内容分发网络中基于相关内容吸引的缓存算法

内容分发网络中基于内容名的缓存算法会导致路由表规模随网络增长而膨胀,将严重影响网络路由效率和性能。针对该问题,提出一种基于相关内容吸引的节点缓存算法。利用本地缓存算法,通过节点已缓存内容对其他内容的吸引作用吸引主要特征内容,排斥具有次要特征内容,将缓存中不同特征内容的数量差异进行放大,使缓存内容表现出明显稳定的内容特征。同时设计相关内容生存时间相互增强的缓存策略,以减少路由通告信息量,提高内容分发网络的路由能力。实验结果表明,该算法在有效解决路由问题的同时,能增强缓存内容稳定性,提高路由可信度。

基于加强型价格的随机指数标记算法

随机指数标记算法(REM)是一种有效的主动队列管理算法,但存在队列收敛性差、对网络环境变化响应慢等问题。通过理论分析表明REM算法类似于PI控制策略,感知网络拥塞的能力不足。为克服上述缺点,提出了基于加强型价格的随机指数标记算法(EPREM)。EPREM在原价格中增加数据包到达速率的变化率,得到加强型的价格,同时引入带宽缓存比例因子指导新增参数λ的设定。在NS2中的仿真实验结果表明:相对于REM算法,EPREM提高了收敛速率,增强了算法对网络环境变化的适应性。