[发明专利]一种面向内容中心网络中基于预测的最优化缓存放置方法

说明书

技术领域

本发明属于网络技术领域，具体涉及一种可用于内容中心网络中数据缓存的面向内容中心网络中基于预测的最优化缓存放置方法。

背景技术

随着Internet的迅速发展，互联网在很多方面暴露出问题，如可扩展性方面的问题、动态性方面的问题以及网络安全性问题等等。针对当前互联网出现的一系列问题，国内外研究者已经提出很多的解决方案，包括P2P和CDN等。2009年，施乐公司帕洛阿托研究中心的Van Jacobson提出内容中心网络(Content Centric Network，简称CCN)。

CCN中每个节点都设有缓存空间，采用“经过即缓存”策略来缓存数据。CCN节点自身具备的缓存特性虽然有一定的优势，但是这种对内容不加区分地缓存特性容易产生无效缓存，带来不必要开销，造成有限的缓存空间内大量内容冗余，大大降低缓存空间的利用率，从而降低网络的缓存性能。

本发明将缓存放置问题转化为一个最优化问题，对影响缓存性能的几个因素包括对象被访问频率、距离、对象大小等进行综合考虑，构建了一种最大化收益缓存放置模型，称为Max-Benefit模型。同时，为了使模型中对象被访问频率能够更好地反映对象的热度情况，本发明在Max-Benefit模型中引入了预测机制，用对象被访问频率的预测值代替实际值，更准确地表示对象被访问的频率趋势，提出基于预测的最大化收益的缓存放置模型(Prediction based Max-Benefit，简称PB-Max-Benefit)。

此外，相比于其他求解最优化模型的算法，如最小斯坦纳树算法、贪婪算法、动态规划法等，本发明中使用的遗传算法运算过程简单而且并行搜索问题的解。

发明内容

本发明的目的在于提供一种解决内容中心网络中因对内容不加区分进行缓存而产生无效缓存，带来不必要开销，造成有限的缓存空间内大量数据冗余，大大降低缓存空间的利用率的一种面向内容中心网络中基于预测的最优化缓存放置方法。

本发明的目的是这样实现的：

(1)将缓存放置方案编码为二进制符号串，1代表缓存对象，0代表不缓存对象，随机产生初始种群；

(2)计算每种缓存放置方案的收益值，找出最大收益值存入数组max；

(3)基于个体适应度划分的选择运算；

(4)基于个体相关性的交叉运算；

(5)基于基因块的变异运算；

(6)产生新的种群，即新的缓存放置方案；

(7)判断数组max是否趋于稳定，如果稳定，得到最大收益缓存放置；否则重新执行步骤(2)。

步骤(1)中，对于每一种缓存放置方案都对应一种0、1编码串。

步骤(2)包括：

计算最大化缓存收益Max-Benefit步骤，其中，为新对象o_i到达节点v_i，缓存新对象o_i给节点v_i带来的收益：

其中，x_i∈{0，1}，

X＝{x₁，x₂，...x_n}，x₁，x₂，...，x_n对应的是节点v₁，v₂，...，v_n的值，对于对象o，x_i＝0表示节点v_i上不对o进行缓存，x_i＝1表示节点v_i上缓存对象o；

对象o，将o缓存在节点v_i上，所有经过v_i对o的请求可以直接从节点v_i得到对象o，由节点v_i缓存对象o而节省的访问开销称为缓存对象o获得的缓存收益，每个相关节点v_j获得的收益为：

其中，表示任意相关节点v_j上观察到的对对象o的访问频率，表示节点v_i上缓存对象o时，以v_i为新的最近源节点的节点v_j请求o节省的跳数，size(o)表示对象o的大小，w表示传输单位大小对象的开销；