[发明专利]一种5G前传网络混合边缘缓存低时延方法

摘要

本发明公开了一种5G前传网络混合边缘缓存低时延方法，先构建核心服务器、小区基站以及用户之间的5G前传网络边缘缓存网络场景，再从移动用户对网络内容发出的请求中提取所请求的网络内容名称以及相应的请求次数，维护成信息矩阵并聚类处理，然后计算每个类簇中每个网络内容的缓存价值，并以此制定基站与每个移动用户在存储网络内容时的混合缓存策略，以及建立EMD‑ARIMA预测模型和缓存替换策略，最后移动用户获取需要的网络内容，这样减少用户之间的缓存冗余、提高网络资源利用率、降低5G前传网络的服务时延以及缓解网络的链路压力。

主权项

1.一种5G前传网络混合边缘缓存低时延方法，其特征在于，包括以下步骤：(1)、构建核心服务器、小区基站以及用户之间的5G前传网络边缘缓存网络场景；小区基站通过5G前传网络从核心服务器中获取网络内容，再以无线通信方式为整个小区范围内的所有移动用户提供服务，每位移动用户再在辐射范围内为其他用户提供服务；(2)、移动用户对网络内容发出出的请求，提取出该移动用户所请求的网络内容名称以及相应的请求次数；再将内容名称以及相应的请求次数组成信息矩阵，并保存在小区基站的数据库中；其中，信息矩阵的每一行代表一个移动用户对各网络内容的请求次数，每一列代表一项网络内容名称；(3)、对信息矩阵中的数据进行预处理将信息矩阵按行从1到N进行编号，再将信息矩阵的每一列进行最大最小归一化处理；其中，x表示移动用户对某个网络内容的请求次数，x_min表示该列中最小的请求次数，x_max表示该列中最大的请求次数；(4)、利用密度峰值聚类算法对预处理之后的数据进行聚类(4.1)、计算移动用户之间的距离设每个移动用户均对M个网络内容进行请求，利用欧式距离公式计算任意两个移动用户u_s和u_t之间的距离dist(u_s,u_t)；其中，s,t∈[1,N]，且s≠t，表示移动用户u_s对第m个网络内容的请求次数；(4.2)、计算移动用户u_s的局部密度ρ_s；ρ_s＝∑χ(dist(u_s,u_t)‑dist_cuto_ff)其中，dist_cuto_ff表示截断距离，函数χ(x)满足：(4.3)、计算移动用户u_s与局部密度更高的用户u_t之间的距离δ_s；当移动用户u_s的局部密度为最大值时，则移动用户u_s与其余移动用户u_t之间的距离δ_s为：(4.4)、聚类对于所有的移动用户，以局部密度ρ_s为横轴、距离δ_s为纵轴，在平面坐标中画出决策图；再将位于决策图右上角的点选为簇类中心，将剩余的每个点归属到距离它最近的簇类中心所属类簇中，从而将所有的点聚类为L类，L＝{l₁,l₂,…,l_τ,…,l_L}，l_τ为第τ类中的移动用户数量；(5)、计算每个类簇中每个网络内容的缓存价值类簇τ中第p个网络内容的缓存价值为：其中，f_k,p为信息矩阵中的元素值，即表示用户u_k对网络内容p的请求次数；待每个类簇中每个网络内容的缓存价值计算完成后，将所有的缓存价值维护成大小为L*M的矩阵Score；(6)、制定基站与每个移动用户在存储网络内容时的混合缓存策略(6.1)、制定基站缓存策略将矩阵Score中的每一个元素进行降序排列，再将前B个元素所对应的网络内容存储到基站的缓存空间中，如果某个元素所对应的网络内容出现重复，则按顺序存储下一个网络内容；(6.2)、制定移动用户缓存策略每个移动用户在存储空间中缓存各自请求次数最高的b个网络内容；(7)、建立EMD‑ARIMA预测模型(7.1)、利用EMD分解算法将步骤(3)中所得的各类簇中移动用户请求数据x′分解为多个本征模态分量imf_i(t)，i表示第i个本征模态分量；(7.2)、对每个imf_i(t)分别构造ARIMA预测模型；计算每个imf_i(t)的自相关系数和偏自相关系数其中，γ为本征模态分量imf_i(t)的长度，α_t为imf_i(t)的样本值，为imf_i(t)的期望值；其中，以延迟时期数为横坐标，自相关系数为纵坐标绘制自相关图；以延迟时期数为横坐标，偏自相关系数为纵坐标绘制偏自相关图；再利用自相关图检验移动用户对网络内容请求数据的平稳性，如果数据不平稳，则对数据进行差分处理，直到数据平稳，累计差分处理的次数记为d，并作为ARIMA预测模型的参数；根据时间序列自相关图和偏自相关图的截尾性和拖尾性来选择合适的ARIMA预测模型，并根据BIC准则确定ARIMA预测模型阶数；其中，n表示各imf_i(t)分量中样本数据的个数，c为常数，y为未知参数个数，ε为白噪声序列，为ε的方差；根据ARIMA预测模型的参数和阶数构造ARIMA预测模型，再利用构造的ARIMA预测模型对imf_i(t)分量进行预测，并将其预测值记为imf_i(t)'；(7.3)、将所有本征模态分量imf_i(t)的预测值imf_i(t)'相加作为各类簇中移动用户请求数据的预测值；(8)、制定缓存替换策略(8.1)、利用EMD‑ARIMA预测模型预测的各类簇中移动用户对网络内容的请求次数，再计算各类簇中各请求内容的缓存价值Score'_τ(p)，并按降序排列；(8.2)、判断是否存在未被缓存的网络内容，如果存在未被缓存的网络内容m'，并且其缓存价值Score'_τ(p)高于某个存储在基站或移动用户缓存空间中的网络内容m的Score_τ(p)，那么则在非业务高峰期提前将网络内容m替换为m'；(9)、移动用户获取网络内容(9.1)、移动用户对某个网络内容发出请求，移动用户设备终端首先会在自身的缓存空间中查找是否提前存储了该网络内容，如果存储有该网络内容，则记为自身缓存，并直接从自身缓存空间中提取此内容，所用时间忽略不计；否则，用户设备终端向服务范围内的其他用户广播对网络内容的请求，进入步骤(9.2)；(9.2)、其他移动用户收到请求后，分别从自身缓存空间中查找是否存储有此内容，如果存储有该内容，则记为邻域缓存，并向请求用户转发该网络内容，同时记录所用时间t₁；否则向请求用户回复未缓存，并进入步骤(9.3)；(9.3)、移动用户向小区基站发送请求，小区基站收到请求后，查找基站缓存中是否存储有被请求网络内容，如果有，则记为基站缓存，并向请求用户提交该内容，同时记录所用时间t₂；否则，基站通过5G前传链路从核心服务器中下载该内容，然后提交给请求用户，同时记录所用时间t₃。