[发明专利]基于内容流行度预测的缓存方法、装置、设备和介质

权利要求书

1.一种基于内容流行度预测的缓存方法，其特征在于，所述方法包括：

每隔一个预设时间段，利用SDN网络预测内容流行度，通过SDN控制器将内容流行度发送给各个节点；其中，SDN网络具有SDN控制器和多个SDN交换机，每个SDN交换机是SDN网络中的一个节点；

在每个节点上构建并维护一个内容流行度表，每隔一个预设时间段更新一次；

当目标内容到达转发路径上的节点后，计算目标内容在该节点被缓存的概率；其中，所述概率由目标内容被预测的流行度和转发路径上的节点缓存容量确定；

以目标内容在该节点被缓存的概率决定是否在该节点缓存目标内容，若是，则判断该节点的缓存空间是否已满；

当该节点的缓存空间未满时，在该节点缓存目标内容；当该节点的缓存空间已满时，若目标内容的流行度高于内容流行度表的最低流行度，则在该节点缓存目标内容，并将目标内容替换掉内容流行度表中最低流行度对应的内容。

2.根据权利要求1所述的基于内容流行度预测的缓存方法，其特征在于，所述计算目标内容在该节点被缓存的概率，如下式：

其中，i表示目标内容，j表示该节点，p_ij表示目标内容在该节点被缓存的概率，P_level(i)表示目标内容i的流行度，P_leve(i)∈[1，2，3，...，c]，1表示最低流行度，c表示最高流行度；cp_j表示该节点j的缓存容量，cp_max表示SDN网络中所有节点缓存容量的最大值。

3.根据权利要求1任一项所述的基于内容流行度预测的缓存方法，其特征在于，所述内容流行度表记录了最流行的H个内容的流行度；其中，H＝2*CC，CC表示节点缓存的平均容量除以内容的平均大小。

4.根据权利要求1-3任一项所述的基于内容流行度预测的缓存方法，其特征在于，所述利用SDN网络预测内容流行度，具体包括：

利用SDN网络中各个节点计算资源以及链路构建可重构、分布式深度学习网络；

将SDN网络中的各个节点实时地采集内容被请求的时空联合分布的数据并作为深度学习网络的输入，在底层利用栈式自编码器对时空联合分布的数据进行特征学习，在顶层利用Softmax分类器对内容流行度进行预测。

5.根据权利要求4所述的基于内容流行度预测的缓存方法，其特征在于，所述栈式自编码器由若干个自编码器堆叠在一起形成，每个自编码器具有一个输入层、一个隐藏层和一个输出层。

6.一种基于内容流行度预测的缓存装置，其特征在于，所述装置包括：

预测模块，用于每隔一个预设时间段，利用SDN网络预测内容流行度，通过SDN控制器将内容流行度发送给各个节点；其中，SDN网络具有SDN控制器和多个SDN交换机，每个SDN交换机是SDN网络中的一个节点；

构建模块，用于在每个节点上构建并维护一个内容流行度表，每隔一个预设时间段更新一次；

计算模块，用于当目标内容到达转发路径上的节点后，计算目标内容在该节点被缓存的概率；其中，所述概率由目标内容被预测的流行度和转发路径上的节点缓存容量确定；

判断模块，用于以目标内容在该节点被缓存的概率决定是否在该节点缓存目标内容，若是，则判断该节点的缓存空间是否已满；

缓存模块，用于当该节点的缓存空间未满时，在该节点缓存目标内容；当该节点的缓存空间已满时，若目标内容的流行度高于内容流行度表的最低流行度，则在该节点缓存目标内容，并将目标内容替换掉内容流行度表中最低流行度对应的内容。

7.根据权利要求6所述的基于内容流行度预测的缓存装置，其特征在于，所述计算目标内容在该节点被缓存的概率，如下式：

其中，i表示目标内容，j表示该节点，p_ij表示目标内容在该节点被缓存的概率，P_level(i)表示目标内容i的流行度，P_leve(i)∈[1，2，3，...，c]，1表示最低流行度，c表示最高流行度；cp_j表示该节点j的缓存容量，cp_max表示SDN网络中所有节点缓存容量的最大值。