基于多小区用户移动性的流媒体缓存分配装置及其工作方法制造方法及图纸

本发明专利技术属于移动边缘计算领域，提供一种基于多小区用户移动性的动态规划算法的流媒体缓存分配装置及其工作方法，该装置能够收集边缘服务器的上下文感知信息，包括小区内用户的移动轨迹、终端的请求模式、当前网络负载和服务器资源的分配状态；该方法考虑时空局部性原理对用户的多小区重叠的切换概率进行抽象分析，建立流行度缓存模型和移动感知的预取模型；在满足存储、带宽和计算资源的约束前提下，建立最大化缓存效益的优化目标；通过动态规划为服务器做出最优的缓存放置和替换决策，从流行度统计，移动性感知和成本管理三个角度出发提高整体缓存效益。本发明专利技术能够有效降低终端的平均访问延迟和资源的拥塞成本，提升边缘计算系统的缓存性能。

Streaming Media Cache Allocation Device Based on Multi-cell User Mobility and Its Working Method

【技术实现步骤摘要】
基于多小区用户移动性的流媒体缓存分配装置及其工作方法
本专利技术属于移动边缘计算领域，涉及一种多小区重叠环境中移动感知的视频缓存放置与替换策略，具体涉及一种基于多小区用户移动性的动态规划算法的流媒体缓存分配装置及其工作方法。
技术介绍
随着通信技术和互联网技术的发展，平板电脑和智能手机等移动设备得到了迅速普及，用户通过智能终端访问移动互联网资源已趋于常态。根据2018年思科视觉网络指数预测，全球IP流量预测从2017年到2022年将增加接近三倍，并且到2022年，全球每月的移动数据流量将增长至396艾字节(EB)。此外，随着智能手机和平板电脑上视频播放数量的增长，来自这些设备的流量占互联网总流量的百分比在逐年提升。到2022年，智能手机将占全球互联网总流量的50％，远高于2017年的23％。而这些移动终端产生的数据中超过40％会在边缘环境中进行处理和存储。这种爆发式的数据流量增长对移动终端的并发访问延迟、服务的稳定性和移动网络的负载带来了巨大的挑战。然而，移动核心网的演进相比与移动设备的增长趋势极其缓慢。此外，如移动短视频、增强现实等延迟敏感类应用，通过基站访问核心网的这种传统的移动通信模式难以满足大量用户实时访问的需求。这就对移动互联网中的存储、计算和带宽资源提出了更高的要求。为了满足用户体验质量所需的低延迟、高稳定的要求，并降低移动互联网的负载。欧洲电信标准化协会(EuropeanTelecommunicationsStandardsInstitute，ETSI)在2014年提出基于5G演进架构的移动边缘计算。这是一项把互联网业务场景和移动基站深度融合的技术，移动边缘计算的基本思想是赋予边缘服务器相应的云计算能力。其基础架构由基站、移动边缘服务器、核心网和远程云组成。移动边缘计算与云计算最大的区别在于它提供了一种新颖的计算环境，在终端设备的边缘为用户提供信息服务。边缘服务器具有对用户的临近性、服务处理的低延迟性、回程链路的低负载性和对用户端的移动感知性等特点，这为提高用户体验提供了新的思路。在移动边缘环境中，智能终端对视频业务的访问占据了数据流量的绝大部分。因此，在MEC的所有业务中，为基站边缘移动设备提供流媒体服务是具有巨大前景的典型应用场景。通过靠近用户端的MEC服务器，能够对智能终端的移动性和请求数据进行实时采集和分析，并感知网络带宽，存储和计算资源对用户的访问进行动态优化。视频的请求分布符合zipf定律，且服务器小区内用户间所请求的内容存在较高的耦合度，即大多数移动终端的请求在短时间内将集中于流行度较高视频片段。所以流媒体的请求分布具有良好的可预测性。因此将流媒体数据缓存至网络边缘的观念应时而生，并且被认为是解决视频服务稳定性的关键技术之一，边缘服务器能缓存这些流媒体服务及其相关的数据来减少对核心网的访问，从而提升用户体验。然而现有的流媒体缓存技术在现实应用中存在着巨大的局限性，传统流媒体服务的缓存策略主要考虑视频的流行度进行缓存状态的更新，按照视频的热度来分配存储和带宽资源。然而视频流行度只是移动用户偏好的主要表现形式之一，移动端用户在小区内的频繁移动和切换会导致服务请求不稳定甚至中断。这类基于流行度的缓存设计，并不适用于多小区相互重叠且终端用户在小区间有随机的移动性的边缘环境。因此，如何通过MEC服务器感知的用户行为特征设计出既能考虑用户移动性，又能权衡预取和缓存数据的方法有待进一步研究。
技术实现思路
本专利技术的目的就是为了克服上述现有技术中的不足之处，提供一种基于多小区用户移动性的流媒体缓存分配装置及其工作方法，其有效解决了移动环境中多用户并发请求流媒体视频的存储资源竞争问题，降低了请求延迟和网络负载，提升了边缘计算系统的缓存性能。本专利技术解决其技术问题所采用的技术方案如下。一种基于多小区用户移动性的流媒体缓存分配装置，该装置包括环境监测模块和缓存决策模块；所述环境监测模块包括资源监测子模块和上下文信息监测子模块；所述资源监测子模块用于负责收集边缘服务器在每个时间片内的计算、存储和带宽资源的动态使用；所述上下文信息监测子模块负责收集智能终端的移动信息和请求的行为偏好信息；所述缓存决策模块包括候选队列预取模块和缓存状态调整模块；所述候选队列预取模块负责对用户请求的视频片段进行效益值计算，根据视频效益值和预取阈值进行入队决策，所述缓存状态调整模块负责对缓存系统进行建模，并根据所建模型、资源监测子模块和上下文信息收集子模块，采用基于动态规划算法的缓存放置与替换方法为MEC服务器做出缓存决策，确定边缘环境中每个处于缓存候选队列的视频片段的缓存状态。本专利技术还提供了一种上述的基于多小区用户移动性的流媒体缓存分配装置的工作方法，包括以下步骤：(1)在每个时间片初始化时，通过缓存分配装置收集边缘服务器的资源状态信息和智能终端的动态行为信息。(2)从视频的依赖关系和时间局部性原理出发构建流行度模型、确定多小区移动性粒度划分并构建预取优先度模型。(3)根据预取和缓存的适应度建立收益模型、拥塞成本模型和效益函数模型。(4)在效益函数模型的基础上构建缓存候选队列。(5)根据建立的缓存系统模型(即流行度模型、预取优先度模型、收益模型、拥塞成本模型和效益函数模型)与MEC服务器收集的上下文信息，采用基于多小区用户移动性的流媒体缓存分配方法对缓存的放置和替换做出动态决策，得到最优的分配结果。(6)将边缘缓存的最新存储状态信息反馈到移动边缘计算系统和调度器。进一步的，步骤(1)中所述的动态行为信息包括智能终端的移动轨迹和发出流媒体请求的偏好。进一步的，步骤(2)中所述的流行度模型：单个流媒体视频片段的流行度计算方式如下：其中，流行度由过去流行度和将来流行度两部分加权组成，其中α和β分别是历史访问中过去流行度和将来流行度在流行度模型中所占的权重。进一步的，步骤(2)中所述的多小区移动性粒度划分：通过对每个Overlap区域和服务器独占区间进行细粒度划分归类为Cell区块，从而统一用户移动过程中切换区域的表示。进一步的，步骤(2)中所述的预取优先度模型：单个流媒体视频片段的流行度计算方式如下：其中，t(τ)表示从时间片0到τ内用户在当前Cell区块观测区域的总时间，tu,in(τ)是用户u从时间片0到τ内停留在目标Cell区块所花费的总时间。w(τ)是用户u在目标Cell区块与用户在当前Cell区块时间消耗的比率。进一步的，步骤(3)中所述的收益模型，对于视频片段的总收益计算如下：其中，是预取和缓存的适应度函数，tprofit为预取或者缓存策略的总时延收益。为用户的访问频率，是MEC服务器中该视频的更新频率，视频访问频率与更新频率的比率越高，意味着该视频片段在缓存中存储的时间越长且被访问的频率越高。步骤(3)中所述的拥塞成本模型，对于视频片段的单位比特率的拥塞成本计算如下：其中，req(τ)是当前目标MEC服务器小区范围内收到的所有请求缓存的视频片段大小之和。Cache是缓存容量大小，为视频片段的大小，是上一时间片的拥塞成本，通过适应度函数ω(τ)在每个时间片初始化时对拥塞成本进行更新。步骤(3)中所述的效益函数模型，对于视频片段的单位比特率的效益值计算如下：Lp+Lc＝1其中μP(τ)和μc(τ)分别是视频从初始本文档来自技高网...

【技术保护点】
1.基于多小区用户移动性的流媒体缓存分配装置，其特征在于：该装置包括环境监测模块和缓存决策模块；所述环境监测模块包括资源监测子模块和上下文信息监测子模块；所述资源监测子模块用于负责收集边缘服务器在每个时间片内的计算、存储和带宽资源的动态使用；所述上下文信息监测子模块负责收集智能终端的移动信息和请求的行为偏好信息；所述缓存决策模块包括候选队列预取模块和缓存状态调整模块；所述候选队列预取模块负责对用户请求的视频片段进行效益值计算，根据视频效益值和预取阈值进行入队决策，所述缓存状态调整模块负责对缓存系统进行建模，并根据所建模型、资源监测子模块和上下文信息收集子模块，采用基于动态规划算法的缓存放置与替换方法为MEC服务器做出缓存决策，确定边缘环境中每个处于缓存候选队列的视频片段的缓存状态。

【技术特征摘要】
1.基于多小区用户移动性的流媒体缓存分配装置，其特征在于：该装置包括环境监测模块和缓存决策模块；所述环境监测模块包括资源监测子模块和上下文信息监测子模块；所述资源监测子模块用于负责收集边缘服务器在每个时间片内的计算、存储和带宽资源的动态使用；所述上下文信息监测子模块负责收集智能终端的移动信息和请求的行为偏好信息；所述缓存决策模块包括候选队列预取模块和缓存状态调整模块；所述候选队列预取模块负责对用户请求的视频片段进行效益值计算，根据视频效益值和预取阈值进行入队决策，所述缓存状态调整模块负责对缓存系统进行建模，并根据所建模型、资源监测子模块和上下文信息收集子模块，采用基于动态规划算法的缓存放置与替换方法为MEC服务器做出缓存决策，确定边缘环境中每个处于缓存候选队列的视频片段的缓存状态。2.一种如权利要求1所述的基于多小区用户移动性的流媒体缓存分配置的工作方法，其特征在于该方法包括以下步骤：(1)在每个时间片初始化时，通过缓存分配装置收集边缘服务器的资源状态信息和智能终端的动态行为信息；(2)从视频的依赖关系和时间局部性原理出发构建流行度模型、确定多小区移动性粒度划分并构建预取优先度模型；(3)根据预取和缓存的适应度建立收益模型、拥塞成本模型和效益函数模型；(4)在效益函数模型的基础上构建缓存候选队列；(5)根据建立的缓存系统模型和MEC服务器收集的上下文信息，采用基于多小区用户移动性的流媒体缓存分配方法对缓存的放置和替换做出动态决策，得到最优的分配结果；上述缓存系统模型包括流行度模型、预取优先度模型、收益模型、拥塞成本模型和效益函数模型；(6)将边缘缓存的最新存储状态信息反馈到移动边缘计算系统和调度器。3.根据权利要求2所述的基于多小区用户移动性的流媒体缓存分配置的工作方法，其特征在于：步骤(1)中所述的动态行为信息包括智能终端的移动轨迹和发出流媒体请求的偏好。4.根据权利要求2所述的基于多小区用户移动性的流媒体缓存分配置的工作方法，其特征在于：步骤(2)中所述的流行度模型，单个流媒体视频片段的流行度计算方式如下：其中，流行度由过去流行度和将来流行度两部分加权组成，其中α和β分别是历史访问中过去流行度和将来流行度在流行度模型中所占的权重。5.根据权利要求2所述的基于多小区用户移动性的流媒体缓存分配置的工作方法，其特征在于：步骤(2)中所述的多小区移动性粒度划分，通过对每个Overlap区域和服务器独占区间进行细粒度划分归类为Cell区块，从而统一用户移动过程中切换区域的表示。6.根据权利要求2所述的基于多小区用户移动性的流媒体缓存分配置的工作方法，其特征在于：步骤(2)中所述的预取优先度模型，单个流媒体视频片段的流行度计算方式如下：其中，t(τ)表示从时间片0到τ内用户在当前Cell区块观测...

【专利技术属性】
技术研发人员：刘伟，江义晟，杜薇，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北,42