导读:本文包含了缓存替换论文开题报告文献综述、选题提纲参考文献，主要关键词:缓存,内容,策略,网络,算法,中心,命中率。
缓存替换论文文献综述写法
张建伟,王旭辉,蔡增玉,黄万伟,杜春锋[1]（2019）在《基于势能冷却的内容中心网络缓存替换算法》一文中研究指出针对目前内容中心网络CCN缓存替换策略所存在的效率低下等问题,引用物理学中"势能"的概念,并结合"自然冷却"这一自然现象,提出了一种基于势能冷却的替换算法PEC-Rep。根据被访问的次数以及时间间隔,准确判断出内容在未来一段时间内的使用价值,在进行内容替换时,将价值最小的内容删除,使得节点中的内容保持最大价值,满足用户的后续请求。仿真结果表明,PEC-Rep可以有效地提高域内缓存命中率,减轻服务器的负载,提高CCN的整体性能。(本文来源于《计算机工程与科学》期刊2019年09期）
曹作伟,陈晓,倪宏[2]（2019）在《面向网络流量的缓存替换算法比较与分析》一文中研究指出缓存替换算法对优化网络处理应用的性能起到关键作用,但目前面向网络流量的缓存替换算法研究主要集中在算法设计和领域应用方面,较少有文献对现有的缓存替换算法在网络环境下的性能进行分析比较。对此,本文针对主要的6种缓存替换算法进行分析和比较。通过分析网络流量的新近度与频度特征,为基于最近最少使用(Least Recently Used, LRU)和最近最不常使用(Least Frequently Used, LFU)的缓存替换算法给出实际依据。对仿真环境和实际系统的实验结果表明,类LRU算法较LFU算法更适用于网络流量,而缓存空间较大时,随机替换算法较LRU算法更适用于多核环境。(本文来源于《计算机与现代化》期刊2019年08期）
桂易琪,鞠爽爽,张智浩[3]（2019）在《P2P流媒体系统中基于关联规则的缓存替换策略》一文中研究指出随着互联网的日益发展,人们对流媒体的需求不断提高,对视频服务器提出了更高的要求。P2P视频点播系统中传统的缓存替换策略无法获得很好的用户体验。针对此问题,本文对传统的缓存算法FIFO进行改进,提出基于关联规则的FIFO替换算法(FIFO-AR)。为了进一步提升缓存替换算法的性能,提出一种新的基于关联规则的缓存替换算法(CRA-AR)。根据用户的播放记录和视频段的流行度,并结合关联规则,从而得到待缓存的视频段。实验结果表明,FIFO-AR和CRA-AR相比于传统的缓存替换算法,具有较高的命中率和较少的响应时间。(本文来源于《计算机与现代化》期刊2019年06期）
陈天宇,张龙信,李肯立,周立前[4]（2019）在《Spark框架中RDD缓存替换策略优化》一文中研究指出Spark作为分布式计算引擎,其基于内存的抽象概念弹性分布式数据集(RDD)产生了高效的数据处理能力.实际的生产环境中,任务在执行的过程中经常由于内存空间不足需要替换掉部分RDD. Spark默认的最近最少使用替换算法(LRU)仅考虑最近是否使用RDD分片而忽略其它因素.基于RDD权重值改进后的WR缓存替换策略侧重于RDD的权值替换,在此研究基础上,本文提出了缓存权重替换(CWS)策略,优化选择策略,并在替换阶段考虑了历史访问次数与计算成本.本文的实验使用斯坦福大学提供的公开网络分析项目进行测试,实验结果表明CWS策略在充足内存条件下处理较小数据的平均执行时间高于WR算法2. 4%,内存占用率相比降低36%.(本文来源于《小型微型计算机系统》期刊2019年06期）
戴敏[5]（2019）在《基于NB分类器重访概率预测的Web缓存替换策略》一文中研究指出Web缓存是用来解决网络访问延迟和网络拥塞问题,缓存替换策略直接影响缓存的命中率。为此,提出一种朴素贝叶斯(NB)分类器重访概率预测的Web缓存替换策略;根据用户之前访问日志,通过分区操作提取多项特征来表示每次访问的对象,并构建特征数据集;训练NB分类器,用来确定缓存中对象被再次访问的概率,为对象分配权重;结合LRU策略来合理删除一些对象。仿真结果表明,提出的策略在保证较高命中率的同时有效降低了执行时间。(本文来源于《计算机工程与应用》期刊2019年19期）
杨佳鑫,潘沛生[6]（2019）在《CCN中用于可伸缩视频流的缓存替换策略》一文中研究指出以内容为中心的网络(CCN)是一种创新的网络架构,跟传统网络架构不同的是,它强调将内容本身作为中心。为了提高内容的分发效率,采用了网内缓存,即路由器的每个节点都能临时存储数据,因此缓存策略的效率至关重要。而在这个互联网高速发展的时代,网络视频流的需求量正在呈爆炸式增长,由于路由节点空间有限,会造成节点内容的冗余,对于用户的请求还需进一步优化。针对上述问题,提出了一种基于视频标题及视频片段的流行度,结合可伸缩视频编解码技术,按比例分配缓存空间(PBCSA)的方案,专门用于CCN上视频内容的分发。在ndnSIM平台上的仿真结果表明,与常用的LFU,LRU,FIFO叁种缓存策略相比,该策略提高了缓存命中率,减少了获取内容所需的平均跳数,节省了完成视频接收所需的时间。(本文来源于《计算机技术与发展》期刊2019年04期）
丁平船[7]（2018）在《P2P流媒体点播系统中负载均衡与缓存替换的研究与实现》一文中研究指出随着互联网的飞速发展和宽带的升级,流媒体点播服务无论在视频网站还是在社交网络上越来越受大众的欢迎。传统的客户端/服务器(Client/Server,简称C/S)服务模式使得视频业务提供商和网络运营商需要花费巨资提升服务器带宽。内容分发网络服务虽然在一定程度降低了骨干网流量,但是它本质上仍属于C/S服务模式,其维护成本、拓展性也受到限制。具有高可扩展性的对等网络(Peer-to-Peer,简称P2P)可以充分利用每个节点的资源降低服务器负载,但是在实际应用中,P2P流媒体点播系统仍然存在着一些问题,如服务不稳定、视频利用率低、服务器负载高等。基于上述问题,本文围绕P2P流媒体点播系统中的负载均衡和缓存替换两个关键问题展开研究,具体研究工作如下:(1)基于混合式P2P网络模型以及P2P流媒体关键技术,设计了P2P流媒体点播系统的总体架构。(2)设计了基于请求队列的节点负载均衡策略。首先,通过请求的紧急性、请求的稀缺性以及平滑播放阈值,综合定义了请求的优先级。之后,当新请求加入到队列时,更新队列中请求的优先级,然后按照优先级由大到小排队,对排队后的请求估算处理时间,把不能及时处理的请求转移到其他的节点。最后,设计了节点利用函数,对转移的请求选择合适的目标节点进行处理,提出了基于请求队列的节点负载均衡策略。实验结果表明,本论文所设计的策略可以有效地解决P2P流媒体点播系统中的节点负载不均衡的问题。(3)设计了基于淘汰指数的缓存替换策略。本论文在分析研究现有缓存替换策略的基础上,结合现有研究中对P2P流媒体系统日志的统计分析,将淘汰指数作为调节系统缓存的准则。为了防止过度调整,结合反馈机制,进一步提出了基于反馈机制的淘汰指数。之后,为了选出缓存价值最低的数据块,对视频数据块进行缓存的价值定义,最终设计出基于淘汰指数的缓存替换策略。实验结果表明,基于淘汰指数的缓存替换可以高效地减轻热门视频的冗余副本,所增加的冷门视频副本也可以有效降低服务器压力,从而提高了节点缓存的利用率。(4)设计并实现了一个P2P流媒体点播系统,将本论文所提出的负载均衡策略及缓存替换策略在该系统中进行了工程实现。具体而言,本论文给出了该系统的技术架构,并且通过分层结构、静态类图和数据结构对系统网元的设计过程进行了详细描述。(本文来源于《南京邮电大学》期刊2018-11-14）
黄丹,宋荣方[8]（2018）在《基于内容价值的缓存替换策略》一文中研究指出缓存替换机制是内容中心网络的重要研究问题之一,考虑到缓存空间的有限性,合理地对缓存内容进行置换,成为影响网络整体性能的关键因素。因此,设计了一种基于内容价值的缓存替换方案。该方案综合考虑了内容的动态流行度、缓存代价以及最近被请求的时间,构建了更实际的内容价值函数,并依据该内容价值函数,设计了有效的内容存储与置换方案。具体地,当缓存空间不足时,对已有缓存内容按照价值从小到大进行置换。仿真结果表明,相比于传统替换算法LRU、LFU和FIFO,本文提出的方案有效地提升了网络节点的内容缓存命中率,降低了用户获取内容的平均跳数。(本文来源于《电信科学》期刊2018年11期）
刘恒,谭良[9]（2018）在《并行计算框架Spark中一种新的RDD分区权重缓存替换算法》一文中研究指出并行计算框架Spark的缓存替换机制是提高其计算性能和效率的重要手段.目前,针对Spark采用的缓存替换算法LRU会使高重用但最近未使用的Block容易被换出缓存的缺点,提出了基于权重的缓存替换算法,但已有的基于权重的缓存替换算法存在权重值计算不准确,考虑因素不全面,度量方法不够细致,影响了缓存的命中率和作业执行的效率.提出一种新的RDD分区的权重缓存替换算法——WCSRP.为了使RDD分区权重值的计算更加准确,WCSRP不仅综合考虑RDD的计算代价、使用次数、分区的大小和生命周期四大因素对权重的影响,而且还增加考虑了Task执行时Locality Level这个因素,并对以上五个因素进行了量化计算.实验结果表明WCSRP算法让RDD分区权重值的计算更准确,提高了内存资源利用率和作业执行效率.(本文来源于《小型微型计算机系统》期刊2018年10期）
Hunsoro,Teshale,Abebe（特沙乐）[10]（2018）在《命名数据网络中缓存替换策略有效性分析》一文中研究指出随着面向应用的内容的出现和发展,要求Internet的主要功能能够实现大规模高效的数据分发。然而当前互联网主机通信模式限制了数据分发的效率。因此,未来网络或下一代网络领域的一些研究人员提出了各种新的革命性的以信息为中心的网络架构,其中最具代表性的包括命名数据网络(NDN)。NDN具有接收者或请求者驱动主机到网络通信模式,并实现基于Pull的分组级数据分发。但是,对于实时流媒体数据应用(如实时视频和网络直播),它会使需要该内容的用户连续发送兴趣包,并且必须正确发送这些包以确保实时。随着数据包生成速率的增加,用户控制这些兴趣包的发送时间将变得更加困难,并且还会导致巨大的运行开销和路由器资源的浪费。新的NDN架构的成功需要广泛的社区参与和承诺。NDN已经获得了势头,有学术界和工业界的参与。增量部署的意图要求证明NDN可以解决TCP/IP解决方案存在问题或不存在的现实世界问题。NDN团队还维护NDN协议堆栈,模拟器和测试平台的开源实现,以促进测试和更广泛的社区参与。NDN可以运行任何可以转发数据报(以太网,Wi-Fi,蓝牙,蜂窝,IP,TCP等)的东西,任何可以在NDN上运行的东西,包括IP。NDN可以简单地运行它,而不是试图替换或更改已部署的IP基础架构。NDN还可以利用互联网经过数十年发展的经过充分测试的工程解决方案,如约定,策略和命名和路由管理实践。数据包具有唯一的名称,并根据数据包名称查找结果进行路由。在NDN网络中有两种类型的分组,兴趣分组和数据分组。如果用户想要一些内容,用户将发送兴趣包来表达请求。数据包已用于回复具有适当内容的兴趣包。NDN路由器能够缓存一定数量的转发数据包。当到达路由器的传入兴趣包并且路由器具有请求的内容时;它可以立即将内容发送回客户端,而不是将请求一直转发到服务器。此功能可能会节省网络中的大量带宽。NDN体系结构应支持全球唯一,人类可读,安全且与位置无关的名称。因此,主要的问题是开发一种能够满足所有这些要求的命名机制。目前现有的命名方法,如平面,层次和属性值支持一些要求。平面名称提供了唯一性,并且不会产生找到最长前缀匹配的开销。平面名称自我认证,易于使用高度可扩展的结构进行处理,如DHT。但是,平面名称不支持名称聚合。因此,使用平面名称会增加路由表大小并降低网络可伸缩性。但是,没有具体的研究是否可以提供所需的性能。分层名称是人性化的,并支持名称聚合。因此,它将路由表大小和更新时间降至最低,并使网络具有可扩展性。但是,由于名称聚合,分层名称不完全支持持久性。与在NDN中一样,内容名称(CN)显式显示内容属性。命名数据的优点是没有地址的网络,利用多个接口。安全的数据包可以缓存到任何地方,并支持ad hoc移动和DTN网络。在网络空间中,所有东西都可以视为有名的安全袋。内容缓存在命名数据网络(NDN)中发挥了至关重要的作用。缓存节点的内容存储(CS)中的内容与IP路由器中的缓冲存储器类似;但是,IP路由器在转发后不能重用数据包。命名数据链路状态路由(NLSR)是NDN的路由协议。由于NDN使用名称来标识和检索数据,因此NLSR将名称前缀而不是IP前缀的可达性传播。NLSR使用兴趣/数据包传播路由更新,直接受益于NDN的数据有效性。传统网络也受益于以信息为中心的网络技术,即内容交付网络,旨在高效快速地分发内容。在NDN缓存有以下几个好处。缓存其他节点产生的内容有助于将内容与其制作者分离。此外,它还减少了制作方的开销,并通过在网络中提供相同内容的多个副本从而避免单点故障。在由于数据包丢失而导致多播或重传的情况下,有助于实现动态内容的提供。在NDN中,根据底层缓存策略将内容从其内容存储库(CS)中取代。NDN网络中的每个路由器都可以缓存单个数据包。每个节点都附带一个内容存储库,该存储库具有一个附加策略,用于确定如何替换内容存储库中的项常见策略包括LRU(最近最少使用),FIFO(先入先出)和随机(RND)。在目前的NDN研究中,LRU是最常采用的缓存策略,因为观察到大约一半的数据包级别的缓存益处发生在前10秒。缓存替换策略ndnSIM的开发使用NFD的CS实现,因此可以创建新的缓存替换策略。用户需要扩展NFD的策略类来实现当新数据包被插入到CS中时调用的新的回调,从CS中删除现有的数据包,并且在查找匹配后将要返回数据包。在NDN中,缓存替换策略用于为新的最受欢迎的内容创造机会,并从缓存中移除不太受欢迎的内容。在路由器的处理能力和高速缓存替换策略的复杂性之间有一个折衷。由于路由器的处理限制,这些策略必须较为复杂。缓存策略如LRU,FIFO和RND的有效性2估旨在提高基于不同参数的缓存性能。现有研究致力于设计缓存分配机制,而没有研究缓存替换机制的有效性。在高度动态的网络中,内容优先级在应用程序性能中起着重要作用。与低优先级内容相比,高优先级内容将在网络中更多地可用。低优先级内容也会遭受高访问延迟。最大的问题是如何确定内容的优先级。两个主要的优先级决定因素可以是内容需求和节点间生成/交换的公共信息。针对缓存替换提出的网内内容优先化策略,并指出了命名数据以实现信息最大化的特定网络中缓存内容传递的好处。每个项目都存储在标记为热点或冷点的缓存中。每遇到相遇,在冷内容之前首先交换标记为热的内容。为了找到缓存数据中的热点内容,作者制定了背包问题,其中背包中的项目必须在所有用户查询答复中最大化效用。这些效用最大化的项目被标记为热门。本文旨在通过仿真评估叁种缓存替换机制,即LRU,FIFO和RND在NDN缓存命中率方面的有效性。仿真是由一个开源的离散事件网络模拟器NS3软件包ndnSIM完成的。ndnSIM特定应用程序为各种网络级评估生成基本兴趣/数据包流,包括转发策略的行为,缓存策略等提供了一种便捷的方法。这些应用程序是基于NS3的应用程序抽象实现的,包括多个内置跟踪功能,包括检索数据的时间。ndnSIM中的数据包流包含多个元素,包括NS3的数据包,设备和通道抽象,ndnSIM内核以及借助ndn-cxx库进行集成NFD处理。在这项研究工作中,模拟网络包括12个路由器和80个节点。每个路由器随机与其他路由器连接,每个节点随机连接一台路由器。此外,所有路由器和节点都包含FIB,PIT和CS组件。在CS中使用的高速缓存大小可以是64Kbits,128Kbits和1024Kbits。发送速率设置为每秒16,64和128个数据包,由请求者发送。模拟分别在实验持续时间50,100和150秒完成。仿真在各种系统参数下进行,包括缓存大小,兴趣包发送速率和实验持续时间。仿真结果表明,LRU和FIFO适用于NDN缓存,并且在相同的兴趣分组发送速率和相同的实验持续时间下,两者的缓存命中率都是匹配的。在某些特殊情况下,RND比LRU和FIFO具有更好的缓存命中率。无论更换策略是LRU,FIFO还是RND,在相同的实验持续时间内,当兴趣数据包发送速率增加时,缓存命中率都会降低。无论替换策略是LRU,FIFO还是RND,在相同的实验持续时间内缓存大小都会增加,缓存命中率会增加。当兴趣数据包发送速率是10kbps时,RND具有比LRU和FIFO更好的高速缓存命中率。当缓存大小为1024时,兴趣报文发送速率为128,实验时长为100,LRU中的缓存命中率为7.53%,FIFO为7.95%,RND为3.94%。当实验持续时间增加时,LRU,FIFO和RND中的高速缓存命中率下降。在高速缓存大小为1024并且兴趣包发送速率为128的情况下,随着实验持续时间从50增加到150,LRU中的高速缓存命中率下降了 7.63%,FIFO从13.76%下降到了 5.72%,并且RND下降了 6.12%。在实验期间兴趣包发送速率从16增加到128时,RND的比率减少18.47%。当实验持续时间从50增加到150时,在兴趣包发送下,RND中的缓存命中率从16.69%降低到7.2%费率是128。NDN高速缓存的整体有效性使得区分缓存策略的每个对象基于缓存命中率的值。随着兴趣数据包发送速率的增加,LRU,FIFO和RND中的高速缓存命中率下降。但是,在高速缓存命中率中,RND减少的多于LRU和FIFO。例如,在实验持续时间为50的情况下,当兴趣包发送速率从16增加到128时,RND中的缓存命中率从82.4%下降到8.1%,但LRU和FIFO仅从82.4%下降到13.3%。此外,当缓存大小为1024时,LRU和FIFO在缓存命中率方面的性能优于RND,并且在实验持续时间为50到150时,兴趣包发送速率为64到128.作为结论,当兴趣包发送时缓存命中率降低无论替换策略是LRU,FIFO还是RND,在相同的实验持续时间内都会提高速率。未来的工作将在更多系统参数和复杂情况下比较它们的性能。另外,还有很多复杂的内容替换策略存在。这些策略的性能评估是未来的一个方向。此外,制定更有效的内容替换策略是下一步可能的工作。NDN没有任何传输层,IP传输层的主要职责已经转移到NDN转发平面。为不同的环境和网络设计有效和高效的转发策略仍面临着开放的挑战。(本文来源于《北京交通大学》期刊2018-05-22）
缓存替换论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
缓存替换算法对优化网络处理应用的性能起到关键作用,但目前面向网络流量的缓存替换算法研究主要集中在算法设计和领域应用方面,较少有文献对现有的缓存替换算法在网络环境下的性能进行分析比较。对此,本文针对主要的6种缓存替换算法进行分析和比较。通过分析网络流量的新近度与频度特征,为基于最近最少使用(Least Recently Used, LRU)和最近最不常使用(Least Frequently Used, LFU)的缓存替换算法给出实际依据。对仿真环境和实际系统的实验结果表明,类LRU算法较LFU算法更适用于网络流量,而缓存空间较大时,随机替换算法较LRU算法更适用于多核环境。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
缓存替换论文参考文献
[1].张建伟,王旭辉,蔡增玉,黄万伟,杜春锋.基于势能冷却的内容中心网络缓存替换算法[J].计算机工程与科学.2019
[2].曹作伟,陈晓,倪宏.面向网络流量的缓存替换算法比较与分析[J].计算机与现代化.2019
[3].桂易琪,鞠爽爽,张智浩.P2P流媒体系统中基于关联规则的缓存替换策略[J].计算机与现代化.2019
[4].陈天宇,张龙信,李肯立,周立前.Spark框架中RDD缓存替换策略优化[J].小型微型计算机系统.2019
[5].戴敏.基于NB分类器重访概率预测的Web缓存替换策略[J].计算机工程与应用.2019
[6].杨佳鑫,潘沛生.CCN中用于可伸缩视频流的缓存替换策略[J].计算机技术与发展.2019
[7].丁平船.P2P流媒体点播系统中负载均衡与缓存替换的研究与实现[D].南京邮电大学.2018
[8].黄丹,宋荣方.基于内容价值的缓存替换策略[J].电信科学.2018
[9].刘恒,谭良.并行计算框架Spark中一种新的RDD分区权重缓存替换算法[J].小型微型计算机系统.2018
[10].Hunsoro,Teshale,Abebe（特沙乐）.命名数据网络中缓存替换策略有效性分析[D].北京交通大学.2018