[发明专利]一种面向移动设备基于预测的缓存优化方法

说明书

技术领域

本发明涉及一种面向移动设备基于预测的缓存优化方法，属于移动数据处理技术领域。

背景技术

Cache是计算机科学中的经典技术之一，已经在多个领域证明了其成功性。在分布式系统中，客户可以把经常访问的数据缓存在本地上，后续对这些数据的访问就可以直接从本地响应，而不需要向服务器发出数据请求。Cache技术是提高数据访问性能的有效途径之一。目前使用较多的经典cache替换更新方法主要有如下几种：1）先进先出算法FIFO（first in first out）；2）最近很少使用算法LRU（least recently used）；3）最低频率使用算法LFU（least frequency used）；4）LRUMIN（least recently used minimum）；5）随机算法RAND（random）。这些方法在一定程度上有效，却存在很多不足，不能较好地适用于移动P2P网络以及移动用户cache资源的使用。

美国University of Maryland的Shaul Dar提出了在C/S数据库系统下的客户端的语义缓存和替代模型。语义缓存方法就是在用户的移动设备的缓存中保留先前的一些查询结果和相应的语义描述，部分或全部应答查询请求。语义区域以多元组的形式存放缓存替代时的有用语义描述信息。在缓存替换更新时，根据移动数据的空间位置性和临时位置性，考虑了语义位置的特性，与传统的LRU和MRU相比，它的替换价值用语义区域的重力中心和最近查询区域的重力中心的曼哈顿距离表示，具有较好的特性。但是，它针对的只是一般空间数据。

根据移动计算的特点，美国Southern Methodist University的Qun Ren，提出了一种使用语义缓存机制管理位置独立数据的方法－FAR算法。对于位置独立数据而言，语义缓存中直接包含了位置独立数据的语义描述，和传统的页面缓存特性相比，更适合处理位置独立数据的查询。因为需要处理的是位置独立数据，所以移动设备的移动行为犹为重要。FAR算法将缓存的语义段分成In-direction和Out-direction两部分，根据移动设备的移动状态预测未来位置M_fl＝M_l+M_v·Δt，如果当前语义段和预测的未来位置之间的欧氏距离小于它和当前位置的欧氏距离，就将它放入In-direction中，优先替换Out-direction中的语义段。FAR算法虽然引入了预测的概念，但是，移动设备是不停运动的，运动方向也会经常发生改变，FAR算法在预测移动设备未来位置时，只考虑当前时刻的瞬时速度，没有考虑方向的变化，所以，这种预测方法的效率不高。

为了开发移动P2P的高带宽特性，新加坡国立大学Zhiyong Huang提出了混合移动系统结构下的缓存管理方法。针对位置独立数据查询的特点，结合用户的运动特性，定义了一个新的预测缓存价值的概率模型，用移动设备的位置和网格单元的中心之间的曼哈顿距离在[t_c,t_c+Δt]时间间隔内的积分表示。积分值越大，表示该缓存数据在未来被访问到的概率越低，被选择替换更新的概率越大。但是，这种积分的预测方法只给出了粗略比较网格单元的价值大小的方法，且计算较为复杂，并未使用移动设备的运动速度和方向等移动性信息来实现更精确地预测。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提出一种面向移动设备基于预测的缓存优化方法，采用如下技术方案：

一种面向移动设备基于预测的缓存优化方法，其特征是：当移动设备需要对当前的缓存进行替代更新时，首先，根据移动设备当前的运动状态预测将来可能的位置，即利用移动设备周期性记录的速度和方向计算出未来一段时间间隔内的预测平均速度，再结合记录的位置信息计算出预测的未来位置。然后，基于概率函数表示的感知用户移动性的缓存价值模型，计算网格单元数据项可能被访问的概率，按照网格单元数据项可能被访问的概率从高到低排序，最后，选择概率最低的K个网格单元数据项优先替换，直到有足够的缓存空间存放新的网格单元数据项；包括如下步骤：