王鹤云 陈雯

摘 要：目前随着5G网络的迅猛发展，超密集网络下的缓存策略研究价值也越来越大。目前业界常用的是Least Recently Used（最近最少使用），Least Frequently Used（最近最不常用）算法。然而，随着数据量与数据内容多样性的迅猛增长，有效而安全地向最终用户提供高质量服务变得越来越具有挑战性。常规的应用方法是被动性策略，但无法像主动性策略一样应对复杂的数据冲击。不同的用户对不同的内容有着不同的需求。基于此，本文提出了一种基于用户聚类的缓存预测算法。首先对用户的相似度进行分组聚类，这样可以更好地对相似偏好的用户进行区分。再通过基站与用户的相似度进行匹配，这样使得基站与用户的匹配度更高，提高命中率。本文还基于喜好因素，热度因素和时间间隔因素三个不同方面对基站的缓存文件进行更新管理。实验结果表明，该策略可以有效提高缓存命中率并降低用户响应时延。

关键词：超密集网络;缓存策略;命中率;时延

近年来，5G通信技术不仅仅依靠扩展的带宽来支持日新月异的内容数据冲击，而且还采用超密集网络为内容数据的爆炸性增长提供足够的质量保证。一些研究人员发现，越来越多的数据以及网络流量被用户重复下载，而由于回程链路阻塞，内容分发可能给用户带来长时延并降低服务可靠性，为了更好地提高缓存命中率，可以直接将这些内容储存到本地基站或宏基站中。基站中每个数据对象最终都将发送给感兴趣的用户。……