基于预测的Web缓存替换策略

为提高Web缓存性能,在缓存替换算法的基础上加入预测机制,提出了基于预测的Web替换策略P-Re。预测算法采用PPM上下文模型,当缓存空间不够用来存放新的对象时,P-Re选择键值较小且未被预测到的对象进行替换。实验表明,基于预测的W eb缓存替换算法P-Re相对于传统替换算法而言具有较高的命中率和字节命中率。

一种有效的Web代理缓存替换算法

设计良好的Web缓存替换策略能使网络上的资源得到最有效的利用。文章设计了一个较有效率的Web缓存替换策略LFRU,期望以较佳的方式获得网络资源及改善Web缓存的性能和服务质量。实验结果表明该策略有较高的文档命中率和字节命中率。

基于对象角色的高精度缓存替换算法

现有的Web缓存器的实现主要是基于传统的内存缓存算法,由于Web业务请求的异质性,传统的替换算法不能在Web环境中有效工作。研究了Web缓存替换操作的依据,分析了以往替换算法的不足,考虑到Web文档的大小、访问代价、访问频率、访问兴趣度以及最近一次被访问的时间对缓存替换的影响,提出了Web缓存对象角色的概念,建立了一种新的基于对象角色的高精度Web缓存替换算法(ORB算法);并以NASA和DEC的代理服务器数据为例,将该算法与LRU、LFU、SIZE、Hybrid算法进行了仿真实验对比,结果证明,ORB算法具有较好的性能表现。

最小驻留价值缓存替换算法

为提高搜索应用的缓存性能,提出一种新的缓存替换算法——最小驻留价值(LCV)算法。该算法通过计算对象访问频率,结合对象大小,优先选取对字节命中率贡献最小的对象集进行缓存替换。同时,将最优替换对象集的选取转化为经典0-1背包问题进行了求解,并给出一种快速近似解法及其算法数据结构。在与最近最少使用(LRU)、先进先出(FIFO)和考虑多重因子(GD-Size)算法的对比实验中,LCV算法在提高字节命中率(BHR)和降低平均延时时间(ALT)方面具有更好的性能。

一种面向Web内容分发的缓存替换策略

研究了Web内容分发和对Web服务性能有重要影响的缓存替换机制。考虑到当前的缓存替换策略主要采用基于频度与本地局部性的替换基准，而且通过对实际Web数据访问情况的分析发现访问间隔的变化率对命中率的影响具有更高的准确性，提出了一种基于访问密度与大小混合的缓存替换策略。该策略通过统计近期缓存对象的平均访问间隔，结合该对象的字节大小进行缓存替换，并分别在固定对象数目空间与对象字节空间上进行对比实验，实验结果表明，该策略比最近最少使用（LRU）和最近频繁使用（LFU）算法提升3％-5％的命中率，比空间与频度混合贪心（GDSF）算法提升5％～8％的字节命中率。