云下载系统的理论模型与存储资源分配算法研究

北京交通大学 徐嬴颖

主要工作和创新点如下：(1)针对预约式服务交互过程,本文建立了系统交互模型,从理论上刻画了采用预约式服务的云下载系统运行机制,并提出了系统响应策略(何时通知用户、何时开始获取文件)。首先,分析单个用户下载过程,建立了交互模型量化交互过程中的各时间元素及其关系,并由模型理论分析,推导出用户时间开销和系统存储时间开销。其次,建立了最小化这两个时间开销的多目标优化问题,并分别求解得到最优化用户体验和最小化系统存储开销的系统响应策略。最后,由多目标优化问题的求解得到用户时间开销与系统存储时间开销之间是折中的关系,在此基础上提出了在满足用户服务质量需求的条件下最小化系统存储开销的系统响应策略。(2)针对驱动用户与系统合作的激励问题,本文设计了适用于多用户场景的用户合作激励机制,通过对同一个文件的多个预约请求的汇聚和连续服务实现文件的高效复用。首先,建立了多用户请求云下载的多用户模型,获得不同文件复用情况下的系统服务成本。其次,在用户无私和用户自私两种情况下,分析用户与系统的收益。并针对这两种用户提出了根据用户等待时间和报价提供差分服务的合作机制。最后,通过仿真和理论分析证明了这些机制有效降低了系统获取文件和缓存文件的开销,保证了用户服务的公平性。(3)针对已有的云缓存分配算法没有考虑预约式服务特点的问题,本文提出了存储容量模型,定量地给出了系统需要的云缓存量(即云存储需求下限)。首先,通过对云下载系统中云缓存设计面临问题的深入分析,揭示了用户删除行为与文件有效期是影响系统云缓存占用量的关键因素。其次,通过大规模数据分析和挖掘,发现了云缓存的存储特性(如用户请求数与缓存文件数的关系等)和用户删除文件的规律。最后,建立了存储容量模型。该模型公式化地表示了请求数、文件有效期与系统云缓存量的关系,为云缓存容量规划和文件有效期设计提供了理论依据。与基于真实数据的仿真值进行比较,模型预估的云缓存需求量误差在10%以内。(4)针对云下载系统中存储资源开销和计算资源开销之间的关系,本文在云存储需求下限的基础上建立了系统资源开销模型,提出了云缓存内容管理算法。对大规模商业云下载系统的实际运营数据进行分析,得到系统资源开销模型中的关键参数。由该模型求解获得的云缓存租用量,在满足系统的需求的条件下使云存储和计算资源的开销总和最小。然后,对大规模真实系统中的用户行为数据进.行分析,得到了用户取回行为的特征。在此基础上,提出了一种云缓存内容管理算法(F-LRU)。最后,通过大规模实际数据驱动的仿真试验,结果显示了F-LRU算法的命中率和比特命中率都高于LRU、SIZE算法。

云下载系统的理论模型与存储资源分配算法研究