[发明专利]边缘网络环境下基于随机森林算法的VOD业务缓存替换方法

说明书

本发明公开了一种边缘网络环境下基于随机森林算法的VOD业务缓存替换方法，包括如下步骤：采集视频数据；使用随机森林填充法处理视频数据缺失值，建立预测模型；通过预测模型对平均访问时长进行预测；根据预测结果建立缓存替换模型；使用隐枚举法求解缓存替换模型，得到最终替换方案。本发明考虑到边缘服务器需要处理大量的视频信息，以及机器学习在大数据处理中出色的分析能力，首先利用机器学习中的随机森林算法对视频的周平均访问时长进行预测，从而在此基础上提出了一种新的视频缓存替换模型，并使用隐枚举法对模型进行求解，从而使边缘服务器最大限度地减轻核心网负载，且该方案非常简单而易于实现，具有很好的应用前景。

技术领域

本发明属于边缘网络技术领域，具体涉及一种边缘网络环境下基于随机森林算法的VOD业务缓存替换方法。

背景技术

随着科学技术的发展，各种制式的端口和设备，以及各种各样的服务和应用接入到互联网，致使网络中的业务请求呈现爆炸式增长，继而网络中的数据流量也出现了井喷式的增长，其中主要就是视频流量的增长。核心网是分发业务和提供服务环节中的重要组成部分。核心网的主要功能之一是把通过不同制式的设备和接口进入网络的请求，按照业务需求接入到不同服务网上，从而使每个业务请求得到应有的服务。核心网的另一主要功能是作为服务方，处理各个接口提交的业务请求。核心网本身包含多个不同的服务网，当业务请求到来时，核心网要为业务提供服务，而随着业务量的爆发，核心网提供的服务量急剧增长，因此，不管在业务请求处理还是在提供业务服务上，核心网都承担了巨大的负载压力。

边缘网络是最靠近用户的一部分网络。边缘网络一方面是为核心网分担业务请求处理压力，另一方面是将服务提供也下放到边缘网络，将业务所需的服务若边缘网络有能力处理则在边缘网络侧处理。然而，由于边缘网络的计算能力有限，要最大限度的为核心网分流，关键在于如何提高服务效率，而边缘缓存是提高服务效率的关键所在。边缘缓存是指将业务使用频率较高的资源缓存在边缘服务器上，当与之相关的业务再次到来时，直接从缓存中获取资源即可，边缘服务器无法满足的业务需求则再从核心网获取。

此外，随着大数据时代的到来，通过机器学习高效地获取知识，已逐渐成为各个领域技术发展的主要推动力之一，边缘网络领域也不例外。在大数据时代，随着数据的爆发式增长，各种需要分析的新的数据种类也在不断涌现，如语义理解、图像分析、网络数据的分析等，使得机器学习在大数据环境下具有极其重要的作用。

现有的缓存替换方案大多依然以视频流行度作为主要标准之一，加以一些辅助标准如视频相似度，从而减少重复缓存相似且流行度低的视频。视频流行度反映的是视频单位时长内的访问量，针对视频业务而言，边缘服务器内缓存的视频访问总量高并不能代表其为核心网分担的负载大，而视频访问时长表示的是视频使用的时间，更适合反映边缘服务器承担的负载，再加之辅助标准，如视频体积等因素，以此来进行缓存替换效果将会更理想。

发明内容

发明目的：为了克服现有技术中存在的不足，提供一种边缘网络环境下基于随机森林算法的VOD业务缓存替换方法。

技术方案：为实现上述目的，本发明提供一种边缘网络环境下基于随机森林算法的VOD业务缓存替换方法，包括如下步骤：

S1：采集视频数据；

S2：使用随机森林填充法处理视频数据缺失值，建立预测模型；

S3：通过预测模型对平均访问时长进行预测；

S4：根据预测结果建立缓存替换模型；

S5：使用隐枚举法求解缓存替换模型，得到最终替换方案。

进一步的，所述步骤S2中预测模型的建立具体为：

以平均访问时长作为因变量，其余特征作为自变量进行回归训练，且进行数据集的划分，输出各个特征值的重要性排名，根据排名对特征进行删选得到最终建模特征值，根据建模特征值建模形成预测模型。