近年来,由于智能终端和多媒体应用的快速发展,用户大量的内容请求导致移动数据流量激增,给核心网与回程链路带来了巨大的流量负载。边缘缓存技术的出现有效地缓解了这一问题,通过将存储功能下沉至网络边缘,可显著降低内容获取时延,提升用户体验质量(Quality of Experience,QoE)。然而现有的边缘缓存策略性能仍有限,如何根据用户兴趣偏好、内容流行度以及用户移动性等信息设计高效的协作缓存策略来协同缓存资源和提升缓存性能,并为用户提供高质量的内容服务是边缘缓存技术的核心问题之一。本文从用户流动性的角度对网络场景进行了区分,开展了面向边缘网络的协作式缓存策略的相关研究,主要工作内容如下:1.针对区域中用户流动性较弱的网络场景,提出了边缘网络中差异化需求融合的协作缓存策略。首先,设计了一种分层协作缓存架构,各层中分别考虑用户个体需求、群体需求及缓存冗余性。然后,提出一种偏好感知与区域流行度估计方法,基于深度学习与协同过滤算法设计模型,准确感知用户个体需求,并将区域流行度构建为本地偏好流行度与本地内容流行度,以平衡用户需求的差异,确定待缓存的内容。最后,设计了需求融合的边缘缓存方法,以进行缓存放置与内容交付。仿真结果显示,所提缓存策略比两种基线策略的缓存命中率平均提升10.9%、14.4%,降低成本百分比平均提高11.2%、15.6%,可有效提高缓存命中率,降低系统交付成本。2.针对区域中用户流动性较强的网络场景,提出边缘网络中缓存价值动态感知的协作缓存策略。首先,设计了移动性感知的协作缓存架构,区别于传统单一缓存模式,用户层根据用户兴趣度进行内容缓存,宏基站(Macro Base Station,MBS)和小基站(Small Base Station,SBS)层则考虑全局信息进行协作式缓存放置。然后,结合用户移动轨迹、用户请求意愿以及驻留时间,提出内容缓存价值动态感知方法,进行缓存内容选择。最后,设计了基于深度强化学习的缓存决策算法,用于协作缓存放置决策。仿真结果表明,所提缓存策略相比于三种基线策略,缓存命中率分别平均提升6.5%、11.3%与16.6%,能够有效卸载核心网流量,提升缓存命中率。
暂无评论