用于高速緩存的方法
【專利摘要】高速緩存算法估計(jì)流行度(未來請(qǐng)求率或重復(fù)使用次數(shù))并且使得高速緩存策略以流行度(未來請(qǐng)求率或重復(fù)使用次數(shù))為基礎(chǔ)。因此，基于其作出決策的流行度(未來請(qǐng)求率或重復(fù)使用次數(shù))并不局限于本地的測(cè)量，而是所有存儲(chǔ)器件的所有流行度的組合，其中每一個(gè)的權(quán)重由不同存儲(chǔ)器件所服務(wù)的用戶之間的社交關(guān)系所確定。
【專利說明】
用于高速緩存的方法
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及一種用于由存放于路由器中的專用存儲(chǔ)或接近于路由器的存儲(chǔ)設(shè)備對(duì)選擇的多媒體對(duì)象進(jìn)行存儲(chǔ)的方法。這樣的存儲(chǔ)被稱作高速緩存(caching)。本發(fā)明進(jìn)一步涉及一種存放于路由器中的專用存儲(chǔ)或者接近于路由器的存儲(chǔ)設(shè)備，其用于對(duì)選擇的多媒體對(duì)象進(jìn)行高速緩存。這樣的專用存儲(chǔ)或存儲(chǔ)設(shè)備一般被稱之為高速緩存器(cache)，該高速緩沖器被提供用于為用戶群組進(jìn)行服務(wù)。
【背景技術(shù)】
[0002]用于CDN(內(nèi)容分布網(wǎng)絡(luò))、反向代理或透明高速緩存器等的高速緩存算法已經(jīng)有所研究并且獲得了相當(dāng)廣泛的理解。用于個(gè)體高速緩存器的高速緩存算法的許多變化形式是已知的(例如，LRU(最近最少使用)、LFU(最不頻繁使用)、Be Iady最小值算法…)。這樣的高速緩存器單純地使其高速緩存以其從為之服務(wù)的用戶所看到的請(qǐng)求為基礎(chǔ)?；旧?，其首先對(duì)每個(gè)事項(xiàng)(其并非過于陳舊)將被請(qǐng)求的頻率作出預(yù)測(cè)，即其估計(jì)該事項(xiàng)未來的流行度(或者相反地，事項(xiàng)將被首次重復(fù)使用)。接著，其將事項(xiàng)從最高向最低流行度(或者分別最小至最高重復(fù)使用次數(shù))進(jìn)行排序，并且對(duì)最為流行的對(duì)象(或者相應(yīng)地最為迫近的項(xiàng)目)進(jìn)行高速緩存(如圖2所示)。這樣的方法的缺陷在于，由于如今高速緩存器比以往更加接近于終端用戶并且因此為有限數(shù)量的用戶進(jìn)行服務(wù)的事實(shí)，流行度測(cè)量是存在噪聲的并且高速緩存決策經(jīng)常是錯(cuò)誤的。
[0003]還存在以樹形網(wǎng)絡(luò)進(jìn)行部署的高速緩存器之間的高速緩存器協(xié)作算法(例如，分層、借用高速緩存器(borrowing caches)、聯(lián)合高速緩存器)。它們依賴于中央授權(quán)(其可以集中實(shí)施或者以分布式方式實(shí)施)來作出有關(guān)將內(nèi)容項(xiàng)存儲(chǔ)在何處以及從何處為請(qǐng)求服務(wù)的協(xié)同決策。以這種方式來看，這些高速緩存器協(xié)作策略監(jiān)督并管理由以樹形網(wǎng)絡(luò)進(jìn)行組織的許多個(gè)體協(xié)同高速緩存器所組成的一個(gè)大型虛擬高速緩存器。然而，該集中協(xié)同的高速緩存器僅在地理上受限的區(qū)域中且僅針對(duì)樹形網(wǎng)絡(luò)進(jìn)行工作。
[0004]以上表明了基于本地預(yù)測(cè)進(jìn)行操作的高速緩存器以及基于集中協(xié)調(diào)機(jī)制的高速緩存器(其事實(shí)上僅是前一種情形針對(duì)為地理上受限的社區(qū)集合進(jìn)行服務(wù)的虛擬高速緩存器的擴(kuò)展)無法針對(duì)預(yù)定用戶群組(由執(zhí)行高速緩存的網(wǎng)絡(luò)節(jié)點(diǎn)或路由器所服務(wù)的用戶)正確估計(jì)多媒體事項(xiàng)的流行度。因此需要一種有所改進(jìn)的高速緩存機(jī)制。
[0005]本發(fā)明的目標(biāo)是提供一種有所改進(jìn)的尚速緩存機(jī)制。

【發(fā)明內(nèi)容】

[0006]為此，本發(fā)明提供了一種用于由高速緩存器(其被實(shí)施為路由器中或者接近于該路由器的單獨(dú)設(shè)備中的專用存儲(chǔ))對(duì)選擇的多媒體對(duì)象進(jìn)行高速緩存的方法，該方法包括步驟:
[0007]-由第一高速緩存器為用戶群組進(jìn)行服務(wù)；
[0008]-基于為所述用戶群組的所述服務(wù)，針對(duì)每個(gè)多媒體對(duì)象計(jì)算第一流行度因數(shù)；
[0009]-獲取包括定義所述用戶群組與由相應(yīng)的其它高速緩存器所服務(wù)的其它用戶群組之間的關(guān)系的信息的數(shù)據(jù)庫；
[0010]-針對(duì)每個(gè)多媒體對(duì)象，從所述另外的高速緩存器中的每一個(gè)獲取另外的流行度因數(shù)；
[0011]-基于所獲取到的數(shù)據(jù)庫，計(jì)算由第一高速緩存器所服務(wù)的所述用戶群組與由其它高速緩存器所服務(wù)的所述其它用戶群組之間的相似度的相似度因數(shù)；
[0012]-基于所述第一流行度因數(shù)和所述另外的流行度因數(shù)，針對(duì)每個(gè)多媒體對(duì)象計(jì)算第二流行度因數(shù)，其中該另外的流行度因數(shù)的權(quán)重與相對(duì)應(yīng)的所計(jì)算的相似度因數(shù)成比例；
[0013]-選擇具有最高的流行度因數(shù)的多媒體對(duì)象；
[0014]-將所述所選擇的多媒體對(duì)象高速緩存在第一高速緩存器中。
[0015]在所提出的發(fā)明中，高速緩存作出獨(dú)立的決策，并且它們這樣做是基于本地信息并且基于與來自正式或非正式社交網(wǎng)絡(luò)(獲取自數(shù)據(jù)庫)的信息相結(jié)合的與其它高速緩存器所交換的信息，從而對(duì)高速緩存決策加以改進(jìn)。因此，該用于高速緩存的方法包括本地預(yù)測(cè)，由此基于高速緩存器自身為用戶群組的服務(wù)來估計(jì)多媒體對(duì)象的流行度。該用于高速緩存的方法進(jìn)一步包括對(duì)網(wǎng)絡(luò)中的其它高速緩存器的預(yù)測(cè)，由此每個(gè)其它高速緩存器對(duì)于最終流行度的影響取決于該其它高速緩存器與第一高速緩存器之間的相似度。由此，用于高速緩存的多媒體對(duì)象的流行度針對(duì)該高速緩存所服務(wù)的用戶進(jìn)行了更好的定制，原因在于本發(fā)明對(duì)并不連接的地理區(qū)域中的用戶可能對(duì)內(nèi)容表現(xiàn)出相似品味的事實(shí)加以利用。通過識(shí)別用戶(群組)之間的社交關(guān)系以及每個(gè)群組中的本地消費(fèi)模式，與現(xiàn)有技術(shù)的系統(tǒng)相比，利用本發(fā)明將會(huì)更快地識(shí)別出內(nèi)容對(duì)象的即將出現(xiàn)的流行度。因此，根據(jù)本發(fā)明所計(jì)算的流行度因數(shù)關(guān)于本地預(yù)測(cè)有所改進(jìn)，而并未過于普遍，因?yàn)閮H具有相似品味的群組對(duì)其它群組才有所影響。作為結(jié)果，本發(fā)明將產(chǎn)生更好的高速緩存決策，后者進(jìn)而將會(huì)導(dǎo)致更高的高速緩存器命中率。對(duì)于用戶相同的QoE(體驗(yàn)質(zhì)量)，核心網(wǎng)絡(luò)上的業(yè)務(wù)量將有所減少，或者利用相同的核心網(wǎng)絡(luò)容量的用戶的QoE將有所改善。以這種方式，網(wǎng)絡(luò)提供方將通過節(jié)省業(yè)務(wù)量而從本發(fā)明獲益，用戶將會(huì)看到有所改善的QoE，并且該有所改善的用戶滿意度進(jìn)而對(duì)于在線社交網(wǎng)絡(luò)也會(huì)是有利的。
[0016]優(yōu)選地，該第一流行度因數(shù)基于所述用戶群組對(duì)于相應(yīng)多媒體對(duì)象的歷史請(qǐng)求的數(shù)量而進(jìn)行計(jì)算。優(yōu)選地，每個(gè)另外的流行度因數(shù)基于所述相應(yīng)其它的用戶群組對(duì)于相應(yīng)多媒體對(duì)象的歷史請(qǐng)求的數(shù)量而進(jìn)行計(jì)算。基于歷史請(qǐng)求的數(shù)量計(jì)算流行度因數(shù)對(duì)于本領(lǐng)域技術(shù)人員而言是已知的，因此使用這樣的已知機(jī)制允許獲得本地流行度因數(shù)。
[0017]優(yōu)選地，所述歷史請(qǐng)求的數(shù)量在規(guī)律地進(jìn)行更新的預(yù)定時(shí)間段(通常被稱作滑動(dòng)窗口)中進(jìn)行計(jì)數(shù)。通過限制并且持續(xù)更新在其中對(duì)歷史請(qǐng)求進(jìn)行計(jì)數(shù)的時(shí)間段，度過其流行度峰值的多媒體對(duì)象的流行度將由于該請(qǐng)求部分將落在滑動(dòng)窗口之外而減小。以這種方式，流行度因數(shù)能夠保持為最新，并且被頻繁請(qǐng)求的新的多媒體對(duì)象將具有比曾經(jīng)比該新的多媒體對(duì)象明顯更為頻繁地被請(qǐng)求(在過去)但是現(xiàn)在已經(jīng)度過其流行度峰值的舊的多媒體對(duì)象更高的流行度。
[0018]優(yōu)選地，所述數(shù)據(jù)庫包括矩陣，其中行和列中的至少一個(gè)表示所述用戶，并且所述行和所述列中的至少另一個(gè)表示所述另外的用戶，并且其中該矩陣中的數(shù)值定義了相應(yīng)用戶和相應(yīng)的另外的用戶之間的關(guān)系。經(jīng)由這樣的矩陣，能夠在用戶層面或群組的層面確定高速緩存器之間的相似度。由此，本領(lǐng)域技術(shù)人員將會(huì)認(rèn)識(shí)到，能夠應(yīng)用不同算法以基于該矩陣來獲得兩個(gè)高速緩存器之間的單個(gè)相似度因數(shù)。該算法的簡(jiǎn)單示例對(duì)一個(gè)路由器的用戶與其它路由器的用戶之間的關(guān)系進(jìn)行計(jì)數(shù)。在其它算法中，對(duì)具有高多媒體對(duì)象消費(fèi)的用戶給予更高的影響。
[0019]優(yōu)選地，所述矩陣在行指標(biāo)所標(biāo)識(shí)的用戶經(jīng)由社交團(tuán)體鏈接至列指標(biāo)所標(biāo)識(shí)的用戶時(shí)包括第一預(yù)定數(shù)值，并且在行指標(biāo)所標(biāo)識(shí)的用戶并未經(jīng)由所述社交團(tuán)體鏈接至列指標(biāo)所標(biāo)識(shí)的用戶時(shí)包括第二預(yù)定數(shù)值。優(yōu)選地，該社交團(tuán)體包括Facebook、Twi tter、Instagram、Google+、Netflix、Tumblr、Snapshot、Pinterest和Vine 中的至少一種。社交團(tuán)體趨向于具有互相鏈接的人群，其中人們分享相同的興趣。由于被鏈接的人們具有相同或至少相似的興趣，所以相同或相似的多媒體對(duì)象可能被這樣鏈接的人們所請(qǐng)求。因此，使用社交團(tuán)體信息作為定義用戶與另外的用戶之間的關(guān)系的基礎(chǔ)返回了相當(dāng)好的結(jié)果?？商鎿Q地，如果該社交信息無法獲取，則第一高速緩存器所服務(wù)的用戶群組和其它高速緩存器所服務(wù)的用戶群組之間的相似度可以基于歷史相似消費(fèi)趨勢(shì)來確定。因此，如果社交信息并非能夠明確獲取，則單獨(dú)的實(shí)體執(zhí)行該數(shù)據(jù)挖掘。
[0020]優(yōu)選地，所述獲取所述數(shù)據(jù)庫包括觀察所述多個(gè)用戶和所述另外的多個(gè)用戶在一段時(shí)間內(nèi)所作出的請(qǐng)求，并且檢測(cè)所述多個(gè)用戶和所述另外多個(gè)用戶之間的相應(yīng)相似度。該特征消除了對(duì)社交團(tuán)體的需求。根據(jù)該特征，經(jīng)由觀察對(duì)數(shù)據(jù)庫進(jìn)行挖掘。在觀察用戶時(shí)，多媒體對(duì)象消費(fèi)中的相似度能夠被檢測(cè)并存儲(chǔ)在數(shù)據(jù)庫中?；谠摍z測(cè)(基于歷史請(qǐng)求)，未來的相似度因數(shù)得以被計(jì)算并且多媒體對(duì)象經(jīng)由本發(fā)明的方法進(jìn)行高速緩存。
[0021]優(yōu)選地，選擇哪個(gè)多媒體對(duì)象來高速緩存的步驟包括將多媒體對(duì)象按照第二流行度因數(shù)從最高向最低進(jìn)行排序，并且選擇經(jīng)排序的多媒體對(duì)象的頂端列表。由此，該頂端列表包括預(yù)定數(shù)量的多媒體對(duì)象，或者包括占據(jù)(或代表)預(yù)定數(shù)據(jù)容量的多個(gè)多媒體對(duì)象。通過排序并隨后選擇頂端列表，提供了一種選擇具有最高的第二流行度因數(shù)的多媒體對(duì)象的容易的方式。此外，在高速緩存器中對(duì)多媒體對(duì)象的頂端列表進(jìn)行存儲(chǔ)。可替換地，高速緩存器具有預(yù)先確定的數(shù)據(jù)容量，其優(yōu)選地被完全占據(jù)。在后者的情況下，多媒體對(duì)象從經(jīng)排序的列表中進(jìn)行選擇直至高速緩存器變滿。
[0022]優(yōu)選地，針對(duì)每個(gè)多媒體對(duì)象，所述計(jì)算所述第二流行度因數(shù)被計(jì)算為從其它高速緩存器所獲取的另外的流行度因數(shù)乘以它們?cè)诘谝桓咚倬彺嫫骱推渌咚倬彺嫫髦g相對(duì)應(yīng)的相似度因數(shù)與第一相似度因數(shù)的和。由此，每個(gè)高速緩存器能夠基于在該高速緩存器中所計(jì)算的信息以及該高速緩存器所獲取到的信息而執(zhí)行簡(jiǎn)單的公式從而確定多媒體對(duì)象的第二流行度因數(shù)。
[0023]優(yōu)選地，第二流行度因數(shù)進(jìn)一步包括從外部服務(wù)器所接收的在外部確定的流行度因數(shù)乘以預(yù)定因數(shù)，該外部服務(wù)器對(duì)于內(nèi)容消費(fèi)具有全局視野(例如，電影的在線觀看之外的其它分發(fā)渠道，即來自電影在影院放映或DVD銷售的“票房”表現(xiàn);或者對(duì)于劇集的當(dāng)前一季而言的該相同劇集之前多季的表現(xiàn))。
[0024]經(jīng)由在外部確定的流行度因數(shù)，新的多媒體對(duì)象(由于它們是新的而還沒有被請(qǐng)求過)也在本發(fā)明的流行度估計(jì)中有所表示。例如，新發(fā)布的電影能夠在估計(jì)該電影將在近期具有高流行度時(shí)被高速緩存在第一高速緩存器中。
[0025]優(yōu)選地，所述預(yù)定因數(shù)在所述多個(gè)用戶的請(qǐng)求確認(rèn)該在外部確定的流行度因數(shù)時(shí)有所增加，并且因此所述預(yù)定因數(shù)在所述多個(gè)用戶的請(qǐng)求與該在外部確定的流行度因數(shù)不同時(shí)有所減小。通過基于請(qǐng)求和流行度之間的相似度而增加和減小該預(yù)定因數(shù)，在外部確定的流行度因數(shù)的影響將達(dá)到最優(yōu)。
[0026]優(yōu)選地，所述為所述用戶群組進(jìn)行服務(wù)包括在所述用戶之一進(jìn)行請(qǐng)求時(shí)向該用戶系統(tǒng)地傳送相應(yīng)多媒體對(duì)象。
[0027]本發(fā)明進(jìn)一步涉及一種接近于路由器的高速緩存設(shè)備或者存放適于為網(wǎng)絡(luò)中的多個(gè)用戶進(jìn)行服務(wù)的存儲(chǔ)裝置的路由器，所述路由器操作地連接至高速緩存存儲(chǔ)器，并且其中所述路由器包括用于執(zhí)行根據(jù)之前任一項(xiàng)權(quán)利要求的方法的編程指令。
【附圖說明】
[0028]現(xiàn)在將僅以示例的方式并參考附圖對(duì)依據(jù)本發(fā)明實(shí)施例的裝置和/或方法的一些實(shí)施例進(jìn)行描述，其中:
[0029]圖1示出了能夠在其中應(yīng)用本發(fā)明的網(wǎng)絡(luò)的示例；
[0030]圖2圖示了能夠在其中應(yīng)用本發(fā)明的常規(guī)網(wǎng)絡(luò)節(jié)點(diǎn)；
[0031]圖3圖示了本發(fā)明的實(shí)施例；以及
[0032]圖4圖示了包括定義用戶之間的關(guān)系的信息的數(shù)據(jù)庫。
【具體實(shí)施方式】
[0033]圖1示出了具有多個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)2的網(wǎng)絡(luò)I的示例。網(wǎng)絡(luò)節(jié)點(diǎn)2將服務(wù)器S與進(jìn)行內(nèi)容請(qǐng)求R的用戶相連接。連接至網(wǎng)絡(luò)節(jié)點(diǎn)21的用戶作出請(qǐng)求Rl，連接至網(wǎng)絡(luò)節(jié)點(diǎn)22的用戶作出請(qǐng)求R2，連接至網(wǎng)絡(luò)節(jié)點(diǎn)23的用戶作出請(qǐng)求R3。由此，網(wǎng)絡(luò)節(jié)點(diǎn)優(yōu)選地是操作地連接至本地高速緩存器的路由器。路由器21連接至高速緩存器Cl，路由器22連接至高速緩存器C2，并且路由器23連接至高速緩存器C3。以這種方式，高速緩存器位于直接為用戶服務(wù)(與之直接相鄰)的網(wǎng)絡(luò)節(jié)點(diǎn)中。存儲(chǔ)在這些高速緩存器中的信息在被該高速緩存器/路由器所服務(wù)的用戶進(jìn)行請(qǐng)求時(shí)不必穿行網(wǎng)絡(luò)I。在本發(fā)明中，該信息被定義為多媒體對(duì)象。多媒體對(duì)象是包括音樂、圖書、視頻、自創(chuàng)內(nèi)容、專業(yè)內(nèi)容、游戲的數(shù)字文件。將要清楚的是，例如，電影能夠被劃分為多個(gè)對(duì)象，由此每個(gè)對(duì)象包括該電影的一個(gè)段落。
[0034]由于越來越多的單播視頻通過開放式互聯(lián)網(wǎng)進(jìn)行提供，所以期望將高速緩存器接近于用戶進(jìn)行部署(參見圖1)。利用對(duì)那些高速緩存器進(jìn)行管理的適當(dāng)高速緩存策略，能夠在服務(wù)器S和高速緩存器C1、C2、C3之間的核心網(wǎng)絡(luò)I上節(jié)省而大量的業(yè)務(wù)量。也就是說，(原則上)內(nèi)容項(xiàng)僅需要通過核心網(wǎng)絡(luò)進(jìn)行一次傳輸(以填充高速緩存器)，因?yàn)樽詮钠淞舸嬖诟咚倬彺嫫鰿1、C2、C3之中的時(shí)候起，其就能夠從該高速緩存器為請(qǐng)求用戶R1、R2、R3進(jìn)行服務(wù)。然而，雖然可能非常大，但是高速緩存器的大小與通常的視頻庫相比還是有限的，并且因此需要關(guān)于對(duì)哪些項(xiàng)目進(jìn)行高速緩存作出妥善決策。
[0035]反向代理和透明高速緩存器在任意時(shí)刻基于它們從它們所服務(wù)的用戶看到的請(qǐng)求而為其自身決定它們對(duì)哪些項(xiàng)目進(jìn)行高速緩存。由于這些高速緩存器非常接近于用戶，并且因此它們所服務(wù)的用戶的數(shù)量與在網(wǎng)絡(luò)中更為深入的高速緩存器(例如，全局CDN(內(nèi)容分布網(wǎng)絡(luò))的高速緩存節(jié)點(diǎn))相比相當(dāng)有限，所以該信息(即，高速緩存器所服務(wù)的用戶作出的請(qǐng)求)噪聲過大而無法作出有關(guān)對(duì)哪些內(nèi)容項(xiàng)進(jìn)行高速緩存的準(zhǔn)確高速緩存決策(參見下文)。圖2中圖示了這樣的常規(guī)方法。圖2示出了路由器2(網(wǎng)絡(luò)節(jié)點(diǎn))，其操作地連接至高速緩存器C。連接至路由器2的用戶作出請(qǐng)求R。基于這些請(qǐng)求，該路由器識(shí)別所請(qǐng)求的多媒體對(duì)象M。優(yōu)選地，多媒體對(duì)象M包括用戶在預(yù)定時(shí)間段(例如，48小時(shí))期間所請(qǐng)求的多媒體對(duì)象R。針對(duì)這些多媒體對(duì)象M中的每一個(gè)，基于請(qǐng)求R的數(shù)量計(jì)算5流行度P(因此其在圖中被指示為M(R))。基于所計(jì)算的流行度P，做出6排序V，并且對(duì)排名最高的多媒體對(duì)象(在圖2的示例中，D為最高，C為第二高，并且E為第三高)進(jìn)行高速緩存。根據(jù)高速緩存器C的存儲(chǔ)容量，確定所要高速緩存的多媒體對(duì)象的數(shù)量。
[0036]本發(fā)明所基于的觀點(diǎn)在于，(被一個(gè)高速緩存器所服務(wù)的)用戶經(jīng)由在線社交網(wǎng)絡(luò)(例如，F(xiàn)acebook、Twitter、google+)或者經(jīng)由一些(非正式)團(tuán)體分享共有興趣的事實(shí)而“連接至”(被其它高速緩存器所服務(wù)的)其它用戶，該連接可以在高速緩存決策中被加以利用。本發(fā)明提出了一種利用從(正式或非正式)社交網(wǎng)絡(luò)所提取的信息來作出更優(yōu)的高速緩存決策的方式，其導(dǎo)致了更高的高速緩存命中率。圖4示出了矩陣的示例，該矩陣包括定義用戶之間的關(guān)系的信息。在該圖中，列表示用戶Ul(列I)、U2(列2)和U3(列3)。行表示用戶U4(行1)、U5(行2)和U6(行3)。該矩陣中的每個(gè)要素因此將行用戶與列用戶進(jìn)行組合。圖4的示例將要素示為O和3之間的自然數(shù)。因此，O可以被定義為“沒有關(guān)系”；I可以被定義為“經(jīng)由單個(gè)社交團(tuán)體的連接” ；2可以被定義為“經(jīng)由兩個(gè)不同社交團(tuán)體的連接，例如經(jīng)由Facebook和Tumblr”；并且3可以被定義為“經(jīng)由三個(gè)不同社交團(tuán)體的連接”?？商鎿Q地，矩陣中的數(shù)字的高度可以作為兩個(gè)用戶之間的內(nèi)容使用相似度的量度。在圖中，第一要素O指示用戶I一Ul和用戶4一U4之間沒有關(guān)系。第二要素(行I，列2)指不用戶2—U2和用戶4一U4之間存在關(guān)系。另外的要素示出相應(yīng)用戶之間的關(guān)系。
[0037]可替換地，該矩陣包括定義用戶群組之間的關(guān)系(而不是個(gè)體用戶之間的關(guān)系)的信息。這樣的矩陣能夠使用圖4所示的矩陣中的信息所形成。因此，(不同高速緩存器所服務(wù)的)每個(gè)用戶群組以該矩陣的行和列進(jìn)行表示。在這樣的矩陣中，并不需要對(duì)角線元素，并且因此并未對(duì)其加以定義。基于這樣的矩陣，高速緩存能夠直接從該矩陣讀取到相似度因數(shù)，而圖4的矩陣需要進(jìn)一步的計(jì)算來獲得相似度因數(shù)。
[0038]本領(lǐng)域技術(shù)人員將會(huì)理解的是，包括定義用戶之間的關(guān)系的信息的數(shù)據(jù)庫能夠以許多不同方式來形成，而并不會(huì)降低這樣的數(shù)據(jù)庫的功能性和可用性。例如，該數(shù)據(jù)能夠被創(chuàng)建為使得所有用戶都以行和列進(jìn)行表示，從而相同網(wǎng)絡(luò)節(jié)點(diǎn)所服務(wù)的用戶之間的關(guān)系也得以被監(jiān)視。
[0039]在本發(fā)明中，關(guān)系被解釋為明確或隱含地屬于相似的社交群體。在社交群體中，通常能夠找到重疊的興趣，該重疊的興趣反映在內(nèi)容使用(或多媒體對(duì)象的請(qǐng)求)中。因此，在本發(fā)明的上下文中，關(guān)系意味著網(wǎng)絡(luò)上至少部分相似的行為。
[0040]本發(fā)明的基本目標(biāo)是使得流行度測(cè)量M(R)(或等同地，重復(fù)使用次數(shù))更為可靠(即，噪聲較少)。為了實(shí)現(xiàn)該目標(biāo)，使用兩種信息:
[0041 ] a)所有個(gè)體高速緩存器上的項(xiàng)目的所估計(jì)的流行度M(R)、M(R’)、M(R” ) ,M(Rn)(或者所估計(jì)的重復(fù)使用)。也就是說，每個(gè)高速緩存器將(根據(jù)現(xiàn)有技術(shù)的機(jī)制)估計(jì)本地流行度，并且將該信息發(fā)送至其它高速緩存器，并且從其它高速緩存器接收該信息。注意到，流行度測(cè)量之一可以是外部服務(wù)器所估計(jì)的全局流行度測(cè)量。
[0042]b)—個(gè)高速緩存的族群(populat1n)(并且可能是全局流行度)與另一個(gè)高速緩存器上的族群相關(guān)的方式S’、S”、Sn。該信息例如從在線社交網(wǎng)絡(luò)(例如，在線社交網(wǎng)絡(luò)中用戶好友的網(wǎng)絡(luò))所提取，或者可替換地通過觀察哪些用戶消費(fèi)相似的項(xiàng)目來構(gòu)建。該信息例如能夠以矩陣4(參見圖4)的形式進(jìn)行存儲(chǔ)，其中條目(k，l)確定了高速緩存器k所服務(wù)的族群(或全局族群)和高速緩存器I所服務(wù)的族群之間的關(guān)系有多強(qiáng)。
[0043]本發(fā)明提出了將這兩種信息進(jìn)行組合從而得到更好的流行度估計(jì)，并且因此得到更好的高速緩存決策。這在圖3中進(jìn)行了圖示。圖3示出了要關(guān)于對(duì)哪個(gè)對(duì)象進(jìn)行高速緩存而針對(duì)其作出決策的多媒體對(duì)象M(作為對(duì)象A、B、C、D、E和F)。每個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)被提供(例如，經(jīng)由現(xiàn)有技術(shù)的方法)以便針對(duì)每個(gè)多媒體對(duì)象確定第一流行度因數(shù)。因此，根據(jù)本發(fā)明，第一網(wǎng)絡(luò)節(jié)點(diǎn)被提供以進(jìn)一步計(jì)算第二流行度因數(shù)，這與第一流行度因數(shù)相比是有所增強(qiáng)的流行度因數(shù)。由此，第一網(wǎng)絡(luò)節(jié)點(diǎn)針對(duì)每個(gè)多媒體對(duì)象M計(jì)算流行度因數(shù)M( R)的第一集合(作為流行度因數(shù)Pa、Pb、Pc、Pd、Pe和Pf)。在該網(wǎng)絡(luò)中存在另外的網(wǎng)絡(luò)節(jié)點(diǎn)，它們?yōu)榱硗獾亩鄠€(gè)用戶進(jìn)行服務(wù)。另外的多個(gè)用戶作出他們的請(qǐng)求R’、R”、Rn。基于該相應(yīng)的請(qǐng)求，每個(gè)另外的網(wǎng)絡(luò)節(jié)點(diǎn)能夠針對(duì)每個(gè)多媒體對(duì)象計(jì)算流行度因數(shù)M(R’)、M(R” )、M(Rn)。這些流行度因數(shù)從該另外的網(wǎng)絡(luò)節(jié)點(diǎn)被傳送至第一網(wǎng)絡(luò)節(jié)點(diǎn)。此外，由第一網(wǎng)絡(luò)節(jié)點(diǎn)獲取數(shù)據(jù)庫(諸如圖4所示的)，基于該數(shù)據(jù)庫，第一網(wǎng)絡(luò)節(jié)點(diǎn)能夠計(jì)算第一網(wǎng)絡(luò)節(jié)點(diǎn)和第一另外的網(wǎng)絡(luò)節(jié)點(diǎn)之間的相似度因數(shù)(作為相似度因數(shù)S’)，第一網(wǎng)絡(luò)節(jié)點(diǎn)和第二另外的網(wǎng)絡(luò)節(jié)點(diǎn)之間的相似度因數(shù)(作為相似度因數(shù)S”)，以及第一網(wǎng)絡(luò)節(jié)點(diǎn)和第η另外的網(wǎng)絡(luò)節(jié)點(diǎn)之間的相似度因數(shù)(作為相似度因數(shù)Sn)。
[0044]基于這些所接收和所確定的因數(shù)，第一網(wǎng)絡(luò)節(jié)點(diǎn)經(jīng)由以下公式計(jì)算第二(增強(qiáng)的)流行度因數(shù):
[0045]M(R) + (S，XM(R，))+ (S” XM(R”))+ (...) + (SnXM(Rn))
[0046]在如圖3所示的優(yōu)選實(shí)施例中，第二流行度因數(shù)進(jìn)一步包括外部信息M(E)。該外部信息(外部流行度因數(shù))可以接收自網(wǎng)絡(luò)管理員。在第一和另外的網(wǎng)絡(luò)節(jié)點(diǎn)的流行度因數(shù)主要基于歷史請(qǐng)求的情況下，該外部信息能夠基于對(duì)未來興趣(諸如即將發(fā)行的新電影)的估計(jì)或者過去經(jīng)由其它分發(fā)渠道進(jìn)行的消費(fèi)(如經(jīng)由“票房”或DVD銷售)。該外部流行度因數(shù)可以包括當(dāng)前未知的多媒體對(duì)象G(例如，新的電影)的流行度。因數(shù)F能夠被確定以平衡該外部流行度因數(shù)在第二流行度因數(shù)中的影響。由此，因數(shù)F能夠被動(dòng)態(tài)形成而使得在外部流行度因數(shù)證明為正確時(shí)F有所增加，而在外部流行度因數(shù)證明為錯(cuò)誤時(shí)F有所減小。第二 (增強(qiáng)的)流行度因數(shù)還包括以上所提到的公式+(FXM(E))。
[0047]在第一網(wǎng)絡(luò)節(jié)點(diǎn)中計(jì)算的第二(增強(qiáng)的)流行度因數(shù)具有高度類似于常規(guī)流行度因數(shù)格式(諸如圖2中的M(R))的格式，并且因此本領(lǐng)域技術(shù)人員將會(huì)理解這些第二流行度因數(shù)將能夠如何被用來決定6哪些多媒體對(duì)象要被高速緩存。
[0048]所要理解的是，除去該新的流行度P2(或重復(fù)使用次數(shù))的估計(jì)算法，高速緩存算法的其余部分可能與現(xiàn)有技術(shù)保持相同。因此，圖2中所示的多媒體對(duì)象M基于流行度M(R)進(jìn)行排序6根據(jù)本發(fā)明將基于第二流行度P2。
[0049]將關(guān)于一些特定實(shí)施例給出進(jìn)一步的描述。將要清楚的是，這些特定實(shí)施例并非作為限制，而是僅是落入本發(fā)明的一般原則之內(nèi)的示例。在這些實(shí)施例中，為了示例的簡(jiǎn)明而假設(shè)每個(gè)多媒體對(duì)象M能夠由標(biāo)識(shí)符A、B、C、D、E和F所唯一定義。這可以是在視頻文件上計(jì)算的散列、來自于數(shù)據(jù)庫(例如，頂DB(互聯(lián)網(wǎng)電影數(shù)據(jù)庫)或tv.com)的唯一名稱，或者是文件的原始位置的唯一 URL(統(tǒng)一資源位置)。
[0050]在這些實(shí)施例中，為了示例的簡(jiǎn)明進(jìn)一步假設(shè)高速緩存器維護(hù)針對(duì)所有“活動(dòng)”項(xiàng)目的流行度信息。活動(dòng)項(xiàng)目是對(duì)于其之前在小于時(shí)間T內(nèi)看到過請(qǐng)求(其中T是大的時(shí)間間隔)的項(xiàng)目。使用該超時(shí)時(shí)間T確保了高速緩存僅需要針對(duì)有限(盡管可能非常大)內(nèi)容項(xiàng)目的集合維護(hù)流行度信息。(字母A、B、C、D、E、F和G被用作唯一標(biāo)識(shí)符的示例)。
[0051]具有條目(在圖3中被稱作權(quán)重)的矩陣4指出高速緩存器k的族群(在圖4的示例中為用戶U1、U2和U3)(或者原始服務(wù)器所服務(wù)的全局族群)如何對(duì)高速緩存I的族群(在圖4的示例中為用戶U4、U5和U6)施加影響。該矩陣4可以在在線社交網(wǎng)絡(luò)中基于由不同高速緩存器所服務(wù)的用戶之間的好友網(wǎng)絡(luò)進(jìn)行構(gòu)建，或者這些用戶族群依賴性能夠由獨(dú)立的數(shù)據(jù)挖掘?qū)嶓w通過觀察(在網(wǎng)絡(luò)中)用戶族群的消費(fèi)模式的相似度來進(jìn)行推導(dǎo)(或習(xí)得)，上述消費(fèi)模式的相似度即不同高速緩存器的用戶族群如何消費(fèi)相似的內(nèi)容項(xiàng)目。該矩陣M中具有權(quán)重的適當(dāng)要素從社交網(wǎng)絡(luò)或該獨(dú)立數(shù)據(jù)挖掘?qū)嶓w發(fā)送至所有高速緩存器或相對(duì)應(yīng)的路由器。
[0052]第一實(shí)施例依賴于LFU來進(jìn)行本地流行度測(cè)量。特別地，LFU維護(hù)在高速緩存器k上(而且可能還是原始服務(wù)器上)過去窗口內(nèi)針對(duì)多媒體對(duì)象X的請(qǐng)求的數(shù)量Pk,X。(該窗口通常具有矩形形狀，但是也能夠使用其它形狀以降低久遠(yuǎn)的請(qǐng)求的重要性，例如指數(shù)衰減的窗口。)針對(duì)高速緩存器k上的活動(dòng)項(xiàng)目的請(qǐng)求的數(shù)量構(gòu)成了矢量Pk(作為該高速緩存器上的相應(yīng)項(xiàng)目在某個(gè)時(shí)間點(diǎn)的流行度)。矢量Pk以規(guī)律的時(shí)刻在所有高速緩存器之間進(jìn)行交換。為了針對(duì)項(xiàng)目X的流行度作出更好的預(yù)測(cè)，高速緩存器k以以下方式將這些矢量?:和矩陣M進(jìn)行組合:P’k,X= X1Mkl.P1,x。高速緩存器基于項(xiàng)目流行度的這些更為準(zhǔn)確的測(cè)量P’k,X而作出更好的高速緩存決策。
[0053]第二實(shí)施例依賴于LRU(或者Belady最小值算法的任意變換形式)。特別地，LRU(隱含地)維護(hù)在高速緩存器k上(并且可能還是原始服務(wù)器上)的每個(gè)活動(dòng)項(xiàng)目X的重復(fù)使用次數(shù)Tk,X。這些以矢量Tk進(jìn)行存儲(chǔ)的重復(fù)使用次數(shù)以規(guī)律的時(shí)刻在高速緩存器之間進(jìn)行交換。為了針對(duì)重復(fù)使用次數(shù)作出更好的預(yù)測(cè)，高速緩存器k以以下方式將這些矢量!^和矩陣M進(jìn)行組合= TYx=^1Mkl.(T1,X)—1)—1。高速緩存器基于重復(fù)使用次數(shù)的這些更為準(zhǔn)確的測(cè)量T ’ k, X而作出更好的高速緩存決策。
[0054]本發(fā)明能夠被嵌入現(xiàn)有的高速緩存算法。高速緩存算法能夠如之前那樣進(jìn)行工作，估計(jì)流行度(或重復(fù)使用次數(shù))并且使得高速緩存決策以流行度(或重復(fù)使用次數(shù))為基礎(chǔ)。因此，基于其作出決策的流行度(或重復(fù)使用次數(shù))并不是本地測(cè)量(如現(xiàn)有技術(shù))，而是所有高速緩存器的所有族群的組合，其中每一個(gè)的權(quán)重由社交關(guān)系所確定。
[0055]本領(lǐng)域技術(shù)人員將會(huì)輕易地認(rèn)識(shí)到，以上所描述的各種方法的步驟能夠通過所編程的計(jì)算機(jī)來執(zhí)行。這里，一些實(shí)施例還意在覆蓋程序存儲(chǔ)設(shè)備，例如數(shù)字?jǐn)?shù)據(jù)存儲(chǔ)媒體，其是機(jī)器或計(jì)算機(jī)可讀的并且對(duì)機(jī)器可執(zhí)行或計(jì)算機(jī)可執(zhí)行的指令程序進(jìn)行編碼，其中所述指令執(zhí)行以上所描述的所述方法的一些或全部步驟。程序存儲(chǔ)設(shè)備例如可以是數(shù)字存儲(chǔ)器，諸如磁盤和磁帶的磁性存儲(chǔ)媒體，硬盤，或者光學(xué)可讀數(shù)字?jǐn)?shù)據(jù)存儲(chǔ)媒體。實(shí)施例還意在覆蓋被編程為執(zhí)行以上所描述方法的所述步驟的計(jì)算機(jī)。
[0056]描述和附圖僅對(duì)本發(fā)明的原則進(jìn)行了闡述。因此將要意識(shí)到的是，本領(lǐng)域技術(shù)人員將能夠設(shè)計(jì)出各種部署形式，雖然并未在這里進(jìn)行描述或示出，但是它們體現(xiàn)了本發(fā)明的原則并且被包括在其精神和范圍之內(nèi)。此外，這里所引用的所有示例原則上明確意在僅是出于教導(dǎo)的目的從而幫助讀者理解本發(fā)明的原則以及(多個(gè))發(fā)明人對(duì)于拓展本領(lǐng)域所貢獻(xiàn)的概念，并且要被理解為并不對(duì)這樣特別引用的示例和條件進(jìn)行限制。此外，這里所有引用本發(fā)明的原則、方面和實(shí)施例的聲明及其具體示例都意在包含其等同形式。
[0057]圖中所示的包括被標(biāo)記為“處理器”的任意功能模塊的各種部件的功能可以通過使用專用硬件以及能夠執(zhí)行與適當(dāng)軟件相關(guān)系的軟件的硬件來提供。當(dāng)被處理器所提供時(shí)，該功能可以由單個(gè)專用處理器所提供，由單個(gè)共享處理器所提供，或者由多個(gè)單獨(dú)處理器所提供，其中的一些可以是共享的。此外，明確使用的術(shù)語“處理器”或“控制器”并不應(yīng)當(dāng)被理解為專門指代能夠執(zhí)行軟件的硬件，而是可以隱含地包括數(shù)字信號(hào)處理器(DSP)硬件、網(wǎng)絡(luò)處理器、應(yīng)用特定集成電路(ASIC)、現(xiàn)場(chǎng)可編程門陣列(FPGA)、用于存儲(chǔ)軟件的只讀存儲(chǔ)器(R0M)、隨機(jī)訪問存儲(chǔ)器(RAM)和非易失性存儲(chǔ)，但是并不局限于此。還可以包括其它常規(guī)和/或定制的硬件。類似地，圖中所示的許多開關(guān)僅是概念性的。它們的功能可以通過程序邏輯、專用邏輯、程序控制和專用邏輯的交互來執(zhí)行，或者甚至以手工執(zhí)行，如從上下文更為具體理解地，特定技術(shù)可由實(shí)施方進(jìn)行選擇。
[0058]本領(lǐng)域技術(shù)人員應(yīng)當(dāng)意識(shí)到的是，這里的任意框圖表示體現(xiàn)本發(fā)明原則的說明性電路的概念圖。類似地，將要意識(shí)到的是，任何流程圖、流程圖示、狀態(tài)變化圖、偽代碼等都表示實(shí)質(zhì)上可以以計(jì)算機(jī)可讀介質(zhì)進(jìn)行表示并且因此由計(jì)算機(jī)或處理器所執(zhí)行的各種處理，而無論是否明確示出了這樣的計(jì)算機(jī)或處理器。
【主權(quán)項(xiàng)】
1.一種用于由第一存儲(chǔ)器件對(duì)選擇的多媒體對(duì)象進(jìn)行存儲(chǔ)的方法，該方法包括步驟: -對(duì)用戶群組進(jìn)行服務(wù)； -基于所述對(duì)所述用戶群組進(jìn)行服務(wù)，針對(duì)每個(gè)多媒體對(duì)象計(jì)算第一流行度因數(shù)； -獲取包括定義所述用戶群組與相應(yīng)的另外存儲(chǔ)器件所服務(wù)的其它用戶群組之間的關(guān)系的信息的數(shù)據(jù)庫； -針對(duì)每個(gè)多媒體對(duì)象，從所述另外的存儲(chǔ)器件中的每一個(gè)獲取另外的流行度因數(shù)； -基于所獲取到的數(shù)據(jù)庫，計(jì)算定義所述第一存儲(chǔ)器件和所述另外的存儲(chǔ)器件中的每一個(gè)之間的相似度的相似度因數(shù)； -基于所述第一流行度因數(shù)和所述另外的流行度因數(shù)，針對(duì)每個(gè)多媒體對(duì)象計(jì)算第二流行度因數(shù)，其中該另外的流行度因數(shù)的權(quán)重取決于相對(duì)應(yīng)的所計(jì)算的相似度因數(shù)； -選擇具有最高的第二流行度因數(shù)的多媒體對(duì)象； -將所述所選擇的多媒體對(duì)象存儲(chǔ)在所述第一存儲(chǔ)器件中。2.根據(jù)權(quán)利要求1所述的方法，其中基于由所述用戶群組對(duì)相應(yīng)的多媒體對(duì)象所進(jìn)行的歷史請(qǐng)求的數(shù)量，計(jì)算所述第一流行度因數(shù)。3.根據(jù)之前任一項(xiàng)權(quán)利要求所述的方法，其中基于由所述相應(yīng)的其它用戶群組對(duì)相應(yīng)的多媒體對(duì)象所進(jìn)行的歷史請(qǐng)求的數(shù)量，計(jì)算每個(gè)另外的流行度因數(shù)。4.根據(jù)之前任一項(xiàng)權(quán)利要求所述的方法，其中所述數(shù)據(jù)庫包括矩陣，其中行和列中的至少一個(gè)表示所述用戶，并且所述行和所述列中的至少另一個(gè)表示所述另外的用戶，并且其中該矩陣中的數(shù)值定義了行指標(biāo)所標(biāo)識(shí)的相應(yīng)用戶和列指標(biāo)所標(biāo)識(shí)的用戶之間的關(guān)系。5.根據(jù)權(quán)利要求4所述的方法，其中所述矩陣在行指標(biāo)所標(biāo)識(shí)的用戶經(jīng)由社交團(tuán)體鏈接至列指標(biāo)所標(biāo)識(shí)的另一用戶時(shí)包括第一預(yù)定數(shù)值，并且在行指標(biāo)所標(biāo)識(shí)的所述用戶沒有經(jīng)由所述社交團(tuán)體鏈接至列指標(biāo)所標(biāo)識(shí)的其它用戶時(shí)包括第二預(yù)定數(shù)值。6.根據(jù)權(quán)利要求5所述的方法，其中所述社交團(tuán)體包括Facebook、Twitter、Instagram、Google+、Netfl ix、Snapshot、Pinterest和 Vine 中的至少一個(gè)。7.根據(jù)之前任一項(xiàng)權(quán)利要求所述的方法，其中選擇多媒體對(duì)象的步驟包括將所述多媒體對(duì)象按照第二流行度因數(shù)從最高向最低進(jìn)行排序，并且選擇經(jīng)排序的多媒體對(duì)象的頂端列表。8.根據(jù)權(quán)利要求7所述的方法，其中所述頂端列表包括預(yù)定數(shù)量的多媒體對(duì)象，或者包括占據(jù)預(yù)定數(shù)據(jù)容量的多個(gè)多媒體對(duì)象。9.根據(jù)之前任一項(xiàng)權(quán)利要求所述的方法，其中所述獲取所述數(shù)據(jù)庫包括觀察所述多個(gè)用戶和所述另外的多個(gè)用戶在一段時(shí)間內(nèi)所作出的請(qǐng)求，并且檢測(cè)所述多個(gè)用戶和所述另外多個(gè)用戶之間的相應(yīng)相似度。10.根據(jù)之前任一項(xiàng)權(quán)利要求所述的方法，其中針對(duì)每個(gè)多媒體對(duì)象，所述計(jì)算所述第二流行度因數(shù)被計(jì)算為所述另外的流行度因數(shù)乘以它們相對(duì)應(yīng)的相似度因數(shù)與所述第一流行度因數(shù)的和。11.根據(jù)權(quán)利要求11所述的方法，其中第二流行度因數(shù)進(jìn)一步包括從外部服務(wù)器所接收的在外部確定的流行度因數(shù)乘以預(yù)定因數(shù)。12.—種適于為網(wǎng)絡(luò)中的多個(gè)用戶進(jìn)行服務(wù)的存儲(chǔ)器件，并且其中所述存儲(chǔ)器件包括用于執(zhí)行根據(jù)之前任一項(xiàng)權(quán)利要求所述的方法的編程指令。13.—種包括根據(jù)權(quán)利要求12所述的存儲(chǔ)器件的路由器。14.一種適于由計(jì)算機(jī)執(zhí)行以實(shí)施根據(jù)權(quán)利要求1-12之一所述的方法的計(jì)算機(jī)程序。15.—種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，包括用于執(zhí)行根據(jù)權(quán)利要求1-12之一所述的方法的程序指令。
【文檔編號(hào)】G06Q50/00GK105960790SQ201480053233
【公開日】2016年9月21日
【申請(qǐng)日】2014年9月23日
【發(fā)明人】弗萊斯朔韋爾 D·德, C·哈維克爾
【申請(qǐng)人】阿爾卡特朗訊公司