[发明专利]一种移动边缘计算网络中基于聚类的自适应缓存方法

权利要求书

1.一种移动边缘计算网络中基于聚类的自适应缓存方法，其特征在于，包括以下步骤：

1)基站连接MEC服务器，当用户通过移动网络访问互联网内容时，则将用户请求发送至MEC服务器上；

2)当用户请求的内容在MEC服务器上时，则利用MEC服务器上的内容服务用户，当用户请求的内容不在MEC服务器上时，则通过核心网获取用户请求的内容；

3)获取用户请求内容的历史访问记录日志，根据用户请求内容的历史访问信息生成特征向量；

4)将步骤3)生成的特征向量映射到特征空间中，得该用户请求内容的预测流行度；

5)根据用户请求内容的预测流行度判断是否需要将该用户请求内容缓存至MEC服务器上，当需要将该用户请求内容缓存至MEC服务器上，则判断用户请求内容是否符合缓存条件，当用户请求内容符合缓存条件时，则将该用户请求内容缓存至MEC服务器上有序信息表Q中；

6)MEC服务器通过在线学习优化特征空间；

7)当下一个用户请求到达MEC服务器时，重复步骤2)至步骤6)，完成直至完成所有用户请求为止，其中，当每隔完成U个用户请求后，则对所有已缓存用户请求内容进行流行度的预测，并更新有序信息表Q，完成移动边缘计算网络中基于聚类的自适应缓存。

2.根据权利要求1所述的移动边缘计算网络中基于聚类的自适应缓存方法，其特征在于，将用户的第k次访问请求整合成一组有序信息表Req(k)＝<C(k),S(k),V(k),X(k),I(k),T(k),P(k)>，其中，C(k)为用户请求的内容，S(k)为用户请求的内容大小，V(k)为特征向量，X(k)∈{0,1}表示该用户请求内容是否命中，其中，1表示命中，0表示未命中，I(k)∈{0,1}表示在该用户请求中MEC服务器是否缓存该内容，T(k)为用户请求发生的时间戳，P(k)为该用户请求对应内容的流行度。

3.根据权利要求2所述的移动边缘计算网络中基于聚类的自适应缓存方法，其特征在于，步骤2)的具体操作为：

用户请求Req(k)到达MEC服务器时，当MEC服务器中已经缓存有用户请求内容C(k)时，则令I(k)＝0，X(k)＝1；当MEC服务器中没有缓存用户请求内容C(k)时，则令X(k)＝0。

4.根据权利要求3所述的移动边缘计算网络中基于聚类的自适应缓存方法，其特征在于，步骤3)具体包括以下步骤：

3a)当第一次通过该基站获取用户请求内容C(k)时，则将初始化用户请求内容C(k)的历史访问记录置空，当基站获取用户请求内容后，则在用户请求内容C(k)的历史访问记录中记录当前访问的时间戳T(k)；

3b)获取该用户请求内容的所有时间戳数据，并将所有时间戳按时间顺序以T_P为间隔进行统计及记录，得前D组数据，并根据前D组数据构建1×D的特征向量V(k)＝(V₁,V₂,L,V_D)，其中，V_D为[T(k)-D·T_P,T(k)-(D-1)·T_P]区间内时间戳的数量。

5.根据权利要求4所述的移动边缘计算网络中基于聚类的自适应缓存方法，其特征在于，初始化特征空间，初始化后特征空间中不存在特征向量，此时特征空间为1级超立方体Ω_1，1，1，随着用户请求的增多，特征空间中的特征向量逐渐增多，根据所有特征向量的分布情况，特征空间会分裂为多个不重复的超立方体，其中，每一特征向量最终属于ID为(i,j)的n级超立方体Ω_i,j,n，超立方体Ω_i,j,n中存在变量E_n(Ω_i,j,n)及P_M(Ω_i,j,n)，其中，E_n(Ω_i,j,n)为超立方体Ω_i,j,n中特征向量的个数，P_M(Ω_i,j,n)为超立方体Ω_i,j,n中特征向量的流行度总和，超立方体Ω_i,j,n的流行度为