[发明专利]一种面向内容网络中基于相关内容聚集的缓存方法

说明书

技术领域

本发明涉及面向内容网络中缓存方案的缓存内容聚合问题，具体涉及面向内容网络中基于相关内容聚集的缓存方案。

背景技术

针对现有网络体系结构束缚高效内容分发功能实现的特点，面向内容网络应运而生。面向内容网络是指以内容为中心的网络，它采用内容名作为路由标识，允许用户直接访问内容本身，而非其所在的主机或服务器，这是面向内容网络的基本特点。而缓存是影响面向内容网络路由可扩展性的重要因素，因此缓存方案的设计，是面向内容网络的一个重中之重。

面向内容网络以内容名作为路由标志，使用户可以直接对内容进行访问，其路由性能与网络中的内容分布密切相关。内容缓存是影响网络中内容分布最重要的因素，是面向内容网络研究的重要内容。内容缓存策略需要充分利用网络中的缓存资源使内容分布与用户请求分布更加一致，以提升用户感受。

下面是面向内容网络中三种典型缓存方案。

（1）LCE（Leaving Copies Everwhere）是目前基于CCN（Content Centric Networking）网络模型的面向内容网络研究中常用的缓存方案。在LCE方案中，路由路径上的所有节点都对内容文件进行缓存，当缓存空间已满时，节点根据最近最少使用算法（Least Recently Used LRU）进行缓存替换。

LCE算法具有良好的缓存性能，能够充分利用缓存空间为用户提供服务，但是应用在面向内容网络中将会造成严重的路由可扩展问题。

首先，LCE算法会造成非常频繁的缓存更新，造成大量的网络开销，并影响路由可信度。

其次，由于内容访问特点是大量用户访问少量热门内容，非热门内容到达节点并被缓存后，其被访问的概率将会很小；此外，由于路由路径上的所有节点都对内容进行缓存，LCE算法还将造成严重的缓存冗余，这些都将导致缓存利用率的下降。

（2）ProbCache算法的基本思路是：将内容缓存得离用户更近，同时尽量避免路径上的缓存冗余。ProbCache的缓存概率的计算公式如下：

ProbCache(x)=Σi=1cNiN×xc---(1)]]>

式中，N_i为节点i的缓存容量，N为整条路径上总的缓存容量，x表示节点到内容源的距离，c表示节点到用户的距离。上式的含义为，当前节点缓存目标内容的概率与剩余缓存容量所占比例以及离服务器的距离成正比，与离用户的距离成反比，也就是离用户越近，剩余缓存容量越多，内容被缓存的概率越大。

ProbCache算法减小了路径上的缓存冗余，提高了缓存资源的利用率，降低了缓存更新频率，在节点缓存空间较小的情况下，还会使用户访问内容的路径更短。

然而，ProbCache没有对内容的流行度进行区分，不符合大量用户访问少量热门内容的特点，因此节点缓存的内容并非都具有很高的价值，导致缓存利用率的下降。

（3）TopDown是一种内容流行度驱动的协作缓存算法，用于减少ISP（Internet Service Provider）间流量，并使ISP内用户访问内容的平均接入跳数最小。该算法根据内容流行度制定缓存策略，充分考虑了内容本身的价值。