面向社交网络密集图数据存储的缓存置换算法

为了缓解社交网络热点话题生成的密集图数据导致存储的频繁读取和缓存空间浪费等问题，针对话题产生与消亡的演化更新规律，提出了基于话题热度演化加速度的缓存置换算法(cache replacement algorithm based on topic heat evolution acceleration, THEA-CR)。该算法首先对社交网络数据进行话题簇的实体划分，识别锚定目标。其次，计算话题热度演化加速度，对热点数据的优先级进行研判；最后设计双队列缓存置换策略，针对话题关注度和访问频率进行缓存空间的置换和更新。在新浪微博数据集中与经典的缓存置换算法进行大量对比实验，验证了所提算法具有较好的可行性与有效性。结果表明提出的THEA-CR算法能够在社交网络密集图数据的不同图查询操作中平均提升约31.4%的缓存命中率，并且缩短了约27.1%的查询响应时间。