[发明专利]基于内容流行度预测的边缘缓存系统及其方法

说明书

本发明公开了一种基于内容流行度预测的边缘缓存系统及其方法，包含如下步骤：(1)根据用户历史请求信息，线下训练节点覆盖区域内每个用户的偏好模型；(2)当请求到达时，如果请求内容不在缓存区，依据用户偏好模型在线预测内容流行度；(3)比较内容流行度预测值与缓存区内容流行度最低值两者大小，做出相应缓存决策；(4)更新当前时刻内容流行度值，并对用户偏好模型进行评估，确定是否启动线下用户偏好模型学习。本发明可以使边缘节点在线预测内容流行度并实时追踪内容流行度变化，并基于预测的内容流行度做出对应的缓存决策，从而确保边缘节点持续缓存热点内容，获得渐近于理想的缓存方法的缓存命中率。

技术领域

本发明涉及一种基于内容流行度预测的边缘缓存系统及其方法，属于移动通信中的边缘缓存技术领域。

背景技术

随着各种智能设备和先进移动应用服务的持续迅速地增加，近年来无线网络正在遭受空前的数据传输压力。持续增加的数据传输量给容量有限的回传链路带来了巨大的压力，尤其在业务传输峰值时刻。边缘缓存技术通过放置最流行的内容到更靠近请求用户的节点上，从而可以有效地降低回传负载，近年来受到了业界和学术界的广泛关注。由于节点的存储空间有限且内容流行度随时间和空间变化，边缘缓存技术面临各种各样的挑战，诸如，为使得节点的缓存命中率尽可能地高，应该在何时存放什么内容到本地节点。

传统的缓存策略诸如先入先出缓存策略、最近最少使用缓存策略、最近最不常用缓存策略以及这些算法的变体已经广泛应用于有线网络，然而，由于无线网络中边缘节点的覆盖范围和存储空间有限，以上传统的缓存策略不能直接对内容流行度进行提前预测，这些传统的缓存策略在无线网络中可能遭受严重的性能下降，因此，这些传统的缓存策略不再适用于无线网络。目前的研究工作正在转向基于流行度的边缘缓存策略，但是对内容流行度的预测复杂度较高且并不能对流行度的变化进行实时的追踪，缓存性能提升有限。如果能保证较为精准的流行度预测以及确保对流行度进行很好地实时跟踪，边缘节点可以保证持续缓存热点内容，从而实现逼近理想缓存策略的缓存命中率，最大程度降低回传负载和通信时延。

发明内容

本发明为克服现有技术中存在的技术缺陷，在无线网络中，提供一种可以高效利用节点存储和计算资源以尽可能降低回传负载和通信时延的边缘缓存技术，所提出的边缘缓存技术利用监测到的区域用户集以及区域用户自身对内容访问的某种偏好，对内容在节点覆盖区域的流行度进行预测和跟踪，同时，对用户偏好模型的平均预测误差进行实时监测，当预测误差超过某个设定的阈值时自启动地对用户偏好模型进行重新学习，这种自启动式的模型更新确保了内容流行度的预测具有较高的精度。在对缓存设计时，本发明结合实时的内容流行度值，选择当前最流行的内容进行缓存，确保此边缘缓存方案可以持续地缓存热点内容，从而渐近逼近理想情况下的缓存命中率，最大程度降低回传负载和通信时延。

为解决上述技术问题，本发明提供了一种基于内容流行度预测的边缘缓存系统，包括用户接口、请求处理、缓存管理和本地缓存模块，还包括：

信息监测和交互模块，实现区域邻近节点间的定期信息监测和交互；

线下模型学习模块，将收集到的特征数据库信息和请求数据库信息通过线下模型学习算法对当前用户偏好模型进行学习；

数据更新模块，将当前请求的内容特征数据和用户访问信息分别更新到线下模型学习模块的特征数据库和请求数据库里，实现请求信息的收集和更新，该用户访问信息包括访问内容编号和访问时间；

缓存信息模块，负责存放和更新区域缓存内容的当前内容流行度信息、初始缓存时间和缓存内容编号；

缓存监测模块，负责监测缓存信息，捕捉当前本地缓存需要清理的内容，通知缓存管理模块；和