[发明专利]基于边界成本效益模型的边云缓存协同方法、装置及系统

权利要求书

1.一种基于边界成本效益模型的边云缓存协同方法，其特征在于，包括以下步骤：

S1：构建出局部微基站缓存协同网络模型，包括边缘云服务器、边缘协调节点、微基站以及终端设备组；每个微基站的存储空间划分为私有存储空间与公共存储空间；根据信号的强弱程度，每个终端设备选择使用一个微基站服务，同一个微基站下的终端设备属于同一个终端设备组；

S2：根据文件被请求次数，构建出文件偏好度预测模型；根据文件编码段的带宽成本、时延成本以及存储成本，构建出文件缓存协同成本模型；

所述文件偏好度预测模型包括根据终端设备组对文件的请求概率以及邻近微基站对文件的请求概率，计算出文件在当前时刻缓存域内的平均偏好度以及文件在当前时刻每个微基站上的平均偏好度，并根据所述文件在当前时刻缓存域内的平均偏好度以及当前时刻每个微基站上的平均偏好度，利用多元回归模型，分别预测出在下一时刻缓存域内对该文件的请求概率偏好度以及下一时刻每个微基站上对该文件的请求概率偏好度；

所述文件缓存协同成本模型包括分别构建出文件编码段放置的带宽成本、时延成本以及存储成本，采用min-max标准化处理，并加权相加得到编码段缓存协同成本函数；根据所述编码段缓存协同成本函数，构建出全局成本编码段缓存成本目标函数，并基于微基站的公共存储空间约束、文件的编码段约束以及协同缓存约束，得到文件缓存协同成本模型表示为：

其中，表示编码段n在微基站ms_e上的放置情况，表示编码段n未放置在微基站ms_e上，表示编码段n放置在微基站ms_e上；U表示缓存域内的终端设备组个数；N表示一个文件中编码段个数；表示编码段缓存协同成本函数，代表终端设备组u访问编码段n的带宽成本；代表终端设备组u访问编码段n的时延成本；代表编码段n放置在微基站ms_e的存储成本；α、β、γ为权重系数，α+β+γ＝1；公式C1表示每个微基站的公共存储空间约束，Num_e为微基站ms_e可缓存编码段个数，MS表示微基站的集合；公式C2表示每个文件由N个编码段组成，m_n表示第n个编码段，f表示由N个编码段构成的文件，F表示文件库列表；

终端设备组u访问编码段n的带宽成本，也即是边缘云服务器将文件f的编码段放置到ms_e上的带宽成本具体表述为：

其中，θ表示每个编码段的长度；BandCost为每一跳所消耗的带宽成本；表示终端设备组ts到ms_e的跳数；Dis_ts,cloud表示ts到cloud的最小跳数；E表示微基站个数；

终端设备组u访问编码段n的时延成本，也即是文件f的编码段放置到ms_e的资源下载时延成本具体表述为：

其中，Dis_ts,cloud表示ts到cloud的最小跳数；表示编码段是否缓存至缓存域当中；表示微基站间的数据传输速率；TR_cloud表示云服务器到微基站的数据传输速率；

编码段n放置在微基站ms_e的存储成本，也即是文件f的编码段放置到ms_e上微基站的存储成本具体表述为：

其中，为ms_e的标准化缓存容量比：

CapR_e代表当前已缓存的编码段个数；则表示ms_e的标准化平均内存速度：

其中，MAT_e表示内存访问时间；a₁和a₂为常数；

S3：边缘协调节点根据文件偏好度预测模型，预测出每个微基站上的私有缓存文件请求概率偏好度，并在每个微基站的私有存储空间内执行私有缓存策略；边缘协调节点根据文件偏好度预测模型计算得到每个微基站上的所有文件的请求概率偏好度，并作为该微基站的私有文件请求偏好度；边缘协调节点对所述私有文件请求偏好度以请求概率偏好度大小进行排序，并根据齐普夫定律，选取私有文件请求偏好度排名靠前的文件作为该微基站的私有缓存列表；每个微基站根据自己的私有缓存列表将文件从边缘云服务器缓存至自己的私有存储空间中，所述私有存储空间不得超过微基站缓存容量的2/3；将每个微基站剩余的缓存空间作为公共缓存空间；

S4：边缘协调节点将每个微基站的剩余存储空间作为公共存储空间，并联合形成缓存域，根据文件缓存协同成本模型和文件偏好度预测模型，采用置信度传播算法在所述缓存域中进行缓存协同；

边缘协调节点根据文件偏好度预测模型，计算得到整个缓存域内的文件的请求概率偏好度，并形成文件请求偏好度列表；根据缓存域内的文件请求偏好度列表，初始化一个任务队列用于保存缓存任务，将需要缓存协同的每个文件保存至缓存队列中；缓存队列中的缓存任务依次出队，并检查当前文件是否已在任何微基站中缓存；若已缓存，丢弃当前任务并继续下一缓存任务；否则根据文件缓存协同成本模型计算每个文件的协同缓存成本，并采用置信度传播算法，获得文件的编码段放置情况，将文件的编码段从边缘云服务器缓存至最合适的微基站中，直至缓存域中公共存储空间不足或协同缓存任务列表执行完毕；

在所述缓存域中根据文件缓存协同成本模型，采用置信度传播算法进行缓存协同包括将全局成本编码段缓存成本目标函数拆分为U×N个缓存方案，构建以U×N+E个函数节点与E×N个变量节点的因子图模型，并将全局成本编码段缓存成本目标函数转换为编码段放置边际概率极大函数；根据所述因子图模型，确定出编码段在微基站上的放置情况所对应的变量节点，以及编码段放置在微基站上的缓存成本质量和公共缓存空间约束所对应的函数节点，并确定变量节点与函数节点之间的信息传播约束条件，通过置信度传播算法，对更新后的目标模型求解，迭代计算得到变量节点到函数节点的信息传播以及函数节点到变量节点的信息传播，从而计算出当前节点的置信度更新情况即缓存更新情况，并得到变量节点的估计值；循环迭代所述置信度传播算法，直到满足最大迭代次数t或者置信度收敛，即表示获得了文件缓存协同成本模型的最优解；

基于变量节点和函数节点，让表示t次迭代后变量节点μ_i到函数节点Func_j的信息传播，让表示t次迭代后函数节点Func_j到变量节点μ_i的信息传播；并基于变量节点向函数节点传播的约束情况，所述编码段放置边际概率极大函数表示为：

C3:

C4:

其中，表示编码段放置边际概率，Var表示设备组u与文件编码段n的所有可能组合，为编码段n放置在微基站ms_e上缓存成本的质量函数，为编码段n放置在微基站ms_e上的公共缓存空间约束，表示微基站ms_e上可以缓存的下编码段n，表示微基站ms_e没有剩余空间可以缓存编码段n；公式C3和公式C4为变量节点向函数节点传播的约束情况；公式C3表示置信度算法中编码段上次迭代存储位置的成本与当前位置的成本效益差，表示t-1次迭代时编码段n在微基站ms_e′上的放置情况，表示t次迭代时编码段n在微基站ms_e上的放置情况，ms_e′≠ms_e；Func_j表示函数节点；公式C4表示置信度算法中变量节点的公共存储空间的约束情况，代表t-1次迭代时，所有的消息按照降序排序中的第Num_e条消息，∈表示与变量节点μ_i相连的函数节点集合。