科研之友
微信
新浪微博
Facebook
分享链接
摘要
互联网巨大的流量增长促使信息由中心网络ICN架构的提出，以更好的满足用户的需求。ICN网络中无处不在的缓存是保障用户体验的关键技术。然而多数研究者关注的是ICN缓存放置问题，缓存替换策略仍然沿用Web网页缓存时代的经典算法，这些算法在ICN网络场景中和随机缓存替换策略的性能几乎没有区别。受到集成学习对于性能增强的启发，本文提出一种融合缓存替换模型的方法。缓存替换算法通过保留合适的内容，在减少延时方面发挥重要作用。因此，需要长时间获取的内容优先保存在缓存中。本文中，我们引入延时敏感和内容最近访问频率的2种替换模型进行筛选值得长时间驻留在缓存空间的内容，并通过线性组合的方式将其融合成一个模型。实验表明，我们的融合策略相比经典的替换策略，具有更高的缓存命中率，并且明显降低了用户使用延时。
- 单位
