1.一种多接入边缘计算下基于本地视频效用值的视频缓存管理方法,其特征在于,包括全网流行度获取模块和视频缓存处理模块;
所述的全网流行度获取模块,该模块周期性执行,执行时MEC服务器向云中心服务器获取本地视频全网流行度并存储在全网流行度列表popList中,同时从全网流行度前20%取一个随机值为top_r2;
所述的视频缓存处理模块在MEC服务器缺失视频时启动执行:当MEC服务器剩余缓存空间足以存储待缓存视频时,直接存储;当MEC服务器剩余空间不足以存储待缓存视频时,执行如下步骤:(1)基于历史访问频率构建本地视频热度模型用于计算本地流行度变化值,结合全网流行度计算本地视频热度;
(2)计算视频效用值,为评估视频热度和视频大小的重要程度,引入信息熵理论对两者的权重进行定量分析,再结合本地视频热度以及视频大小构建视频效用函数,并计算MEC服务器本地视频的效用值;
(3)对本地视频效用值进行降序排序,将效用值最低的视频依次删除,直到剩余缓存空间能存储待缓存视频;
(4)判断待缓存视频是否为新发布视频,如果该待缓存视频是全网新发布视频,那么将其全网流行度设置为top_r2;否则,从中心服务器获取其全网流行度。
2.根据权利要求1所述的一种多接入边缘计算下基于本地视频效用值的视频缓存管理方法,其特征在于:所述的构建本地视频热度模型,包括模型评估系数,热度上升模型,频率相关的热度衰减模型和频率无关的热度衰减模型。
3.根据权利要求2所述的一种多接入边缘计算下基于本地视频效用值的视频缓存管理方法,其特征在于:所述的模型评估系数:用于在计算本地视频热度之前确定该视频所满足的热度模型;为评估本地视频所满足的热度模型,结合各周期的访问频率差值引入一个模型评估系数,评估系数evali表达式如下:上述公式(1)中, 表示相邻周期间的访问频率差值对视频i热度的影响值,n表示总周期数,其中, 表达式如下:上述公式(2)中, 表示视频i在周期Tt的访问频率, 表示视频i在周期Tt‑1的访问频率;ρ表示平衡系数,用于平衡分子过大对分母中指数函数的影响。
4.根据权利要求2所述一种多接入边缘计算下基于本地视频效用值的视频缓存管理方法,其特征在于:所述热度上升模型的公式化如下:上述公式(3)中, 表示视频i上升的热度, 表示在周期Tt中访问频率对视频i的热度的影响值,其 的表达式如下:上述公式(4)中, 表示在周期Tt时视频i的访问频率。
5.根据权利要求2所述的一种多接入边缘计算下基于本地视频效用值的视频缓存管理方法,其特征在于:所述的频率相关的衰减模型公式化如下:上述公式(5)中, 表示视频i的衰减热度,n表示总周期数, 表示在周期Tt中访问频率对视频i的热度的影响值,公式(6)中的符号表达同公式(4)。
6.根据权利要求2所述的一种多接入边缘计算下基于本地视频效用值的视频缓存管理方法,其特征在于:所述的频率无关的衰减模型公式化如下:上述公式(8)中, 表示视频i衰减的热度,low_Pi表示视频i最低流行度,Pi表示视频i全网流行度,k表示衰减相关因子,ΔT表示周期间隔。
7.根据权利要求1所述的一种多接入边缘计算下基于本地视频效用值的视频缓存管理方法,其特征在于:所述步骤(1)中本地视频热度由一个分段函数来计算,该分段函数包含三种热度模型,本地视频热度local_Pi表达式如下:上述公式(9)中,当evali<τ或者evali=0时,τ根据各周期访问频率低的视频评估而来,表示视频i满足频率无关衰减模型;当τ≤evali<0时,表示视频i满足频率相关的衰减模型;当evali>0时,表示视频i满足热度上升模型。
8.根据权利要求1所述的一种多接入边缘计算下基于本地视频效用值的视频缓存管理方法,其特征在于:所述步骤(2)中视频效用函数是结合本地视频热度和视频大小,并且为评估视频热度和视频大小的重要程度,引入信息熵理论对两者的权重进行定量分析,其效用函数表达式如下:上述公式(10)中, 表示MEC服务器m中本地视频i的效用,local_Pi表示视频i本地热度,Sizei表示视频i大小, 分别表示本地视频热度和视频大小的权重,且Maximum表示一个足够大的值, 表示视频i的状态,表示视频i正在被请求且无法被替换, 表示视频i可以被替换,Cm表示服务器m的缓存空间;约束条件(10a)保证了缓存视频大小不会超过服务器的缓存空间;约束条件(10b)表示视频i是否由MEC服务器m缓存。
9.根据权利要求1所述的一种多接入边缘计算下基于本地视频效用值的视频缓存管理方法,其特征在于:所述的引入信息熵理论对权重进行定量化,是将本地视频热度和视频大小看作缓存中两个信息,由于0<local_Pi<1,本地视频热度不需要进行归一化,而视频大小变化较大,需进行归一化处理,Size′i表示视频i的归一化大小,其计算公式如下:上述公式(11)中,Sizei表示视频i的大小,Sizemin表示本地视频大小的最小值,Sizemax表示本地视频大小的最大值;
根据信息熵理论,信息熵公式如下:
上述公式(12)中,I表示视频的总数,Pi,j表示视频i信息j的信息概率,j∈{1,2},j=1表示视频本地热度信息,j=2表示归一化的视频大小信息,E1表示本地视频热度的信息熵,E2表示归一化的视频大小信息熵;Pi,j的计算公式如下:上述公式(13)中,gi,1表示视频i的本地视频热度local_Pi(gi,1=local_Pi),gi,2表示视频i的归一化大小(gi,2=Size′i);
根据信息熵的定义可知,信息熵越大,意味着发生概率越小;与信息熵描述不同的是,缓存中信息的熵值越大,该信息在缓存中的影响力应该是更大的;因此,视频热度和视频大小的权重 计算公式如下:上述公式(14)中, 表示本地视频热度的权重, 表示视频大小的权重。