10.3969/j.issn.1000-1220.2020.07.017
信息中心网络的内容流行度评估算法
信息中心网络(Information-Centric Networking,ICN)的缓存替换策略具有重要的研究价值,几种常见且具有代表性的缓存替换策略可归结为最近最少使用、基于自适应模糊推理以及基于内容流行度预测.然而ICN要想完全实际应用且兼容当前的IP网络,必然要重点解决盛行的互联网视频流业务,这就导致前两种缓存替换策略效果不佳.为此,立足于热点内容缓存,着重研究基于内容流行度的缓存替换策略.针对内容流行度,提出一种新型的评估算法,包括启发于酒精挥发模型的流行度衰减建模、启发于吸热模型的流行度上升建模和流行度周期建模.在真实YouTube数据集的驱动下进行仿真实验,结果表明提出的算法在缓存命中率、路由时延以及网络能效等三个方面优于对比算法.
信息中心网络、缓存替换策略、视频流分发、内容流行度、YouTube数据集
41
TP301(计算技术、计算机技术)
国家自然科学基金项目61872073,61572123
2020-07-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
1446-1450