[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

说明书

本发明属于边缘计算领域，涉及一种基于边界成本效益模型的边云缓存协同方法、装置及系统；所述方法包括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；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；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缓存策略；边缘协调节点将每个微基站的公共存储空间联合形成缓存域，并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。本发明能够有效降低边缘云的负载，提升了工作效率。

技术领域

本发明属于边缘计算领域，进一步涉及云边协同领域，尤其涉及一种基于边界成本效益模型的边云缓存协同方法、装置及系统。

背景技术

在当前的互联网飞速发展的环境下，云服务上的数据量正在以爆炸式的速度增长。据IDC统计预测，到2022年将有超过500亿的设备联网，请求数据总量将大于180泽字(zettabyte，ZB)。这将直接导致仅靠云服务难以满足所有数据的处理与存储的需求，因为终端访问云上数据资源，势必会造成网络的堵塞，使得终端设备对数据资源下载的低时延要求难以满足。而边缘服务器通常具有一定的存储能力与计算能力并且更靠近终端设备，刚好可以弥补云服务器所面临的这种问题，因此越来越多的科学工作开始重视研究云边之间的协同工作模式。在边云协同研究中，缓存协同在提高边云网络的缓存命中率，降低缓存的迁移成本，减小下载时延有着重要的意义。

在过去的十年中，研究人员提出了各种协同缓存策略，其中平均下载延迟和缓存命中率是两个重要的性能指标。为了获取最大化缓存命中率，一种常用的设计是根据缓存内容的流行度进行排名，将其前K项内容缓存至边缘节点，以得到最优的缓存策略。然而，在实际场景中，终端设备对缓存资源的兴趣度可能随时间的变化而变化，这种变化可能导致满足t时刻的最优缓存策略无法满足t+1时刻的最优情况。其次，在降低平均下载时延方面，传统方式会将数据资源尽可能地缓存至靠近用户的边缘节点上，但边缘节点的有限存储空间使得节点可能缓存不了全部的数据资源。常用的解决办法是将这部分数据资源缓存至邻近边缘节点上。然而，这种处理方式使得资源在缓存放置阶段，管理整个边缘网络的边缘协调节点或云节点时刻“关注”区域节点的资源使用情况，这就加重了缓存任务的执行时间，增加了边云网络间的回程链路流量。因此，考虑缓存成本与边云网络间回程流量的缓存协同方法是在边云协同场景中实际应用的重要问题。

发明内容

为了解决上述存在的技术问题，针对终端设备对数据资源兴趣度的动态变化，协同缓存中出现的回程链路负载，低缓存任务执行时间以及低成本高缓存命中率等突出问题。本发明提供一种基于边界成本效益模型的边云缓存协同方法、装置及系统，通过统计t时间段内每个微基站上终端设备对每种文件的请求情况，预测t+1时刻的文件请求偏好度，执行基于终端兴趣感知的缓存策略，然后在此基础上联合还有剩余存储空间的微基站，构建缓存域，采用置信度传播算法，实现缓存协同。

在本发明的第一方面，本发明提供了一种基于边界成本效益模型的边云缓存协同方法，包括：

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；

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；

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；

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。