一种基于认知的动态副本放置方法

发布时间：2019-11-03 15:05

【摘要】：针对内容分发网中数据传输开销巨大的问题,提出一种基于认知的副本放置方法。通过对代理服务器反馈的用户需求动态信息,对内容流行度建立基于认知的预测模型,依据此模型启发式地完成内容的分发和放置。仿真结果表明,该方法能明显降低内容分发网络的传输开销,同时满足时变用户的动态需求,具有低时延、低开销等优点。与一般的算法相比,该方法能显著提高缓存命中率和降低用户请求的平均响应时延。
【图文】：

历史预测

?f(pm，Δrm)＞f(pn，Δrn。此时可得，流行度越高的内容副本数越多可使得CDN开销减校证毕。2．2基于认知的预测模型内容流行度，本质上体现了复杂的社会关系及其关注面，具有不确定、不对称和时空衰减性等特性，可看作一个抽象的心理“认知”过程。本文提出一种基于认知的预测模型，通过历史预测数快速分类，之后利用时间衰减模型对各个内容的下周期流行度进行预测。(1)历史预测树历史预测树通过保存一定量的历史预测记录，根据惩罚信息来判断预测是否正确，从而建立一张包含预测准确率的树，如图1所示。将内容分为经典、流行以及一般三类，分别类比人类对事物记忆模式中记忆清晰、一般和不被注意三类。其中记忆清晰的事物是人脑被反复刺激，可以看作内容中相对经典的内容。就如人脑总是记得自己经历的重大事件一样，人们也会不时地浏览一些经典的内容，其流行度会维持一定的水平。一般的记忆是被人脑关注过一阵的事物，这样的事物被关注的时候记忆深刻，但随时间推移会慢慢忘记。就如同大部分新推出的内容一样，刚出现时会有较高的流行度，之后流行度慢慢降低变为零。最后一类不被注意的事物是人脑不关心的，或许有一些印象但很快就会忘记。它可以类比为一般用户上传的内容，也许该用户亲近的人会请求该内容，但总的来说流行度很少，且时间一长请求率几乎为零。图1历史预测树当一个新的内容进入系统，首先判定流行度是否排名靠前，若排名较高则该内容至少是属于经典类或流行类。先将其放入流行类来进行预测，若连续数个周期惩罚信息告知判断错误，则立即将其放入经典类。同理，若连续数个惩罚信息表明经典类的内容预测有较大偏差，且流行度排名靠后，则将其归类为一般类。(2)时间衰减模型时间衰减模型是?

影响图,缓存,命中率,空间

龇鋾衿鹘诘懔嘭幼乓桓鲇没ё椋噌浞⒊龅那肭笠圆此煞植?访问相应节点，平均到达速率各为1000。代理服务器上行和下行连接数均为1000，源服务器0上行连接数为1000。每个节点存储着整个网络的内容分发方案，若请求在本地得不到处理，则按Floyd最短路径算法重定向到开销最小的且有相应内容副本的服务器中。每条链路传输上限为1000MB/s，传输开销ci，j，t随时间变化而变化。CDN中共有100个内容文件，文件大小服从正态指数分布。服务器0存储着所有内容。内容的请求流行度分布服从zipf-like分布。(1)缓存空间对性能的影响图2和图3分别表示当请求分布倾斜率为0．75时缓存空间对各策略性能的影响。其中，图2为各个策略在代理服务器缓存空间大小的不同条件下缓存命中率的情况。图中横坐标为单个代理服务器中的缓存空间大小与内容数据库大小的比值。可以看到，随着代理服务器的缓存空间增加，基于认知的动态副本放置方法的缓存命中率有明显增加。这是因为当缓存空间增大后，各个代理服务器中存储的较流行的内容增多，使得流行度高的文件能够更多的存储在代理服务器中，致使缓存命中率明显增加。当缓存空间较小时，分布式策略的缓存命中率较高，然而分布式策略由于只注重本地的最优化，因此随着代理服务器缓存空间的增加，缓存命中率上升幅度并不大。图2缓存空间对缓存命中率的影响图3缓存空间对相对开销的影响图3为各个策略在代理服务器存储空间大小不同条件下的相对开销的情况。图中横坐标为单个代理服务器中的缓存空间大小与内容数据库大小的比值。为了方便对比，将所有的开销与随机放置算法的最大相应时延值为基准进行归一化。可以看出，基于认知的动态副本放置方法比对比的两种策略性能出色。这是因为，，本方法在对下一周期内容流行度进?

【共引文献】