本发明涉及一种内容缓存优化方法，尤其是一种在5G环境下用排队论对基于边缘计算的内容缓存的优化方法，属于移动通信技术领域。
背景技术：
近年来，移动设备飞速发展，用户量也急剧上涨，随着物联网的快速发展和互联网5G技术的诞生，我们已经进入了万物互联的时代，网络边缘设备数量的迅速增加，使得该类设备所产生的数据已达到泽字节级别。以云计算模型为核心的大数据处理时代，其关键技术已经不能高效处理网络边缘设备所产生的数据移动网络面临着前所未有的挑战。针对出现的问题，边缘计算模型应运而生，较好地解决了物联网时代大数据处理中所存在的上述问题。边缘计算是指在网络边缘设备上执行任务计算的一种新型计算模型，边缘计算的“边缘”指从网络边缘设备所产生的数据源到云计算中心数据路径之间的任意计算资源和网络资源，其基本理念是将计算任务在接近数据源的计算资源上运行。
在未来5G环境下，考虑到超密集场景，D2D场景等等，边缘设备更是向高密度方向发展。边缘计算节点本身就具有计算、存储等功能，可以利用边缘计算对用户产生的大量数据进行处理，另外边缘计算在靠近用户端处理数据不必经过云计算中心降低了用户业务处理的时延。
微蜂窝是对宏蜂窝的补充，最初是用来消除宏蜂窝的盲区，现在主要设置在小区业务繁忙的区域。边缘缓存主要是利用微基站、边缘服务器、用户端等边缘缓存设备，提前对用户所需内容进行缓存，以降低核心网的压力。由于微蜂窝覆盖范围小，微基站离用户非常近，加上其他边缘缓存设备的补充，可以实现用户与其他终端间的直接通信，大大减小传输时延，减少功率损耗，提高用户体验。
技术实现要素：
本发明的目的在于：针对现有技术存在的缺陷，提出一种基于边缘计算的内容缓存优化方法，根据用户移动轨迹的规律性，对某一区域进行区域再划分，利用最优化模型对需要缓存的文件进行缓存优化，再将内容传输时间与用户需求作对比，以决定是否通过边缘缓存设备进行缓存。
为了达到以上目的，本发明提供了一种基于边缘计算的内容缓存优化方法，包括如下步骤，
步骤1、设定区域，并根据区域内用户的行为轨迹对所述区域进行区域再划分；
步骤2、根据前述各再划分区域中不同文件内容的流行度、内容大小以及不同缓存终端的大小，建立最优化模型求解；
步骤3、根据求解出的流量卸载率估算对该区域网络的改善情况；
步骤4、根据用户的移动速度以及在不同缓存终端服务范围内的内容请求速度，判断是否通过缓存终端进行缓存。
本发明考虑不同边缘设备有不同的内存大小，不同文件也有不同的流行度和文件大小，利用最优化理论进行缓存分配，进而优化缓存，以保证缓存内容尽量多，尽量满足用户需要，有效降低时延，改善用户的缓存体验。
传统的区域划分即为蜂窝小区的划分，由于微小区区域面积小，用户移动性大，频繁地切换小区会引起大量的信令交互以及能源的浪费，因此本发明按照用户的移动规律，总结出新的区域规划，以减少切换次数。
本发明首先根据用户移动轨迹的规律性对某一区域进行区域再划分，再利用最优化理论进行文件的优化缓存，再通过比较文件传输时间与用户要求以决定用户缓存方式，在此基础上减少业务传输时延，提升用户体验。
本发明的进一步限定技术方案为：所述步骤1中，根据用户移动的轨迹的重叠程度对该区域A进行区域再划分，将用户移动轨迹重叠较多的区域划为一个区A1，几乎没有重叠的区域再划为一个区A2，以此类推，将该区域A划分为K个区域，即A＝{A1,A2,L,AK}。并根据用户移动规律发现用户移动高频的区域有限，设定这些区域为热点区。
进一步的，所述步骤2中，当用户所处位置位于Ak，其中k为区域A中第k个区域，该区域内有n个微基站和h个边缘缓存节点。假设某一时刻用户数量为U。所述微基站和边缘缓存节点有不同的缓存容量，缓存内容有不同的大小和内容流行度。当缓存内容具有d个文件，文件集合D＝{D1,D2,L,Dd}，文件的大小为文件的流行度为缓存终端的大小为其中i为第i个文件，文件流行度与用户的下载频率成正比。假设缓存终端的容量为M,设置一个布尔值x，若在缓存终端缓存第i个文件，则xi＝1，否则xi＝0。对网络负载的改善情况通过流量卸载率G表示：
其中G为流量卸载率，Pj为用户j成功获得所需内容的概率，G越大，表示对网络的改善性能越好。要使G最大，可以得到如下约束得到最优化模型：
xi∈{0,1}(2)
进一步的，所述步骤4中，由于用户的移动性，若用户与缓存终端的距离小于缓存终端的服务范围半径，则视为用户可以从该缓存终端获取所需内容。此外，由于用户在某一缓存终端服务范围内的时间有限，因此设置一个容忍时间T，该时间表示在容忍时间T内，用户可以从缓存终端获得所需内容，设从边缘缓存节点到用户的传输速率为vh，从微基站到用户的传输速率为vB，则从边缘缓存节点获得所需内容的时间为
从微基站获得所需内容的时间为
若传输时间高于T，则用户依然通过基站接入核心网获得。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：本发明提出的基于边缘计算的内容缓存优化方法，是一种综合考虑5G环境下边缘设备的巨大数量以及5G环境下爆发的巨大业务量，导致数据传输压力大，并利用用户移动的规律性，结合最优化理论，优化文件的缓存方式和用户的请求缓存方式。本发明产生的基于边缘计算的内容缓存优化方法考虑不同边缘设备有不同的内存大小，不同文件也有不同的流行度和文件大小，利用最优化理论进行缓存分配，进而优化缓存，以保证缓存内容尽量多，尽量满足用户需要，有效降低时延，改善用户的缓存体验，非常简单而易于实现，具有很好的应用前景。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明步骤1中的场景图。
图2是本发明步骤1中对区域再划分的示意图。
图3是本发明的流程示意图。
具体实施方式
本实施例提供了一种基于边缘计算的内容缓存优化方法，利用了用户移动的规律性和最优化理论，提高5G通信下用户业务的服务质量。
本发明主要包括三个内容：一是利用用户移动的规律性在某一区域内进行区域再划分；二是用最优化理论进行文件缓存优化；三是通过比较从边缘设备缓存的内容的传输时间和用户需求的时间，以判断缓存方式。
具有如下步骤：
步骤1、根据用户的行为轨迹对某一区域进行区域再划分。
步骤2、根据不同文件内容的流行度、内容大小以及不同缓存终端的大小，建立最优化模型求解。
步骤3、根据求解出的流量卸载率估算对该区域网络的改善情况。
步骤4、根据用户的移动速度以及在不同缓存终端服务范围内的内容请求速度，判断是否通过缓存终端进行缓存。
其中，步骤1中区域再划分的具体流程为，
假设一个区域，其中有若干个微小区a和若干个边缘缓存节点b，微基站c与小区数相同，如图1所示。
用户的移动行为看起来有很大的随机性，其实背后隐藏着巨大的规律性，根据用户移动的轨迹的重叠程度对该区域进行区域再划分，如用户移动轨迹重叠较多的区域划为一个区，几乎没有重叠的区域再划为一个区，根据用户移动规律，往往可以发现用户移动高频的区域有限，这些区域即为热点区。按这样的划分方式，不同区域流行的文件内容不同，每个区域的缓存内容更具针对性，提高缓存效率。假设将该区域A划分为K个区域，即A＝{A1,A2,L,AK}，如图2所示。
步骤2中内容缓存优化的具体流程为，
假设用户所处位置位于Ak，其中k为区域A中第k个区域，该区域内有n个微基站和h个边缘缓存节点。假设某一时刻用户数量为U。基站和边缘缓存节点有不同的缓存容量，缓存内容有不同的大小和内容流行度。假设有d个文件，文件集合D＝{D1,D2,L,Dd}，文件的大小为文件的流行度为缓存终端的大小为其中i为第i个文件，文件流行度与用户的下载频率成正比。假设缓存终端的容量为M,设置一个布尔值x，若在缓存终端缓存第i个文件，则xi＝1，否则xi＝0。本专利的改进对网络负载的改善情况通过流量卸载率G表示：
其中G为流量卸载率，Pj为用户j成功获得所需内容的概率，G越大，表示对网络的改善性能越好。要使G最大，可以得到如下约束得到最优化模型：
xi∈{0,1}(2)
步骤4中用户缓存的具体流程为：
由于用户的移动性，若用户与缓存终端的距离小于缓存终端的服务范围半径，则视为用户可以从该缓存终端获取所需内容。此外，由于用户在某一缓存终端服务范围内的时间有限，因此设置一个容忍时间T，该时间表示在容忍时间T内，用户可以从缓存终端获得所需内容，设从边缘缓存节点到用户的传输速率为vh，从微基站到用户的传输速率为vB，则从边缘缓存节点获得所需内容的时间为
从微基站获得所需内容的时间为
若传输时间高于T，则用户依然通过基站接入核心网获得。
以上对本发明实施例所提供的一种基于边缘计算的内容缓存优化方案进行了详细介绍，对于本领域的一般技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。