[发明专利]基于流行度度量的缓存替换方法

说明书

本发明涉及基于流行度度量的缓存替换方法，分析了视频点播系统中，用户进行VCR操作的关系，改进了现有的算法，提出了基于指数移动平均的缓存替换算法(EMA)和基于相对频率的缓存替换算法(RF)。在视频点播系统中，这两种方法都根据用户进行的VCR操作特性，记录用户的历史播放记录。考虑视频端流行度利用关联规则预测缓存段。结果表明可以更高程度上提高缓存段的命中率，同时降低响应时延，提高用户的体验。

技术领域

本发明涉及基于流行度度量的缓存替换方法，属于P2P流媒体技术领域。

背景技术

目前，随着计算机网络的发展，人们更多的在移动终端观看视频，对P2P流媒体系统提出了一些相应的要求。例如系统根据用户的历史播放记录，预测出用户的喜好，以便提高命中率、降低响应延迟，保证流媒体系统中数据传输的实时性要求等。在P2P系统中每一个节点都是平等的参与者，承担服务使用者和服务提供者两个角色。网络中的每一台计算机可以向其他计算机提供资源、服务和内容；也可以从其他计算机请求并接受资源、服务和内容，P2P网络架构如图1。如何对视频的流行度进行精确的评估，直接影响了用户的体验及流媒体的性能。因此，设计一种有效的预测及缓存替换方法具有重要的意义。

在本发明提出之前，P2P流媒体流行度评估领域，有VOVO-P、CRA-AR等等，用这些方法进行流行度评估的缺点有：

(1)不能充分利用有价值的缓存数据，对缓存的命中率产生一定影响。

(2)没有综合考虑每段视频的访问频率、视频段进入缓存的时间和当前的系统时间等因素，相比于先进算法具有较长的等待时延。

发明内容

本发明的目的就在于克服上述缺陷，提出基于流行度度量的缓存替换方法。

本发明的技术方案如下：基于流行度度量的缓存替换方法，其主要技术特征在于如下步骤：

(1)获取用户的历史访问记录；

(2)计算每个视频段出现的频率，用关联规则找出支持度最高的段，即为待缓存段；

(3)采用缓存替换方法进行缓存替换；

(4)完成缓存替换操作后，计算命中率。

进一步地，所述步骤(2)计算段出现的频率，本发明采用了两种方法对视频的流行度进行评估：

①指数加权模型

指数加权模型是用来对历史测量值进行加权，估计当前值的一种方法。指数移动平均(Exponential Moving Average,EMA)是以指数式递减加权的移动平均。各数值的加权而随时间而指数式递减，越近期的数据加权越重，但较旧的数据也给予一定的加权。

加权的程度以常数α决定，α数值介乎0至1。α也可以用N(总数)来代表，其中β表示常数。所此处当取N＝19，β＝2时，α＝0.1。

②相对频率

假设缓存中有两个视频段，分别为段α和段β，段α的访问频率为5，段β的访问频率为3。而缓存中α的生存期为20个时间单位，β的生存期为6个时间单位。由于的频率αβ的频率，频率感知策略会在α之前删除β。但是，实际上，β比α更受欢迎，因为α的相对频率为0.25而β的相对频率为＝0.5。因此，β是将来最有可能被访问的。因此本发明提出了一种新的机制，即相对频率。它取决于每个视频段的访问次数F_i、视频段进入缓存的时间D_i和当前的系统时间now。这样即可获得每个单位时间的视频访问频率：

通过这种方式，避免了一些开销，该功能不需要许多额外的处理并且改善了高速缓存替换策略的性能。而且，缓存污染问题应该消失，因为具有较高访问频率值的文档的相对频率将随时间增加。