本發(fā)明是對命名數(shù)據(jù)網(wǎng)中緩存策略的研究，屬于未來網(wǎng)絡(luò)的技術(shù)領(lǐng)域。特別涉及到網(wǎng)絡(luò)中內(nèi)容流行度的預(yù)測機制、鄰域節(jié)點間的協(xié)作緩存策略，節(jié)點緩存空間比例的劃分方法。

背景技術(shù)：

隨著互聯(lián)網(wǎng)技術(shù)與應(yīng)用的飛速發(fā)展，“寬帶化”、“內(nèi)容化”與“個性化”已經(jīng)成為網(wǎng)絡(luò)發(fā)展的主旋律，人們對于數(shù)據(jù)內(nèi)容的需求日益強烈，網(wǎng)絡(luò)應(yīng)用的主體逐步向內(nèi)容請求和信息服務(wù)演進轉(zhuǎn)移。據(jù)Cisco公司預(yù)測，到2016年互聯(lián)網(wǎng)上所有內(nèi)容相關(guān)的流量將占據(jù)超過97.5％的份額，傳統(tǒng)以主機為中心的網(wǎng)絡(luò)體系結(jié)構(gòu)難以滿足當前網(wǎng)絡(luò)信息服務(wù)的發(fā)展要求。為此，信息中心網(wǎng)絡(luò)(Information-Centric Networking,ICN)作為一種革命式的未來互聯(lián)網(wǎng)設(shè)計思路，讓數(shù)據(jù)內(nèi)容本身成為網(wǎng)絡(luò)通信的主體單元，將網(wǎng)絡(luò)通信模式從關(guān)注“where”(地址、服務(wù)器)轉(zhuǎn)變?yōu)殛P(guān)注“what”，即用戶和應(yīng)用通信的目的和意向，成為未來Internet設(shè)計的重要模式。其中，命名數(shù)據(jù)網(wǎng)絡(luò)(Named Data Networking,NDN)作為典型的ICN網(wǎng)絡(luò)體系結(jié)構(gòu)，在中間層用命名數(shù)據(jù)取代IP，數(shù)據(jù)傳輸采用“發(fā)布-請求-響應(yīng)”模式，直接以內(nèi)容名字進行路由，實現(xiàn)點到多點的高效內(nèi)容分發(fā)。

在NDN的設(shè)計中，采用網(wǎng)絡(luò)內(nèi)普遍緩存的方式，在興趣包(interest packet)沿途轉(zhuǎn)發(fā)路徑(on-path)的所有節(jié)點上存儲命中內(nèi)容。在路由轉(zhuǎn)發(fā)中，當節(jié)點收到興趣包，依據(jù)內(nèi)容名字依次在內(nèi)容存儲器(Content Store,CS)，待處理興趣包列表(Pending Interest Table,PIT)和轉(zhuǎn)發(fā)信息列表(Forwarding Information Base,FIB)中進行匹配查詢。應(yīng)答數(shù)據(jù)包(data packet)攜帶請求內(nèi)容，依據(jù)節(jié)點PIT表項的記錄，沿請求路徑進行反向的逐跳傳輸。

對于NDN網(wǎng)絡(luò)，合理的內(nèi)容放置和緩存決策，是有效發(fā)揮網(wǎng)絡(luò)性能的關(guān)鍵因素。關(guān)于NDN緩存的研究，在一開始提出內(nèi)容中心網(wǎng)絡(luò)的時候，基于其“緩存換帶寬”基本思想，就著手研究網(wǎng)內(nèi)緩存策略了。但由于NDN泛濫式的沿途全部緩存方式(Leave Cache Everywhere,LCE)，致使節(jié)點緩存內(nèi)容趨于同質(zhì)化，導(dǎo)致大量的緩存冗余。相繼有研究進行改進提出了LCD、MCD、Prob、WAVE緩存策略，LCD在返回路徑存儲時，不再在所有節(jié)點進行存儲備份，只在命中節(jié)點的下游單個節(jié)點進行存儲。MCD與LCD相比，在下游節(jié)點緩存?zhèn)浞莺?，把命中?jié)點的該內(nèi)容刪除，這樣雖然大大降低了網(wǎng)內(nèi)的緩存冗余度，但是每請求一次，請求的內(nèi)容備份在網(wǎng)絡(luò)中位置就會轉(zhuǎn)移一次，增加了網(wǎng)絡(luò)的流量開銷。WAVE考慮了單個文件在網(wǎng)絡(luò)中是分成若干個chunk數(shù)據(jù)塊進行存儲的特征，chunk數(shù)據(jù)塊之間存在關(guān)聯(lián)性，當用戶以文件為單位進行請求時，隨著請求次數(shù)的增多，在返回路徑上按照指數(shù)增加網(wǎng)內(nèi)的緩存?zhèn)浞?。這樣可以快速把請求多次的內(nèi)容即流行度高的內(nèi)容擴散到網(wǎng)絡(luò)邊緣。上述策略在緩存時，缺乏對于內(nèi)容本身差異化特征的考慮，無法實現(xiàn)內(nèi)容的優(yōu)化存儲。因此，為了有效發(fā)揮內(nèi)容網(wǎng)內(nèi)節(jié)點緩存的優(yōu)勢，高效緩存算法的設(shè)計就成為需要解決的關(guān)鍵問題。

現(xiàn)有策略并沒有考慮到節(jié)點在網(wǎng)絡(luò)拓撲結(jié)構(gòu)中的位置對緩存帶來的影響，Chai等人提出了Betw緩存策略，即當興趣包在網(wǎng)內(nèi)節(jié)點或服務(wù)器端命中，獲取數(shù)據(jù)包后在返回路徑上的介數(shù)(betweenness centrality)最高的節(jié)點處進行緩存?zhèn)浞?。這種“l(fā)ess for more”思想是讓盡量少的節(jié)點來滿足盡量多的用戶請求，但是上述策略并沒有對返回的內(nèi)容進行流行度高低的區(qū)分，導(dǎo)致介數(shù)高的節(jié)點緩存空間在短時間內(nèi)被存滿，流行度高的內(nèi)容有可能短時間內(nèi)被后續(xù)的流行度低的內(nèi)容替換掉。當用戶再次請求時，在網(wǎng)內(nèi)節(jié)點不能命中，需要路由到服務(wù)器，增加了網(wǎng)絡(luò)開銷?；诖耍蕃F(xiàn)東等人在Betwe策略基礎(chǔ)上進行了改進，考慮到Betwe策略中選取的節(jié)點中內(nèi)容替換率過高，他們加入了替換率因素，選取介數(shù)高同時內(nèi)容替換率比較低的節(jié)點作為緩存位置。上述策略只在少數(shù)的位置進行了內(nèi)容不加區(qū)分地存儲，其余位置不佳的節(jié)點空間將會被閑置，造成了網(wǎng)內(nèi)緩存空間的浪費。在對請求頻率高和頻率低的內(nèi)容沒有區(qū)別對待時，分布拖尾比較長的低流行度內(nèi)容擠占了需要被緩存的高流行度內(nèi)容的空間。

技術(shù)實現(xiàn)要素：

本發(fā)明所要解決的問題是：現(xiàn)有緩存策略一類是通過普遍緩存方式把內(nèi)容快送推送到邊緣節(jié)點，導(dǎo)致出現(xiàn)網(wǎng)內(nèi)緩存數(shù)據(jù)高冗余度。一類是選取網(wǎng)絡(luò)拓撲中重要節(jié)點集中緩存內(nèi)容，導(dǎo)致網(wǎng)內(nèi)存儲空間大部分被空置浪費。為了對網(wǎng)內(nèi)節(jié)點緩存空間的最大化利用，本發(fā)明對網(wǎng)絡(luò)中的內(nèi)容進行流行度預(yù)測，提出的策略既對網(wǎng)絡(luò)中流行度高的內(nèi)容實施多重備份，又對流行度低的內(nèi)容實施協(xié)作緩存，保存少量備份，從而使得網(wǎng)內(nèi)節(jié)點緩存空間充分被利用。提出一種既可以滿足用戶對高流行度內(nèi)容的高頻率請求，又可以滿足用戶在網(wǎng)內(nèi)節(jié)點命中流行度低的內(nèi)容，有效降低內(nèi)容源端服務(wù)器的負載壓力，降低用戶的請求延時，同時提高請求在網(wǎng)內(nèi)節(jié)點的命中率的命名數(shù)據(jù)網(wǎng)絡(luò)中一種基于流行度預(yù)測的協(xié)作緩存方法。本發(fā)明的技術(shù)方案如下：

命名數(shù)據(jù)網(wǎng)絡(luò)中一種基于流行度預(yù)測的協(xié)作緩存方法，其包括以下步驟：

101、流行度預(yù)測：根據(jù)命名數(shù)據(jù)網(wǎng)絡(luò)中內(nèi)容被訪問的頻率以及內(nèi)容到請求端的距離，對內(nèi)容進行流行度預(yù)測，得出未來流行度高的內(nèi)容和流行度低的內(nèi)容；把每個節(jié)點的緩存空間劃分成兩部分x和(c-x)，(c-x)用來緩存高流行度的內(nèi)容，x用來緩存低流行度的內(nèi)容；

102、對步驟101中流行度高的內(nèi)容在返回路徑上所有節(jié)點都緩存一個備份，而流行度低的內(nèi)容在返回路徑節(jié)點鄰域上綜合狀態(tài)最優(yōu)的節(jié)點進行協(xié)作緩存，只緩存單一備份。

進一步的，步驟101中流行度的預(yù)測除了考慮內(nèi)容在單個節(jié)點內(nèi)被訪問的次數(shù)R_count，還考慮被用戶請求時的平均跳數(shù)H_average，通過設(shè)定計數(shù)周期T來記錄周期內(nèi)被訪問的次數(shù)R_count，通過興趣包來記錄每次請求命中的跳數(shù)，這樣考慮內(nèi)容在節(jié)點的本地流行度和在整個網(wǎng)絡(luò)中的緩存位置遠近，預(yù)測下一個周期的流行度。

進一步的，步驟101對內(nèi)容進行流行度預(yù)測包括：計算在下一個計數(shù)周的流行度P(T_n+1)的：

$P\left(T_{n+1}\right)=\frac{1}{\mathrm{\α}+1}\left(\frac{H_{average}*R_{count}}{T_n}\right)+\frac{\mathrm{\α}}{\mathrm{\α}+1}P\left(T_n\right),0\<\mathrm{\α}\<1$

其中P(T_n)表示請求內(nèi)容當前的流行度，H_average是在一個周期內(nèi)數(shù)據(jù)每次被訪問的平均跳數(shù)，R_count表示命中節(jié)點中該內(nèi)容被請求的次數(shù)，T_n表示命中內(nèi)容當前計數(shù)周期，α是調(diào)節(jié)常數(shù)，ΔP表示當前周期的預(yù)測流行度值和上一周期流行度的差值，ΔP＝P(T_n+1)-P(T_n)，若ΔP＞0，表明內(nèi)容處于流行度上升階段，緩存時在返回路徑上每個節(jié)點都緩存；若ΔP＜0，表明該內(nèi)容處于流行度下降階段，在返回路徑上和其他節(jié)點協(xié)作緩存。

進一步的，預(yù)測計算出內(nèi)容流行度后，(1)當請求的內(nèi)容k在網(wǎng)內(nèi)節(jié)點或服務(wù)器端命中后，根據(jù)自身當前的流行度P(T_n)和興趣包附給的轉(zhuǎn)發(fā)跳數(shù)以及請求內(nèi)容在命中節(jié)點被請求的次數(shù)計算出未來的流行趨勢P(T_n+1)，再得出ΔP的正負；

(2)若ΔP＞0，內(nèi)容k在返回路徑上的所有節(jié)點進行存儲,且不能超過節(jié)點存儲劃分出的c-x容量；如果節(jié)點緩存空間c-x已滿，則啟用單個節(jié)點內(nèi)的緩存替換策略LRU；

(3)data k若處于流行度下降期，首先找出路徑上最大CoP(v)值對應(yīng)的節(jié)點，若有該內(nèi)容k，說明在路由期間已經(jīng)有其他節(jié)點請求過相同內(nèi)容，并且根據(jù)緩存策略把data k存儲在該點，此時直接丟棄；若沒有該內(nèi)容則和其表中的臨近節(jié)點CoP(v)_n值做比較，找出CoP(v)最大值，存于對應(yīng)節(jié)點。

進一步的，所述整個網(wǎng)絡(luò)中存在三種存儲方式：每個節(jié)點存儲高流行度內(nèi)容的存儲空間(c-x)；每個節(jié)點存儲低流行度內(nèi)容的存儲空間x；服務(wù)器存儲原始數(shù)據(jù)備份的存儲空間。

進一步的，步驟102中流行度低的內(nèi)容在返回路徑節(jié)點鄰域上節(jié)點的綜合狀態(tài)用CoP(v)來表示節(jié)點的綜合狀態(tài)：設(shè)當前節(jié)點PIT中各個內(nèi)容名字對應(yīng)接口數(shù)量為D_name1，D_name2…，D_{name n}，那么總的請求接口數(shù)為D_total(v)＝D_name1+D_name2+…D_{name n}，當前接口數(shù)可以直接反映節(jié)點被請求的速率，C(v)表述各個節(jié)點的連接性，公式如下：

$CoP\left(v\right)=\frac{C\left(v\right)}{D_{total}\left(v\right)}$

CoP(v)值越大，表示該點連接性能好的前提下被訪問的速率越慢。

本發(fā)明的優(yōu)點及有益效果如下：

本發(fā)明通過對內(nèi)容流行度的準確預(yù)測，區(qū)分出內(nèi)容的流行度高低，在緩存時進行采取不同的策略，可以使流行度高的內(nèi)容快速推送到邊緣節(jié)點，使用戶更快地在網(wǎng)內(nèi)命中請求的內(nèi)容。使流行度低的內(nèi)容占用少量的存儲空間，在節(jié)約存儲空間的同時可以滿足用戶對其低頻率的請求，即使不能在網(wǎng)內(nèi)命中，可以路由到服務(wù)器端找到請求的內(nèi)容，額外的開銷也在容忍范圍之內(nèi)，對整個網(wǎng)絡(luò)的開銷影響較小。該新型緩存策略既可以滿足用戶對高流行度內(nèi)容的高頻率請求，又可以滿足用戶在網(wǎng)內(nèi)節(jié)點命中流行度低的內(nèi)容，有效降低內(nèi)容源端服務(wù)器的負載壓力，降低用戶的請求延時，同時提高請求在網(wǎng)內(nèi)節(jié)點的命中率。

附圖說明

圖1是本發(fā)明提供優(yōu)選實施例內(nèi)容流行度預(yù)測流程圖；

圖2為本發(fā)明中協(xié)作緩存策略流程圖；

圖3為本發(fā)明中確定節(jié)點空間劃分比例流程圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、詳細地描述。所描述的實施例僅僅是本發(fā)明的一部分實施例。

1.如圖1所示為內(nèi)容流行度預(yù)測流程圖。節(jié)點請求到達率一般采用泊松分布，而整個網(wǎng)絡(luò)中的內(nèi)容分布符合zipf分布。也即二八分布，網(wǎng)絡(luò)中的排名次序前20％內(nèi)容可以滿足網(wǎng)絡(luò)中80％的請求量。如下式所示：

C為常數(shù)

p(i)表示i對應(yīng)內(nèi)容出現(xiàn)的頻率，i表示在所有內(nèi)容排序中的次序，排序按照內(nèi)容出現(xiàn)頻率的高低，從高到低的次序排列。則總數(shù)為N個內(nèi)容中排序為i的內(nèi)容被請求的概率為：

$r(i;s,N)=\frac{1/i^s}{{\mathrm{\Σ}}_{j=1}^N(1/j^s)}=\frac{1/i^s}{H_{N,s}},i=1,2,\mathrm{...}(0\<s\<1,1\<s\<2)$

其中s越大，表示流行的內(nèi)容越集中。排名前k個內(nèi)容的概率分布為：

$F(i;s,N)=\underset{i=1}{\overset{k}{\Σ}}r(i;s,N)=\frac{H_{k,s}}{H_{N,s}},k=1,2,\mathrm{...}$

除了服務(wù)器內(nèi)存儲的內(nèi)容具有長期穩(wěn)態(tài)性外，網(wǎng)內(nèi)的內(nèi)容處于高動態(tài)性，20％流行度高的內(nèi)容也在不斷更替，不斷有高流行度內(nèi)容退化成流行度低的部分，流行度低的內(nèi)容也有部分在向流行度高進化。研究表明，網(wǎng)絡(luò)中動態(tài)內(nèi)容的流行度或熱度都符合從低谷到達峰值，在經(jīng)過一段時間后回落到低谷。所以我們設(shè)定計數(shù)周期，在興趣包中添加一個計數(shù)位H_count和時間T_n，每轉(zhuǎn)發(fā)一次計數(shù)加1，當命中后停止計數(shù)達到H_count，也即請求端到命中節(jié)點的總跳數(shù)，命中節(jié)點中該內(nèi)容被請求一次也計數(shù)一次，用R_count表示，當?shù)竭_周期T_n時停止計數(shù)。H_count可以間接反映該內(nèi)容在整個網(wǎng)絡(luò)中的備份位置，因為跳數(shù)越大，說明離請求端越遠，R_count越大，說明對該內(nèi)容請求越多，邊緣節(jié)點沒有足夠的備份來滿足請求。如果僅僅考慮內(nèi)容在節(jié)點被請求的頻率不能夠預(yù)測對應(yīng)內(nèi)容在整個網(wǎng)絡(luò)內(nèi)的流行度，一般內(nèi)容越靠近服務(wù)器端，被請求的次數(shù)相對就會越少，此時僅僅依靠在節(jié)點中內(nèi)容被請求的次數(shù)，大多數(shù)內(nèi)容將被判別為流行度低的內(nèi)容。H_average是在一個周期內(nèi)數(shù)據(jù)每次被訪問的平均跳數(shù)，H_average*R_count的變化不僅可以反映內(nèi)容在網(wǎng)內(nèi)的流行度，也反映了該內(nèi)容在該周期的網(wǎng)絡(luò)開銷，尤其是對靠近服務(wù)器的節(jié)點內(nèi)容流行度的判斷更加靈敏。計算在下一個計數(shù)周的流行度P(T_n+1)：

$P\left(T_{n+1}\right)=\frac{1}{\mathrm{\α}+1}\left(\frac{H_{average}*R_{count}}{T_n}\right)+\frac{\mathrm{\α}}{\mathrm{\α}+1}P\left(T_n\right),0\<\mathrm{\α}\<1$

其中P(T_n)表示請求內(nèi)容當前的流行度，T_n表示命中內(nèi)容當前計數(shù)周期，α是調(diào)節(jié)常數(shù)。上式展開得：

$P\left(T_{n+1}\right)=\frac{1}{\mathrm{\α}+1}*\frac{H_{average}*R_{count}}{T_n}+\frac{\mathrm{\α}}{{(\mathrm{\α}+1)}^2}*\frac{H_{average}*R_{count}}{T_{n-1}}+\frac{{\mathrm{\α}}^2}{{(\mathrm{\α}+1)}^3}*\frac{H_{average}*R_{count}}{T_{n-2}}+\mathrm{...}$

越靠近當前周期的計數(shù)對未來的流行度預(yù)測占的比例越高，影響越大，距離當前周期越遠，對內(nèi)容的未來的流行度影響越弱。

ΔP＝P(T_n+1)-P(T_n)

若ΔP＞0，表明內(nèi)容處于流行度上升階段，緩存時在返回路徑上每個節(jié)點都緩存。若ΔP＜0，表明該內(nèi)容處于流行度下降階段。在返回路徑上和其他節(jié)點協(xié)作緩存。

2.如圖2為協(xié)作緩存策略流程圖。當ΔP＜0時，內(nèi)容處于流行度下降期，采用協(xié)作緩存。協(xié)作緩存的節(jié)點根據(jù)每個節(jié)點的連接性C(v)好壞來選取。在此我們計算各個節(jié)點的連接性的方法如下：

$C\left(\mathrm{\ν}\right)=\underset{n\∈{\mathrm{\π}}_1\left(\mathrm{\ν}\right)}{\Σ}Q\left(v\right)=\underset{n\∈{\mathrm{\π}}_1\left(\mathrm{\ν}\right)}{\Σ}\left(\mathrm{\β}\right|{\mathrm{\π}}_1\left(n\right)|+(1-\mathrm{\β}\left)\underset{\mathrm{\ω}\∈{\mathrm{\π}}_1\left(n\right)}{\Σ}{c}_{\mathrm{\ω}}\right)$

其中π₁(n)表示距離節(jié)點n為1的所有節(jié)點，π₁(v)表示距離節(jié)點v為1的所有節(jié)點。β是屬于0到1之間的調(diào)節(jié)常數(shù)，其中

$c_{\mathrm{\ω}}=\frac{2\left|\right\{e_{ij}:i,j\∈{\mathrm{\π}}_1\left(\mathrm{\ω}\right),i\≠j\left\}\right|}{C_D\left(\mathrm{\ω}\right)\left(C_D\right(\mathrm{\ω})-1)}$

e_ij表示點i和點j連接的邊，C_D(ω)表示和ω相連的所有節(jié)點數(shù)，C(v)越大，表示v點的緊密性越好。在上述方法中不僅僅考慮節(jié)點的半徑范圍r＝2的臨近節(jié)點的個數(shù)，還考慮臨近節(jié)點之間的聯(lián)系度。這樣可以更加準確篩選出緊密性更好的節(jié)點。只考慮節(jié)點連接性可能導(dǎo)致性能好的節(jié)點收斂速度過快，使內(nèi)容快速向這些節(jié)點聚合，造成節(jié)點擁塞，為了緩解擁塞，減輕節(jié)點的負載，我們綜合考慮節(jié)點連接性和節(jié)點被訪問速度。PIT結(jié)構(gòu)中含有{內(nèi)容名字；請求接口}，我們設(shè)當前節(jié)點PIT中各個內(nèi)容名字對應(yīng)接口數(shù)量為D_name1，D_name2…，D_{name n}，那么總的請求接口數(shù)為D_total(v)＝D_name1+D_name2+…D_{name n}。當前接口數(shù)可以直接反映節(jié)點被請求的速率。所以我們提出用CoP(v)來表示節(jié)點的綜合狀態(tài)：

$CoP\left(v\right)=\frac{C\left(v\right)}{D_{total}\left(v\right)}$

CoP(v)值越大，表示該點連接性能好的前提下被訪問的速率越慢，如果在該點緩存內(nèi)容，既保證了后續(xù)請求能夠快速請求到該點，又不會出現(xiàn)高的替換率和請求率，同時可以有效緩解節(jié)點的負載。

每個節(jié)點在原有的數(shù)據(jù)結(jié)構(gòu)上增加一個新的數(shù)據(jù)結(jié)構(gòu)，結(jié)構(gòu)單元組包括{節(jié)點名稱，對應(yīng)CS中內(nèi)容列表，對應(yīng)PIT接口數(shù)目}，用來記錄其周圍距離為2的范圍內(nèi)節(jié)點的協(xié)作緩存內(nèi)容列表和接入接口數(shù)。如若鄰域節(jié)點有重復(fù)的內(nèi)容條目，則只保留CoP(v)最高的節(jié)點處備份。

步驟：

(1)當請求的內(nèi)容k在網(wǎng)內(nèi)節(jié)點或服務(wù)器端命中后，根據(jù)自身當前的流行度P(T_n)和興趣包附給的轉(zhuǎn)發(fā)跳數(shù)以及請求內(nèi)容在命中節(jié)點被請求的次數(shù)計算出未來的流行趨勢P(T_n+1)，再得出ΔP的正負，

(2)若ΔP＞0，內(nèi)容k在返回路徑上的所有節(jié)點進行存儲,且不能超過節(jié)點存儲劃分出的c-x容量；如果節(jié)點緩存空間c-x已滿，則啟用單個節(jié)點內(nèi)的緩存替換策略LRU。

(3)data k若處于流行度下降期，首先找出路徑上最大CoP(v)值對應(yīng)的節(jié)點，若有該內(nèi)容k，說明在路由期間已經(jīng)有其他節(jié)點請求過相同內(nèi)容，并且根據(jù)緩存策略把data k存儲在該點，此時直接丟棄。若沒有該內(nèi)容則和其表中的臨近節(jié)點CoP(v)_n值做比較，找出CoP(v)最大值，存于對應(yīng)節(jié)點。

3.圖3是節(jié)點緩存空間劃分的流程。當存儲流行度上升時期的內(nèi)容時，在返回路徑上每個節(jié)點劃分的(c-x)部分進行緩存以保證更多的請求能夠最快命中。劃分合適比例的緩存空間采取相應(yīng)的存儲策略將變得十分重要，如果劃分的(c-x)過少，則很快被存滿，替換率過高，如果劃分的太多，協(xié)作緩存效果將會降低，整體緩存策略幾近退化為LCE緩存策略，對網(wǎng)絡(luò)性能的提升非常有限。本文采用興趣包從客戶端發(fā)出到命中節(jié)點之間的跳數(shù)作為請求代價，在節(jié)點線性處理速度前提下，跳數(shù)也間接反映了請求延時。

在本文提出的策略中,內(nèi)容在網(wǎng)絡(luò)中存在三種存儲方式，因此請求的內(nèi)容在網(wǎng)絡(luò)中命中的平均跳數(shù)也存在不同。假設(shè)interest包在節(jié)點的c-x部分命中，對應(yīng)的跳數(shù)為h₁：

$h_1(x=x_j)=\underset{i=1}{\overset{n}{\Σ}}\underset{k\∈c-x}{\Σ}{r}_{ik}{y}_{ik}{h}_{c-x}$

interest包在節(jié)點的協(xié)作緩存x空間內(nèi)命中，對應(yīng)的跳數(shù)為h₂：

$h_2(x=x_j)=\underset{i=1}{\overset{n}{\Σ}}\underset{k\∈x}{\Σ}{r}_{ik}{y}_{ik}{h}_x$

假設(shè)沒有在網(wǎng)絡(luò)找到相應(yīng)的內(nèi)容，interest包路由到服務(wù)器，對應(yīng)的跳數(shù)為h₃：

$h_3(x=x_j)=\underset{i=1}{\overset{n}{\Σ}}\underset{k\∈s}{\Σ}{r}_{ik}{y}_{ik}{h}_s$

約束條件為：

0＜x_j＜c

0＜c-x_j＜c

y_ik∈{0,1}

其中n代表節(jié)點數(shù)，N代表chunk數(shù)據(jù)塊數(shù)目，r_ik表示每個節(jié)點i觀測到對內(nèi)容k的請求速率，服從泊松分布。y_ik表示請求內(nèi)容是否命中，命中y_ik＝1，否則y_ik＝0。h是命中以后請求路徑的跳數(shù)。根據(jù)內(nèi)容不同的緩存方式，用k∈c-x，k∈x，k∈s分別表示本地緩存內(nèi)容，協(xié)作緩存內(nèi)容和服務(wù)器緩存內(nèi)容。如果x取0，相當于完全沒有協(xié)作緩存，是處處緩存策略，導(dǎo)致節(jié)點空間快速存滿，流行的內(nèi)容也很快被替換掉，interest包在網(wǎng)絡(luò)中間節(jié)點命中率很低，這樣總的跳數(shù)必然會很大。x取c時，網(wǎng)絡(luò)的緩存策略是所有節(jié)點的所有緩存空間進行協(xié)作緩存，這樣會導(dǎo)致流行度高的內(nèi)容在網(wǎng)絡(luò)中的備份會減少，客戶端請求的流行度高的內(nèi)容和流行度低的內(nèi)容的跳數(shù)基本一樣，跳數(shù)也會很大。所以存在x∈(0,c)這樣的一個點，使網(wǎng)絡(luò)的總跳數(shù)最小。問題可以轉(zhuǎn)化為如下描述:

Min(h₁+h₂+h₃)

$x^{*}=\arg \underset{x_j}{Min}(h_1+h_2+h_3)$

h表示整個網(wǎng)絡(luò)的請求路由跳數(shù)。對于x的求解，我們對x進行從0到c枚舉，求出最小的h對應(yīng)的x，即作為x^*。進行歸一化處理即是最優(yōu)協(xié)同深度值ρ：

$\mathrm{\ρ}=\frac{x^{*}}{c},0\<\mathrm{\ρ}\<1$

以上這些實施例應(yīng)理解為僅用于說明本發(fā)明而不用于限制本發(fā)明的保護范圍。在閱讀了本發(fā)明的記載的內(nèi)容之后，技術(shù)人員可以對本發(fā)明作各種改動或修改，這些等效變化和修飾同樣落入本發(fā)明權(quán)利要求所限定的范圍。