基于节点中心性度量的内容中心网络缓存机制
以信息为中心网络的缓存策略的设计与实现
以信息为中心网络的缓存策略的设计与实现信息中心网络(ICN)是一种革命性的网络架构,数据中心网络(Named Data Networking,NDN)作为其重要代表,将内容作为中心,以名字进行路由,最重要的是增加了网内缓存的功能,这是提高网络性能的重要设计。
为了解决目前网内缓存存在的诸多问题,本文提出了一种新颖的基于深度学习的缓存策略。
论文工作取得的主要成果有以下几个方面,首先,通过分析数据(特别是物联网场景中的感知数据)的特点,推导出了用户请求数据的规律,进而发现了其与网内缓存之间的关系;其次,基于数据特点与数据命名的简单唯一特性,设计了一种新的兴趣包/数据包命名方式,将数据特点结合到名字中,为后续的缓存替换算法预测数据流行度提供了强大的特征支持,并且根据新的命名方式进行路由决策;然后,以基于深度学习的流行度建模方法作为算法的核心,根据数据流行度的排名进行缓存决策,设计了两级缓存,并加入了预取决策,根据预测的未来流行度的排名在数据流行前将数据缓存到节点中;最后,在命名数据网络转发守护进程(NFD)中设计了网络拓扑,对论文设计的缓存策略进行了部署和验证。
结果表明,本文提出的基于深度学习的缓存策略,能够准确的预测流行度的变化趋势,极大的提高了命中率,减少了网络时延,并且突破了传统缓存替换算法的瓶颈。
基于内容价值的缓存替换策略
基于内容价值的缓存替换策略
黄丹1,2 ,宋荣方1,2
【摘要】缓存替换机制是内容中心网络的重要研究问题之一,考虑到缓存空间的有限性,合理地对缓存内容进行置换，成为影响网络整体性能的关键因素。
因此，设计了一种基于内容价值的缓存替换方案。
该方案综合考虑了内容的动态流行度、缓存代价以及最近被请求的时间，构建了更实际的内容价值函数Z 并依据该内容价值函数,设计了有效的内容存储与置换方案。
具体地,当缓存空间不足时，对已有缓存内容按照价值从小到大进行置换。
仿真结果表明Z相比于传统替换算法LRU、LFU和FIFO,本文提出的方案有效地提升了网络节点的内容缓存命中率Z降低了用户获取内容的平均跳数。
【期刊名称】电信科学
【年(卷),期】2018(034)011
【总页数】8
【关键词】内容中心网络；内容价值；内容替换；缓存
1引言
随看互联网技术的高速发展，网络信息量和上网用户数剧増，网络流量呈指数级增长,这种爆炸式的流量增长给基于端到端的IP网络体系结构带来了巨大的挑战和压力。
为了解决移动网络中巨大的数据流量带来的冲击，研究者们提出了以内容为中心的全新网络架构----------- 内容中心网络(COnterIt-CerltrIc networking , CCN ) [l]o在内容中心网络中,每一个节点都具有缓存功能, 通过将流行内容缓存在距离用户较近的节点上，可以有效地缓解回传链路带宽的压力,降｛氐网络时延,从而改善用户的体验质量[2]。
社交网络中的影响力评估与推荐算法
社交网络中的影响力评估与推荐算法引言：社交网络在当今数字时代中具有巨大的影响力和作用。
人们可以通过社交网络平台与朋友、家人和同事保持联系，获取信息和分享资源。
然而，随着社交网络的快速发展，用户面临着过多信息和信息过载的问题。
因此，社交网络平台需要评估用户的影响力，并利用推荐算法为用户提供个性化的内容，使得社交网络能够更好地满足用户的需求。
一、社交网络中的影响力评估社交网络中的影响力评估是通过分析用户在社交网络中的活动、交互和内容来衡量用户的影响力大小。
以下是几种常用的影响力评估指标和方法。
1. 节点度中心性节点度中心性是指一个用户在社交网络中被其他用户连接的频率或度数。
节点度中心性高的用户往往代表着在社交网络中有更广泛的影响力和更多的社交联系。
2. PageRank算法PageRank算法最初用于评估网页的重要性，现在也被应用于社交网络中。
该算法通过分析用户节点之间的连接关系，将高度连接的节点评估为更具影响力的节点。
PageRank算法可以衡量用户在社交网络中的影响力和重要性。
3. 社群检测算法社群检测算法能够识别社交网络中具有相似兴趣和行为的用户群体。
对于一个社交网络平台来说，社群检测算法可以帮助识别潜在的领域专家和影响力用户，进而促进内容的分享和传播。
4. 用户活跃度评估用户活跃度评估是通过分析用户在社交网络中的活动频率和交互行为，来评估用户的活跃度和社交网络的影响力。
用户活跃度评估指标包括发布内容的频率、与其他用户的互动和参与度等。
以上方法和指标可以组合使用，以综合评估用户在社交网络中的影响力和重要性。
二、社交网络中的推荐算法社交网络中的推荐算法旨在为用户提供个性化的内容和推荐。
1. 基于用户的协同过滤算法基于用户的协同过滤算法通过分析用户的历史行为和偏好，找到具有相似兴趣的其他用户，进而推荐这些用户喜欢的内容。
该算法可以帮助用户发现更多的有趣和相关的内容。
2. 基于内容的推荐算法基于内容的推荐算法主要通过分析用户的行为和偏好，并结合内容特征，为用户推荐与其兴趣相关的内容。
软件定义下的CCN缓存算法研究
软件定义下的CCN缓存算法研究任乐源;王俊芳;张学敏【摘要】为了解决内容中心网络(CCN)中存在的缓存问题,在内容中心网络和软件定义网络(SDN)的融合架构下,充分利用控制层全局感知和集中控制的优势,提出了一种软件定义下的CCN缓存决策方法.考虑了中介中心度、内容流行度、节点边缘度和缓存节点存储容量的有限性,引入了控制节点和通信节点的概念,通过控制器缓存决策,使得请求内容在不同的节点进行合理缓存.同时,根据控制节点距离缓存节点和服务器的跳数,找到返回用户请求的最短路径,采用ndn-SIM进行仿真实验.结果表明,相比ALWAYS,LCD两种传统缓存决策策略,该方案可以明显提高缓存命中率,降低路径延展率和缓存替换数,达到了提高CCN缓存效率的目的,有利于内容中心网络及未来网络的发展.【期刊名称】《河北科技大学学报》【年(卷),期】2018(039)005【总页数】7页(P455-461)【关键词】通信网络技术;内容中心网络;软件定义网络;缓存;集中控制【作者】任乐源;王俊芳;张学敏【作者单位】中国电子科技集团公司第五十四研究所通信系统与网络专业部,河北石家庄 050081;中国电子科技集团公司第五十四研究所教育学院,河北石家庄050081;中国电子科技集团公司第五十四研究所通信系统与网络专业部,河北石家庄050081;中国电子科技集团公司第五十四研究所通信系统与网络专业部,河北石家庄050081【正文语种】中文【中图分类】TN915.9随着网络用户和通信量的急剧增长，传统网络逐渐暴露出安全性、移动性、可靠性等问题，另外IPv4地址空间不足和路由表的可扩展性问题都制约了网络的发展[1]，网络带宽和网络性能的发展无法跟上用户需求不断增长的脚步[2]。
当今互联网已经无法满足未来网络的发展需求，急需一种新的网络体系架构来解决传统网络的弊端。
在未来互联网研究项目中，最引人注目的是内容中心网络[3](content centric networking，CCN)，CCN以内容为中心并在路由节点内置缓存功能，实现了缓存功能的泛在化和透明化[4]。
内容分发网络中的缓存管理算法研究
内容分发网络中的缓存管理算法研究随着互联网的迅猛发展，内容分发网络（Content Delivery Network，CDN）作为解决网络拥塞和减少访问时延的一项重要技术应运而生。
CDN系统利用分布在全球各地的边缘节点，通过在离用户较近的服务器缓存内容，提供更快的响应速度和更高的可靠性。
然而，CDN中的缓存管理算法是决定性的因素。
CDN的基本构成部分包括客户端、源站和缓存节点。
为了提高用户体验，内容需要被缓存到尽可能靠近用户的缓存节点上，这就需要一种高效的缓存管理算法，以最大限度地利用CDN节点和带宽资源。
目前的CDN缓存算法主要分为两种：静态缓存和动态缓存。
静态缓存的思路很简单，即将热门内容直接缓存到CDN网络的所有节点上，但这种方法存在一定的局限性，因为缓存过多的内容会占用过量的存储空间，这可能会导致节点压力过大，甚至导致节点宕机。
相对于静态缓存，动态缓存更具灵活性，它可以根据访问量、带宽利用率等指标动态地进行内容分发。
动态缓存算法分为两种：基于代价的缓存和基于内容的缓存。
基于代价的缓存算法包括LRU（Least Recently Used）和LFU （Least Frequently Used）等，这些算法的基本思路都是选择代价最小的内容进行缓存，可以有效地节省存储资源。
但是，在访问模式快速变化的情况下，这些算法的性能会下降，因为用户访问的内容是不可预测的。
此时，基于内容的缓存算法就展现了出色的性能。
基于内容的缓存算法是一种利用内容相似度进行缓存管理的方法，它可以根据用户请求的内容，预测用户未来请求的内容，并在各个节点之间动态地分配缓存内容，从而提高整个CDN系统的性能。
常见的基于内容的缓存算法有WCA（Wavelet Content Addressable Network）和NDN（Named Data Networking）等，在实际应用中得到了广泛的应用。
WCA算法是一种基于小波分析的缓存算法，其基本思路是对于任意两个请求内容进行相似度计算，选择相似度最大的内容进行缓存，从而提高缓存利用率。