بهبود بازیابی داده ذخیره سازی شده در حافظه نهان گره های میانی در شبکه های مبتنی بر محتوا با ارایه روشی جهت پیش بینی درخواست کاربران

از جمله مهمترین مسایل مطرح در شبکه های مبتنی بر محتوا چگونگی ذخیره سازی داده ها در حافظه گره های میانی است که در زمان های آتی که درخواست کاربران به گره ای در شبکه می رسد، بیشترین نرخ اصابت را در گره داشته باشد. برای رسیدن به این هدف تا کنون سیاست گذاری های متفاوتی جهت چگونگی و بازیابی داده ها در حافظه نهان گره های شبکه های مبتنی بر محتوا ارایه شده است و هر کدام از این روش ها با توجه به معیارهای متفاوتی سعی در رسیدن به بیشترین مقدار نرخ اصابت در گره های شبکه کرده اند. روشی که در این مقاله پیشنهاد شده، ابتدا میزان محبوبیت درخواست ها را جمع آوری و دسته بندی کرده سپس با توجه به مشاهداتی که در زمانهای بعدی دارد و بازخورد خطایی که از تخمین های پیشین به دست می آورد، برای میزان درخواست های آینده پیش بینی انجام داده و با توجه به معیارهای تعریف شده محبوبترین داده ها را گزینش و در حافظه نهان گره ذخیره میکند. در نهایت این روش را تحت معماری شبکه داده نامگذاری شده پیاده سازی و ارزیابی شده است. نتایج نشان میدهد که در روش پیشنهادی میزان میانگین پیش بینی انجام شده دقت بیشتری نسبت به روش مشابه دارد. پس از ارزیابی نتایج به دست آمده کاستیهای روش پیشنهادی بدین ترتیب مشخص گردید: روش یاد شده با افزایش نوسان بسته های درخواستی کاربران دچار مشکل شده و نرخ اصابت بسته ها در حافظه نهان کاهش می یابد.

Keywords:

حافظه نهان , شبکه مبتنی بر محتوا , نرخ اصابت , پیش بینی , اتورگرسیو