文件缓存方法、装置、边缘节点以及计算机可读存储介质制造方法及图纸

本申请适用于物联网技术领域，尤其涉及一种文件缓存方法、装置、边缘节点以及计算机可读存储介质。该方法通过边缘节点连接服务器和N个物联网设备，从服务器中获取全局模型，从物联网设备中获取文件请求历史记录，将文件请求历史记录输入全局模型后得到文件推荐列表，以此文件推荐列表从服务器中获取并缓存目标文件，使得边缘节点可以预先缓存与物联网设备的关联性较高的文件，从而可以提高物联网设备从边缘节点请求文件时命中边缘节点中缓存的文件的概率，有助于解决数据传输的网络延迟问题。

【技术实现步骤摘要】
文件缓存方法、装置、边缘节点以及计算机可读存储介质
本申请属于物联网
，尤其涉及一种文件缓存方法、装置、边缘节点以及计算机可读存储介质。
技术介绍
对于物联网设备而言，以远程云服务器为中心的计算平台将导致数据传输的高延迟，从而无法满足实时应用程序的需求。边缘计算作为一种新的计算平台，被认为能够解决数据传输的网络延迟问题，在边缘计算中，文件缓存可以将物联网设备请求的文件存储在边缘节点中，从而减少物联网设备通过网络向远程云服务器发送请求的次数，以缓解回程链路拥塞。然而由于边缘节点的存储空间有限，能够缓存的文件较少，导致边缘节点中缓存文件被物联网设备请求并命中的概率较低，影响边缘计算的使用效果。
技术实现思路
本申请实施例提供了一种文件缓存方法、装置、边缘节点以及计算机可读存储介质，可以解决现有技术的边缘节点中缓存文件被物联网设备请求并命中的概率较低的问题。第一方面，本申请实施例提供了一种文件缓存方法，所述文件缓存方法应用于边缘节点，所述边缘节点连接服务器和N个物联网设备，N为大于零的整数，所述文件缓存方法包括：获取所述服务器的全局模型；获取所述N个物联网设备的文件请求历史记录；将所述文件请求历史记录输入至所述全局模型，获取所述全局模型输出的文件推荐列表；根据所述文件推荐列表，从所述服务器中获取目标文件，并缓存所述目标文件。第二方面，本申请实施例提供了一种文件缓存装置，所述文件缓存装置应用于边缘节点，所述边缘节点连接服务器和N个物联网设备，N为大于零的整数，所述文件缓存装置包括：模型获取模块，用于获取所述服务器的全局模型；历史记录获取模块，用于获取所述N个物联网设备的文件请求历史记录；列表获取模块，用于将所述文件请求历史记录输入至所述全局模型，获取所述全局模型输出的文件推荐列表；缓存模块，用于根据所述文件推荐列表，从所述服务器中获取目标文件，并缓存所述目标文件。第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的文件缓存方法。第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的文件缓存方法。第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得所述终端设备执行如上述第一方面所述的文件缓存方法。本申请实施例与现有技术相比存在的有益效果是：本申请通过边缘节点连接服务器和N个物联网设备，从服务器中获取全局模型，从物联网设备中获取文件请求历史记录，将文件请求历史记录输入全局模型后得到文件推荐列表，以此文件推荐列表从服务器中获取并缓存目标文件，使得边缘节点可以预先缓存与物联网设备的关联性较高的文件，从而可以提高物联网设备从边缘节点请求文件时命中边缘节点中缓存的文件的概率，有助于解决数据传输的网络延迟问题。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例一提供的文件缓存方法的流程示意图；图2是本申请实施例二提供的文件缓存方法的流程示意图；图3是本申请实施例三提供的梯度压缩的聚类示意图；图4是本申请实施例三提供的文件缓存装置的结构示意图；图5是本申请实施例四提供的终端设备的结构示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。本申请实施例提供的一种文件缓存方法可以应用于桌上型计算机、笔记本电脑、超级移动个人计算机(ultra-mobilepersonalcomputer，UMPC)等终端设备上，本申请实施例对终端设备的具体类型不作任何限制。应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。为了说明本申请的技术方案，下面通过具体实施例来进行说明。参见图1，是本申请实施例一提供的一种文件缓存方法的流程示意图，该文件缓存方法应用于边缘节点，该边缘节点连接服务器和N个物联网设备，N为大于零的整数，如图1所示，该文件缓存方法可以包括以下步骤：步骤S101，获取服务器的全局模型。其中，边缘节点可以是指类似于边缘服务器的具有计算能力的节点，边缘节点与服务器连接，以获取服务器中的文件、全局模型等数据，而服务器可以是指远程云服务器，该服务器连接多个边缘节点，以获取边缘节点的数据并用于更新服务器中全局模型。全局模型为训练好的自动编码器网络模型，通过训练包含单个隐层神经网络层的机器学习模型来重构输入数据，从而使得训练好的自动编码器网络模型可以很好地获取数据的特征向量。自动编码器网络模型的编码器，用于将输入的数据映本文档来自技高网...

【技术保护点】
1.一种文件缓存方法，其特征在于，所述文件缓存方法应用于边缘节点，所述边缘节点连接服务器和N个物联网设备，N为大于零的整数，所述文件缓存方法包括：/n获取所述服务器的全局模型；/n获取所述N个物联网设备的文件请求历史记录；/n将所述文件请求历史记录输入至所述全局模型，获取所述全局模型输出的文件推荐列表；/n根据所述文件推荐列表，从所述服务器中获取目标文件，并缓存所述目标文件。/n

【技术特征摘要】
1.一种文件缓存方法，其特征在于，所述文件缓存方法应用于边缘节点，所述边缘节点连接服务器和N个物联网设备，N为大于零的整数，所述文件缓存方法包括：
获取所述服务器的全局模型；
获取所述N个物联网设备的文件请求历史记录；
将所述文件请求历史记录输入至所述全局模型，获取所述全局模型输出的文件推荐列表；
根据所述文件推荐列表，从所述服务器中获取目标文件，并缓存所述目标文件。


2.根据权利要求1所述的文件缓存方法，其特征在于，在所述获取所述N个物联网设备的文件请求历史记录之后，还包括：
获取所述边缘节点本地的用户请求历史数据，所述用户请求历史数据包括所述边缘节点从其他设备获取的文件请求历史记录，所述其他设备是指除所述边缘节点之外的设备；
根据所述用户请求历史数据训练所述全局模型，获取所述全局模型的梯度；
将所述全局模型的梯度发送至所述服务器，其中，所述全局模型的梯度用于更新所述服务器中的所述全局模型。


3.根据权利要求2所述的文件缓存方法，其特征在于，所述将所述全局模型的梯度发送至所述服务器包括：
将所述全局模型的梯度发送至区块链，所述全局模型的梯度用于指示所述区块链通过智能合约验证所述全局模型的梯度，并在存在验证通过的梯度时，将所述验证通过的梯度发送至所述服务器。


4.根据权利要求2所述的文件缓存方法，其特征在于，在所述获取全局模型的梯度之后，还包括：
对所述全局模型的梯度进行压缩处理，获取压缩后的全局模型的梯度；
相应地，所述将所述全局模型的梯度发送至所述服务器包括：
将所述压缩后的全局模型的梯度发送至所述服务器。


5.根据权利要求4所述的文件缓存方法，其特征在于，所述对所述全局模型的梯度进行压缩处理，获取压缩后的全局模型的梯度包括：
利用K-Means聚类算法将所述全局模型的梯度中绝对值满足预设条件的梯度进行第一次聚类，获取每一个一次类的质心值；
对所述全局模型的梯度中绝对值不满足预设条件的梯度求平均，得到第一梯度平均值；
将所述每一个一次类的质心值替代所属类的梯度，将所述第一梯度平均值替代所述绝对值不满足预设条件的梯度，得到压缩后的全局模型的梯度。


6.根据权利要求5所述的文件缓存方法，其特征在于，在所述利用K-Means聚类算法将所述全局模型的梯度中绝对值满足预设条件的梯度进行第一次聚类，获取每一个一次类的质心值之后，还包括：...

【专利技术属性】
技术研发人员：崔来中，苏晓鑫，陈子腾，明中行，杨术，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东;44