摘要
缓存是解决流媒体网络瓶颈和磁盘I/O瓶颈的重要方法.用户在访问流媒体系统的时候呈现出非常复杂的行为,这些行为对于设计有效的流媒体缓存方法至关重要.现有的算法往往以泊松分布,zipf分布来表示用户行为,这往往就失之精确.本文根据用户的点播行为和操作行为,设计了符合实际用户行为的大容量缓存算法,并进行实验,实验结果表明效果良好.
Media Streaming Caching is an important method to alleviate the network bottleneck and the disk I/O bottleneck.Users show very complicated behavior when they are visiting the media streaming system.These behaviors are very critical to design effective caching algorithm.The current caching algorithms are based on the hypothesis that the users obey Poisson Distribution or Zipf Distribution.The hypothesis is usually not consistent with the actual instance.In this article,we design a caching algorithm of media streaming based on the users′ actual click behavior and action.We use actual data to experiment the algorithm,the result shows that the algorithm is effective.
出处
《小型微型计算机系统》
CSCD
北大核心
2012年第8期1693-1696,共4页
Journal of Chinese Computer Systems
基金
科技部支撑计划项目(2008BAH28B04)资助
国家"八六三"高技术研究发展计划项目(2009AA01A340)资助
安徽高校省级自然科学研究重点项目(KJ2009A152)资助
关键词
用户行为分析
内部流行度
大容量缓存
user behavior analysis
internal popularity
big-capacitance caching
