案图,假设请求端请求A数据,并且将A数据存储在设备上,控制器经过整个网络大数据计算,发现B数据对A数据的关联度较高,为99%,C数据对A数据为90%,即用户请求A数据的时候,后续请求B数据的可信度高达99%,后续请求C数据的可信度高达90%。于是控制器结合该网络通信模型CCN的路由器的缓存CS情况,发现网络通信模型CCN的路由器缓存空间只能存储一条信息了,于是下发控制报文给网络通信模型CCN的路由器去发送B数据的兴趣报文来请求并缓存B数据。
如图5所示,本发明实施例还提供一种网络通信模型的预缓存装置,包括:
上报模块71,用于数据信息上报,其包括按照兴趣请求表PIT转发数据报文和组成数据信息头上报控制器;还用于收到一数据报文后,首先查找兴趣请求表PIT,如果没有兴趣请求表PIT,直接丢弃该数据报文,如果有兴趣请求表PIT,按照兴趣请求表PIT转发数据报文,检查兴趣请求表PIT的入接口数量,然后提取内容信息外加兴趣请求表PIT的入接口数量来组成数据信息头上报控制器,如果设备发生了本地存储,需要触发存储信息头发送给控制器。
收集模块72,用于收集和挖掘,其包括建立关联度模型并在网络通信模型CCN的路由器上发起相应的兴趣报文,在缓存CS中进行预缓存;还用于收到数据信息后,解析数据信息,以数据信息的子信息为基础开始建立FP-growth模型,由此计算出相应的频繁项的集合,计算各个频繁项的集合的支持度模型,选取具有包含关系的集合全集,计算相应包含关系集合的置信度模型,计算集合全集中所有集合的置信度的平均值,然后选举置信度模型因子,建立关联度模型,在网络通信模型CCN的路由器上发起相应的兴趣报文进行在缓存CS中的预缓存。
替换模块73,用于缓存老化及替换,其包括选取与新数据的关联度模型可信度较高的预缓存数据下发控制命令,触发网络通信模型CCN的路由器发送兴趣报文来预缓存数据;还用于只有在缓存CS的存储空间剩余时才触发缓存CS存储数据集合中关联度最高的数据集合,同时监控缓存CS中数据的变化,对于缓存CS中数据的删除需要上报控制器,控制器触发模型的重新计算,并且下发相应的与删除数据关联的预缓存数据;对于新的缓存CS中数据的添加也需要上报控制器,控制器感知后,基于新数据计算其内容关联度模型,选取与新数据的关联度模型可信度较高的预缓存数据下发控制命令,触发网络通信模型CCN的路由器发送兴趣报文来预缓存数据。所述控制器为SDN控制器。
本发明实施例的装置的技术效果如下所示:
提出在CCN架构下建立数据关联度的模型,基于该数据模型可以预测用户的未来行为,在非网络峰值期间采取关联数据预缓存的策略,从而节省骨干网带宽。采用SDN+CCN的设计,在CCN中链路信息上报中,新增了数据信息头、存储信息头,为了实时监控转发数据和存储数据的变化,从而重新触发模型的学习和关联关系的下发。未改变CCN的整体框架,只是针对CCN存储进行优化,基于关联度模型在网络非峰值期间提前预存储信息,保证网络存储的最大化使用。
本发明实施例还提供一种网络通信模型的预缓存设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述网络通信模型的预缓存方法。
本发明实施例还提供一种计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令用于执行所述网络通信模型的预缓存方法。
在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,ReadOnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器,如数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号。
Claims (13)
1.一种网络通信模型的预缓存方法,其特征在于,包括:
数据信息上报,其包括按照兴趣请求表PIT转发数据报文和组成数据信息头上报控制器;
收集和挖掘,其包括建立关联度模型,并在网络通信模型CCN的路由器上发起相应的兴趣报文,在缓存CS中进行预缓存;
缓存老化及替换,其包括选取与新数据的关联度模型可信度较高的预缓存数据下发控制命令,触发网络通信模型CCN的路由器发送兴趣报文来预缓存数据。
2.根据权利要求1所述的网络通信模型的预缓存方法,其特征在于,所述数据信息上报的方法,具体包括:
收到一数据报文后,首先查找兴趣请求表PIT;
如果没有兴趣请求表PIT,直接丢弃该数据报文;
如果有兴趣请求表PIT,按照兴趣请求表PIT转发数据报文;
检查兴趣请求表PIT的入接口数量,然后提取内容信息外加兴趣请求表PIT的入接口数量来组成数据信息头上报控制器;
如果设备发生了本地存储,需要触发存储信息头发送给控制器。
3.根据权利要求2所述的网络通信模型的预缓存方法,其特征在于,所述内容信息包括内容名称、设备信息、接口信息和域信息。
4.根据权利要求2所述的网络通信模型的预缓存方法,其特征在于,所述存储信息头包括内容名称、设备信息和接口信息。
5.根据权利要求1所述的网络通信模型的预缓存方法,其特征在于,所述收集和挖掘的方法,具体包括:
收到数据信息后,解析数据信息;
以数据信息的子信息为基础开始建立FP-growth模型,由此计算出相应的频繁项的集合;
计算各个频繁项的集合的支持度模型;
选取具有包含关系的集合全集,计算相应包含关系集合的置信度模型;
计算集合全集中所有集合的置信度的平均值,然后选举置信度模型因子;
建立关联度模型;
在网络通信模型CCN的路由器上发起相应的兴趣报文进行在缓存CS中的预缓存。
6.根据权利要求5所述的网络通信模型的预缓存方法,其特征在于,所述支持度模型由基于频繁项集合的数量占比的计算方式而得,即该频繁项的集合在相应集合集中的数量占比;
所述关联度模型中的数据为从置信度模型中选取的最终下发设备的最优集合。
7.根据权利要求1所述的网络通信模型的预缓存方法,其特征在于,所述缓存老化及替换的方法,具体包括:只有在缓存CS的存储空间剩余时才触发缓存CS存储数据集合中关联度最高的数据集合,同时监控缓存CS中数据的变化,对于缓存CS中数据的删除需要上报控制器,控制器触发模型的重新计算,并且下发相应的与删除数据关联的预缓存数据;对于新的缓存CS中数据的添加也需要上报控制器,控制器感知后,基于新数据计算其内容关联度模型,选取与新数据的关联度模型可信度较高的预缓存数据下发控制命令,触发网络通信模型CCN的路由器发送兴趣报文来预缓存数据。
8.一种网络通信模型的预缓存装置,其特征在于,包括:
上报模块,用于数据信息上报,其包括按照兴趣请求表PIT转发数据报文和组成数据信息头上报控制器;
收集模块,用于收集和挖掘,其包括建立关联度模型,并在网络通信模型CCN的路由器上发起相应的兴趣报文,在缓存CS中进行预缓存;
替换模块,用于缓存老化及替换,其包括选取与新数据的关联度模型可信度较高的预缓存数据下发控制命令,触发网络通信模型CCN的路由器发送兴趣报文来预缓存数据。
9.根据权利要求8所述的网络通信模型的预缓存装置,其特征在于,所述上报模块还用于收到数据报文后,首先查找兴趣请求表PIT,如果没有兴趣请求表PIT,直接丢弃该数据报文,如果有兴趣请求表PIT,按照兴趣请求表PIT转发数据报文,检查兴趣请求表PIT的入接口数量,然后提取内容信息外加兴趣请求表PIT的入接口数量来组成数据信息头上报控制器,如果设备发生了本地存储,需要触发存储信息头发送给控制器。
10.根据权利要求8所述的网络通信模型的预缓存装置,其特征在于,所述收集模块还用于收到数据信息后,解析数据信息,以数据信息的子信息为基础开始建立FP-growth模型,由此计算出相应的频繁项的集合,计算各个频繁项的集合的支持度模型,选取具有包含关系的集合全集,计算相应包含关系集合的置信度模型,计算集合全集中所有集合的置信度的平均值,然后选举置信度模型因子,建立关联度模型,在网络通信模型CCN的路由器上发起相应的兴趣报文,在缓存CS中进行预缓存。
11.根据权利要求8所述的网络通信模型的预缓存装置,其特征在于,还用于只有在缓存CS的存储空间剩余时才触发缓存CS存储数据集合中关联度最高的数据集合,同时监控缓存CS中数据的变化,对于缓存CS中数据的删除需要上报控制器,控制器触发模型的重新计算,并且下发相应的与删除数据关联的预缓存数据;对于新的缓存CS中数据的添加也需要上报控制器,控制器感知后,基于新数据计算其内容关联度模型,选取与新数据的关联度模型可信度较高的预缓存数据下发控制命令,触发网络通信模型CCN的路由器发送兴趣报文来预缓存数据。
12.一种网络通信模型的预缓存设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1~7中任意一项所述网络通信模型的预缓存方法。
13.一种计算机可读存储介质,其特征在于,存储有计算机可执行指令,所述计算机可执行指令被处理器执行时,用于执行权利要求1~7中任意一项所述网络通信模型的预缓存方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011620993.4A CN112866144B (zh) | 2020-12-31 | 2020-12-31 | 一种网络通信模型的预缓存方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011620993.4A CN112866144B (zh) | 2020-12-31 | 2020-12-31 | 一种网络通信模型的预缓存方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112866144A CN112866144A (zh) | 2021-05-28 |
CN112866144B true CN112866144B (zh) | 2022-09-06 |
Family
ID=75999124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011620993.4A Active CN112866144B (zh) | 2020-12-31 | 2020-12-31 | 一种网络通信模型的预缓存方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112866144B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109246240A (zh) * | 2018-10-23 | 2019-01-18 | 北京工业大学 | 一种融合ccn的移动网络内容预缓存方法 |
CN109347983A (zh) * | 2018-11-30 | 2019-02-15 | 东南大学 | 一种基于网络编码的命名数据网络中多路径转发方法 |
CN111107000A (zh) * | 2019-12-13 | 2020-05-05 | 东南大学 | 一种基于网络编码的命名数据网络中内容缓存方法 |
-
2020
- 2020-12-31 CN CN202011620993.4A patent/CN112866144B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109246240A (zh) * | 2018-10-23 | 2019-01-18 | 北京工业大学 | 一种融合ccn的移动网络内容预缓存方法 |
CN109347983A (zh) * | 2018-11-30 | 2019-02-15 | 东南大学 | 一种基于网络编码的命名数据网络中多路径转发方法 |
CN111107000A (zh) * | 2019-12-13 | 2020-05-05 | 东南大学 | 一种基于网络编码的命名数据网络中内容缓存方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112866144A (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9532083B2 (en) | Cooperative caching method and apparatus | |
US10574778B2 (en) | Content replacement and refresh policy implementation for a content distribution network | |
KR20200040722A (ko) | 컨텐츠 중심 네트워크에서 컨텐츠 소유자 및 노드의 패킷 전송 방법 | |
US7251649B2 (en) | Method for prioritizing content | |
CN109905480B (zh) | 基于内容中心性的概率缓存内容放置方法 | |
CN111935031B (zh) | 一种基于ndn架构的流量优化方法及系统 | |
US10516687B1 (en) | Network traffic spike detection and management | |
WO2020181820A1 (zh) | 数据缓存方法、装置、计算机设备和存储介质 | |
US20140052817A1 (en) | Method, apparatus, and network system for acquiring content | |
US11606415B2 (en) | Method, apparatus and system for processing an access request in a content delivery system | |
CN112866144B (zh) | 一种网络通信模型的预缓存方法、装置、设备及存储介质 | |
CN116827867A (zh) | 一种基于数据中心网络的低延时拥塞流识别方法 | |
KR102235622B1 (ko) | IoT 환경에서의 협력 에지 캐싱 방법 및 그를 위한 장치 | |
CN111262785B (zh) | 一种命名数据网络中的多属性概率缓存方法 | |
KR101310769B1 (ko) | 스마트 라우터 및 그 제어방법, 및 이를 이용한 스마트 네트워크 서비스 제공 시스템 및 방법 | |
WO2018090315A1 (zh) | 数据请求的处理方法及缓存系统 | |
Chen et al. | Gain-aware caching scheme based on popularity monitoring in information-centric networking | |
WO2017097368A1 (en) | System and method for efficient caching in the access network | |
Kurniawan et al. | Modified-LRU Algorithm for Caching in Named Data Network on Mobile Network | |
CN114124971B (zh) | 一种基于边缘缓存的cdn-p2p网络的内容副本放置方法 | |
CN114584623B (zh) | 流量请求清理方法、装置、存储介质以及计算机设备 | |
CN112491936B (zh) | 多接入边缘计算方法、设备和系统 | |
Baydetia et al. | An effective simulation model for optimal traffic flow across packet data network | |
Shi et al. | Research on network proxy cache system for P2P flow | |
CN118353910A (zh) | 一种提高边缘cdn下沉节点缓存命中率的方法及系统 |
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 |