[发明专利]一种启发式CCN网络合作缓存方法

摘要

本发明提供了一种启发式CCN网络合作缓存方法，包括以下步骤：步骤S1、网络模型为两级CCN拓扑，两级CCN拓扑是由控制节点和普通节点组成；一个控制节点和多个普通节点组成一个SBS；步骤S2、缓存内容的流行度：步骤S3、最大化本地SBS命中率；步骤S4、最大化整个网络命中率；步骤S5、最大化用户获得的平均利润：步骤S6、最优分解因子的算法；步骤S7、控制节点的缓存替换；本发明在SBS本地命中率和全网命中率之间引入了SBS间合作缓存方式，在一定程度上增加了全网的内容多样性，提高了全网命中率；同时，SBS内部也进行合作缓存，提高本地命中率，最大化了用户获得的平均利润。

主权项

1.一种启发式CCN网络合作缓存方法，其特征在于：包括以下步骤：步骤S1、网络模型：该网络模型为两级CCN拓扑，两级CCN拓扑是由控制节点和普通节点组成；控制节点可以缓存内容，还可以控制管理相邻的普通节点，普通节点只可以缓存和转发内容；一个控制节点和多个普通节点组成一个SBS；每个SBS中的控制节点的缓存空间通过分解因子λ(0≤λ≤1)划分为两部分，一部分为复制部分，复制部分缓存相同的最流行内容的副本，另一部分为独特部分，独特部分缓存其它SBS没有缓存的内容；步骤S2、缓存内容的流行度：假设网路中有N个控制节点，则整个网络中有N个SBSss₁,s₂,…,s_N，用户的内容请求来自一个有限的内容库F＝{f₁,...,f_m,...,f_M}，其大小为M，其中f_m表示第m个流行的内容；这个内容库中所有内容的大小一样，都为1；每个控制节点都可以缓存K个内容，每个普通节点都可以缓存H个内容；每个SBS的缓存大小为C_i，i∈Ν＝{1,…,N}，整个网络中可以缓存个内容；假设请求模式是同构的，每个节点请求内容的速率相等且都遵循Zipf分布，根据Zipf定律，内容库F中第m个流行的内容的流行度为：变量pm表示任意节点请求第m个内容的概率(p1＞p2＞…＞pM)；Zipf参数α(0≤α≤1)表示斜率；α越大，越流行的内容越受关注；步骤S3、最大化本地SBS命中率：每一个SBS中控制节点与普通节点相邻，假设它们的访问代价近似相等，用内容放置变量表示内容f_m是否缓存在SBSs_i中，是为1，不是则为0；使用变量和分别表示普通节点c、控制节点r和相关SBSs_i对内容f_m产生请求的概率；n_i(i∈Ν)表示SBSs_i内普通节点的数量，在假设请求模式是同构的基础上，得出：，因此，第m个内容的流行度为：最大化本地SBS命中率的定义为：步骤S4、最大化整个网络命中率：最大化整个网络命中率的定义为：C表示整个网络中可用的缓存大小，即能被缓存的内容的种类的数量，B_m(m∈{1,...,M})是一个二项函数，如果内容缓存到网络中则B_m＝1；否则B_m＝0；如果SBS之间不合作，则C＝C_max，其中C_max≥C_i(i∈N)；如果SBS之间发生合作，即每个SBS缓存的内容不同，则可得到步骤S5、最大化用户获得的平均利润：用RL表示本地SBS命中率所带来的平均利润，用RD表示其它SBS命中率所带来的平均利润，用RM表示服务器命中率所带来的利润；在给定的网络拓扑中，RM＜RD＜RL，最大化获得的平均利润为：其中公式(6)、公式(7)和公式(8)分别为本地SBSs_i的命中率、一个来自SBSs_i请求在SBSs_j(j∈Ν)上响应的概率、一个来自SBSs_i的请求在服务器上响应的概率；用和分别表示本地SBS命中率、其它SBS上命中率和服务器上命中率；步骤S6、最优分解因子的算法：本地SBSs_i的命中率由复制部分命中率和独特部分命中率组成，请求来自于SBSs_i响应在其它SBSs_j独特部分的概率是它们被表达为：式中Γ＝Λ_max+N(1‑λ)K，Λ_i＝Z_λ(λK+n_iH)和Λ_max＝Z_λ(λK+n_maxH)，则本地SBSs_i的命中率为其它SBSs_j的命中率为服务器命中率为把和带入公式(5)，将最大化用户平均利润转为找到最优的分解因子λopt，即maxλRavg，将公式(2)带入到(12)，得到式中表示SBS中节点的数量/网络中全部节点的数量，从公式(13)中得到：上述公式根据关系可以得到，通过使公式(14)等于0我们可以得到λ_opt，使得利润最大；步骤S7、控制节点的缓存替换：使用数据包头的标签来标记内容的来源，当内容来源于源端则标记为0，替换的内容在整个缓存空间中选择，当内容来源于其它SBS标记为1，替换的内容在控制节点的复制部分选择。