缓存与路由策略优化与网络内容分发方法、装置以及设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115988572A(43)申请公布日2023.04.18(21)申请号202211684267.8(22)申请日2022.12.27(71)申请人网络通信与安全紫金山实验室地址211111江苏省南京市江宁区江宁经济开发区秣周东路9号(72)发明人方超张添翼涂燕晖石鸿伟黄韬(74)专利代理机构北京品源专利代理有限公司11332专利代理师苏舒音(51)Int.Cl.H04W28/08(2023.01)H04W28/14(2009.01)H04W28/084(2023.01)H04W24/02(2009.01)权利要求书2页说明书17页附图6页(54)发明名称缓存与路由策略优化与网络内容分发方法、装置以及设备(57)摘要本发明公开了一种缓存与路由策略优化与网络内容分发方法、装置以及设备。该方法包括：构建网络内容流行度模型与网络结构模型；构建在网络流行度模型与网络结构模型下的最大化流量卸载模型，最大化流量卸载模型用于将网络资源分配任务转换为卸载网络内容请求流量任务；依据缓存策略与路由策略对各个网络内容请求在流量卸载模型下所卸载的流量进行求解；依据卸载流量求解结果对缓存策略与路由策略进行优化，以实现能基于缓存策略与路由策略进行最大化卸载内容请求的流量的网络内容分发。本方案在云端、边缘节点以及终端设备协同工作下能实现对用于网络内容分发的缓存与路由策略进行优化，减轻核心网络的流量负载压力，提高网络内容请求的服务质量。CN115988572ACN115988572A权利要求书1/2页1.一种缓存与路由策略优化方法，其特征在于，所述方法包括：构建网络内容流行度模型与网络结构模型，所述网络结构模型包括终端、基站以及云端，基站通过核心网络与云端连接，每个基站下挂载终端；构建在网络流行度模型与网络结构模型下的最大化流量卸载模型，所述最大流量卸载模型用于将网络资源分配任务转换为卸载网络内容请求流量任务；依据缓存策略与路由策略对各个网络内容请求在最大化流量卸载模型下所卸载的流量进行求解；依据卸载流量求解结果对所述缓存策略与路由策略进行优化。2.根据权利要求1所述的方法，其特征在于，所述构建网络内容流行度模型，包括：依据齐普夫定律构建网络内容流行度模型，所述网络内容流行度模型用于描述网络内容的请求概率。3.根据权利要求1所述的方法，其特征在于，构建网络结构模型，包括：以云边端分层异构网络为基础，构建分层异构的网络结构模型，所述网络结构模型中基站之间相互直连，相互直连的基站内缓存的网络内容能通过光纤高速互传，终端通过无线连接方式接入基站。4.根据权利要求1所述的方法，其特征在于，所述最大化流量卸载模型包括终端流量卸载模型与基站流量卸载模型；所述终端流量卸载模型用于输出在终端处卸载的网络内容请求流量；所述基站流量卸载模型用于输出在基站处卸载的网络内容请求流量。5.根据权利要求4所述的方法，其特征在于，所述终端流量卸载模型包括本地终端流量卸载模型以及非直连终端流量卸载模型；所述基站流量卸载模型包括本地基站流量卸载模型以及直连基站流量卸载模型。6.根据权利要求1所述的方法，其特征在于，所述路由策略用于描述网络内容请求的路由路径，所述路由路径按照本地终端、本地基站、非直连终端、直连基站、云端的顺序构建路由，所述本地终端为提出网络内容请求的终端，本地基站与所述本地终端直连，所述非直连终端与本地终端非直连但挂载于同一个本地基站下，所述直连基站与所述本地基站直连。7.根据权利要求1所述的方法，其特征在于，所述缓存策略通过以下至少一个策略结合生成：基于汇聚的无缓存策略、基于LRU的分布式在线缓存策略、基于LFU的分布式在线缓存策略、基于LRFU的在线协同缓存策略、基于内容流行度的离线协同缓存策略以及基于DQN的在线协同缓存策略。8.根据权利要求7所述的方法，其特征在于，所述基于DQN的在线协同缓存策略为通过将深度学习和强化学习相结合的深度强化学习的在线协同缓存策略，用于在任一时刻找到基于当前可用的网络状态空间的最优缓存和路由决策。9.根据权利要求1所述的方法，其特征在于，依据缓存策略与路由策略对各个网络内容请求在最大流量卸载模型下所卸载的流量进行求解，包括：将相同网络内容请求视为同一网络内容请求；依据缓存策略与路由策略对各个网络内容请求在最大流量卸载模型下所卸载的流量进行求解。10.一种网络内容分发方法，其特征在于，采用权利要求1‑9中任一所述的缓存与路由策略优化方法得到的缓存策略与路由策略，所述方法包括：2CN115988572A权利要求书2/2页加载优化完成的缓存策略与路由策略；采用优化完成的缓存策略与路由策略指示的缓存与路由结果，对网络内容进行分发。11.一种缓存与路由策略优化装置，其特征在于，所述装置