移动计算环境下的同步模型研究

结合缓存技术和移动数据库技术,在现有的同步模型的基础上,提出了一个改进的同步模型--基于Web内容和数据集同步的同步复制模型,满足了移动计算的要求.客户端缓存部分数据和网页,允许在网络断连的情况下仍可以在客户端操作,通过同步模型的同步,保持客户端与服务器之间的数据的一致性.     

移动数据库中基于Agent的缓存一致性策略

在移动客户端建立缓存可以提高移动数据库系统的性能,也会带来服务器上的数据和缓存中的数据不一致的问题.针对这一问题,文中分析了已有解决方案的不足,建立了基于Agent的缓存系统模型.在此基础上提出一种缓存管理方案,充分考虑了移动环境的特点,对移动客户端进行分组管理,利用Agent 技术解决了缓存失效问题.最后将该策略与传统经典策略进行分析比较,通过模拟实验表明该原型相对于传统缓存失效解决方案具有更好的性能.     

移动环境下缓存弱一致性的研究

在移动环境下，客户缓存为提高客户一服务器数据库系统的整体性能提供了有效途径。缓存与服务方数据的同步策略是缓存研究的重要内容。移动环境下，考虑到网络的带宽、开销和可靠性等因素，客户有可能允许缓存维护弱一致性，即允许缓存与服务方数据存在偏差。本文针对基于语义的缓存，给出客户限定偏差范围的方法，并且提出基于有效期的缓存同步算法。     

移动数据库中数据复制同步处理策略的研究

同步技术是保证复制移动数据库系统一致性的一项关键技术,鉴于目前移动复制同步技术存在通讯数据量大,存储空间消耗多,尤其是在网络带宽下降时,不能及时更新客户端的数据,导致移动事务执行失败等缺陷。通过UTLRSP（Union Transaction-Level Result-Set Propagation,关联事务结果集）复制同步模型结合数据广播技术,并利用基于优先级的增量更新算法实现客户端与中心数据库服务器的数据同步处理。实验结果表明,与两级复制机制相比,UTLRSP模型将事务作相关联处理,且只保存事务结果,有效降低了存贮空间的消耗,减小了同步过程中通讯数据量;基于优先级的增量更新算法根据数据新鲜度排列优先级,保证在无线网络带宽下降时新鲜度最高的数据先传输,提高了数据的传输效率、动态新鲜度以及客户端的可扩展性。     

HTML5混合式移动社交应用中缓存管理机制的研究

随着移动互联网的发展,混合式开发作为一种快速开发的方式已经成为一种趋势,这种方式既可以体现Web应用可以同时适用于IOS平台和Android平台的特点,又能解决Web应用中不能调用操作系统底层资源的问题。当今社交类应用中普遍存在大量的图片,重复图片从服务器多次存取会消耗客户端流量、增加访问延迟,当今混合式开发框架中的缓存机制并不能解决这个问题。因此提出一个可以适用于混合式移动社交应用的图片缓存管理机制,提供缓存图片管理的原生模块供开发者在混合模式下使用,并将其应用于社交应用中。同时提出了一种基于社交关系的图片缓存替换算法,该算法结合了社交应用中用户之间的社交关系亲密值、LRU算法、图片占用空间大小。实际应用表明,该算法可以提高混合式移动社交应用中的缓存命中率。     

基于后缀动态多缓存协作的流媒体分发技术

在Internet上高效传输流媒体数据是推广诸如视频点播等应用的基础．现有方案仅考虑了采用单代理结构的前缀缓存和服务器调度来降低骨干网带宽消耗和服务器负载．在带前缀缓存的Batch patching基础上提出了后缀的动态缓存算法ICBR，并提出了基于ICBR缓存算法的多缓存协作体系结构及协作算法MCC，仿真结果表明，基于ICBR的多缓存协作显著地降低了获取补丁而导致的骨干网带宽的消耗，提高了客户端QoS同时也降低了服务器负载．     

基于语义缓存的移动查询导出

在移动环境下，客户缓存为提高客户－服务器数据库系统的整体性能，特别是保证客户端数据可用性提供了有效途径，该文针对如何从基于语义描述的缓存中导出当前查询（部分）结果的问题，研究了查询从缓存导出的充分条件，并在定义查询与缓存之间的精确匹配，包含匹配和相互匹配几种情况的基础上，给出缓存与查询，包含与相交匹配的判断条件和相应的算法，基于该文的研究，查询可以充分利用本地语义缓存的内容，从而降低网络开销，加快响应时间，并支持移动客户断接时的数据访问。     

WEBGIS混合缓存的应用与研究

大数据量的网络传输速度和空间信息的分布式处理效率成为影响WebGIS系统性能的关键因素。缓存技术是改进系统性能的关键技术。针对胖客户模式、瘦客户模式存在的不足,提出一种适用于电网可视化管理系统的混合缓存模式,即通过运用服务器缓存和客户端缓存技术,在服务器端基于地图缓存和无状态的池式服务,在客户端采用内存缓存,提高用户请求响应用速度。实验表明,这种模型可以减少数据的网络传输量,提高空间数据的存取效率和并发访问能力。     

一种高效的C/S架构数据缓存策略

许多传统的应用开始转而向网络化发展。然而,在一些基于C/S的应用系统中,客户端经常需要与服务端进行大量重复数据的交互。大量重复信息的交互,极大地增加了服务器的网络负担,也大大延长了客户端的网络响应时间,应用系统的性能因此而急剧的下降了。本文提出一种C/S模式下基于GUID的数据缓存策略,在客户机频繁访问服务器数据库的情况下,能够有效降低客户机对服务器数据库大二进制字段的访问次数,在实践中取得较好的应用效果。     

基于时间间隔的P2P流媒体直播系统缓存算法

针对基于分片传输机制的P2P流媒体直播系统客户端缓存问题,为提高节点间请求数据分片的命中率和避免数据分片大量冗余,提出一种依赖邻居节点请求量的节点缓存替换算法.该算法将分片在节点的缓存时间进行等间隔划分,利用马尔可夫链转移概率矩阵计算理论,预测分片在下一时刻的缓存价值.并将该算法和传统算法FIFO及LRU算法进行了对比实验,实验结果表明,在同等条件下,该算法相较于传统算法能更好地提高数据的命中率.     

通用缓存替换策略下的缓存强一致性研究

建立准确的缓存分析模型有助于更好地预测缓存行为,对于网络性能分析与规划具有重要作用。现有面向缓存强一致性研究的分析模型普遍基于最近最少使用（LRU）缓存替换策略,然而在实际环境中需要根据不同的应用场景和缓存节点能力采取LRU、q-LRU、先进先出等不同的缓存替换策略。为扩展缓存强一致性分析模型的适用范围,基于缓存建模的基本假设构建缓存强一致性通用分析模型,并给出被动查询、主动移除、主动更新3种缓存强一致性策略下缓存命中率和服务器负载的计算方法。利用模型计算结果绘制缓存参数变化曲线图找出使缓存性能达到最优的值,通过分析模型计算结果选出给定缓存参数时对应的最优缓存替换策略。实验结果表明,该模型在3种缓存强一致性策略下均具有较高的计算精确度,其中计算结果与仿真结果的最大误差和最小误差分别为6.92%和0.06%,适用于通过特征时间近似的缓存替换策略。     

基于高斯混合模型的Web代理服务器缓存替换策略

Web代理服务器缓存能够在一定程度上解决用户访问延迟和网络拥塞问题,Web代理缓存的缓存替换策略直接影响缓存的命中率,从而影响网络请求响应的效果;为此,使用一种通过固定大小的循环滑动窗口提取Web日志数据的多项特征,并使用高斯混合模型对Web日志数据进行聚类分析,预测在窗口时间内可能再次访问到Web对象,结合最近最少使用(LRU)算法,提出一种新的基于高斯混合模型的Web代理服务器缓存替换策略;实验结果表明,与传统的缓存替换策略LRU、LFU、FIFO、GDSF相比,该策略有效提高了Web代理缓存的请求命中率和字节命中率。     

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。     

基于协作小小区与流行度预测的在线热点视频缓存更新策略

针对无线移动设备数量的指数增长使得异构协作小小区（SBS）将承载大规模的流量负载问题，提出了一种基于协作SBS与流行度预测的在线热点视频缓存更新方案（OVCRP）。首先，分析在线热点视频的流行度在短期内变化情况；然后，构建k近邻模型进行在线热点视频流行度的预测；最后，确定在线热点视频的缓存更新位置。为了选择合适的位置存放在线热点视频，以最小化总体传输时延为目标，建立数学模型，设计整数规划优化算法。仿真实验结果显示，与随机缓存（RANDOM）、最近最少使用（LRU）、最不经常使用（LFU）方案相比，OVCRP在平均缓存命中率和平均访问时延方面具有明显的优势，因此减轻了协作SBS的网络负担。     

面向费用优化的云存储缓存策略

为提高云存储的访问速率并降低费用,提出了一种面向费用优化的云存储缓存策略。利用几乎免费的局域网环境下的多台桌面计算机,在本地建立一个分布式文件系统,并将其作为远端云存储的缓存。进行文件读取时,首先查找其是否在缓存中,若存在则直接从缓存读取;若不存在则从远端云存储读取。采用了最近最少使用(LRU)算法进行缓存替换,将冷门数据从缓存中替换掉。以亚马逊简单存储服务(S3)作为远端的云存储服务,对原型系统进行了简单的性能测试。测试结果表明,使用了所提出的缓存策略后,在降低费用的同时能够显著提高文件读取的速度。     

面向网络流量的缓存替换算法比较与分析

缓存替换算法对优化网络处理应用的性能起到关键作用，但目前面向网络流量的缓存替换算法研究主要集中在算法设计和领域应用方面，较少有文献对现有的缓存替换算法在网络环境下的性能进行分析比较。对此，本文针对主要的6种缓存替换算法进行分析和比较。通过分析网络流量的新近度与频度特征，为基于最近最少使用(Least Recently Used, LRU)和最近最不常使用(Least Frequently Used, LFU)的缓存替换算法给出实际依据。对仿真环境和实际系统的实验结果表明，类LRU算法较LFU算法更适用于网络流量，而缓存空间较大时，随机替换算法较LRU算法更适用于多核环境。     

Window‐LRFU: a cache replacement policy subsumes the LRU and window‐LFU policies

Replacement algorithms have been widely used as key technologies for cache management in areas such as file systems or database management. A replacement algorithm determines which page to be evicted when the cache is full and a new page is referenced. Because replacement policies considering only recency or frequency such as LRU (Least Recently Used) and LFU (Least Frequently Used) do not perform well, replacement polices that take both recency and frequency into account have been intensively studied. As a classical replacement policy, LRFU (Least Recently/Frequently Used) policy subsumes the LRU and LFU policy. However, because LFU is not able to adapt to the change of page accessing pattern and it is hard to select a suitable λ for each certain trace, LRFU cannot always guarantee a good performance. In this paper, we propose a Window‐LRFU policy, to subsume the LRU and Window‐LFU policies. Experimental results show that the Window‐LRFU policy outperforms LRFU and has at least competitive performance than other classical algorithms. Copyright © 2015 John Wiley & Sons, Ltd.