基于深度學(xué)習(xí)的視頻緩存算法

陶佳能+劉獻(xiàn)忠

摘 要

在視頻深度學(xué)習(xí)環(huán)境下，要提高用戶體驗(yàn)就必須在視頻訪問速度方面做文章。而對視頻訪問速度的快慢產(chǎn)生影響的主要因素有兩個(gè)：服務(wù)器響應(yīng)速度和網(wǎng)絡(luò)傳輸效率，但服務(wù)器響應(yīng)用戶請求的速度更是重中之重。目前，在視頻深度學(xué)習(xí)環(huán)境下，采用緩存技術(shù)是提升用戶訪問速度的一個(gè)有效手段，也被業(yè)界廣泛關(guān)注，并進(jìn)行了實(shí)際的應(yīng)用探索。當(dāng)前，主要的經(jīng)典算法有 LFU、LRU、LRfU、sc等，本文對他們進(jìn)行了簡單的介紹，著重就 LFU、LRU 算法作了重點(diǎn)的分析研究，并通過某運(yùn)營商提供的實(shí)際運(yùn)行數(shù)據(jù)與在視頻深度學(xué)習(xí)環(huán)境下獲得的模擬數(shù)據(jù)開展實(shí)證比對分析，觀察各算法的實(shí)際表現(xiàn)。從各算法的應(yīng)用結(jié)果的具體情況出發(fā)，研究視頻深度學(xué)習(xí)環(huán)境下所應(yīng)采用的緩存算法策略，進(jìn)而為提高視頻深度學(xué)習(xí)系統(tǒng)的緩存命中率尋求理論研究根據(jù)。

【關(guān)鍵詞】視頻深度學(xué)習(xí)系統(tǒng) 緩存算法 模擬實(shí)驗(yàn) 實(shí)證研究

1 引言

在網(wǎng)絡(luò)和多媒體技術(shù)日趨成熟的今天，視頻深度學(xué)習(xí)在IPTV、視頻網(wǎng)站等多個(gè)平臺(tái)上得到了非常普遍的應(yīng)用，用戶對視頻深度學(xué)習(xí)環(huán)境所獲得的體驗(yàn)提出了更高的要求，而比較關(guān)注的問題主要集中在視頻深度學(xué)習(xí)速度上面。在視頻深度學(xué)習(xí)系統(tǒng)里，恰當(dāng)采用緩存技術(shù)對于提高用戶訪問速度非常關(guān)鍵。一種基于訪問頻率的算法，它運(yùn)用計(jì)算用戶的熱點(diǎn)資源在一段時(shí)間內(nèi)訪問的頻率，運(yùn)算得出并確定下一次是否可能將要訪問的資源。這些算法，當(dāng)然，最容易理解的，因此最容易被接受的，包括LFU（leastfrequentlyused），和二 （2queues）在此基礎(chǔ)上發(fā)展起來的，LIRS （LowInterReferenceRecencySet）；基于日志的資源訪問時(shí)間，通過時(shí)間做出判斷，包括LRU；運(yùn)用訪問時(shí)間和訪問頻率集成的組合算法，包括LRFU等。當(dāng)然，由于現(xiàn)實(shí)中存在多種因素，目前通行的緩存算法都存在著一定不足，所以現(xiàn)在還沒有一種緩存算法能很好的解決所有目前已經(jīng)發(fā)現(xiàn)的緩存問題。從具體情況出發(fā)，研究改進(jìn)現(xiàn)存的緩存算法，盡可能達(dá)到我們的目標(biāo)是問題的關(guān)鍵。在現(xiàn)實(shí)因素干擾下，上述緩存算法都存在著一定不足，有其一定的適用范圍，必須結(jié)合具體情況有針對性的作出調(diào)整。

2 算法的原理與實(shí)現(xiàn)

高速緩存算法的歷史有一個(gè)自己的發(fā)展階段，都是在總結(jié)研究過去算法的基礎(chǔ)上進(jìn)行進(jìn)一步的研究改進(jìn)的。一些經(jīng)典的算法如LRU和LFU，它們有實(shí)現(xiàn)簡單的巨大優(yōu)點(diǎn)，是最基本的算法。對于LRU算法的改進(jìn)，如LRU-K和其他的一些變異算法，都是從不同的角度對LRU算法作出了改進(jìn)，在有些地方都取得了成功。它結(jié)合了LRU和LFU，LRFU，兼顧了LRU和LFU，以及LFU和LFU的優(yōu)點(diǎn)。其他的一些新算法，如SC和LIRS，它們有運(yùn)行穩(wěn)定的特點(diǎn)，在一些特定的環(huán)境中使用的效果非常好。

2.1 最近最少使用算法（LRU）

LRU，也就是緩存保留的意思，是指對最近一段時(shí)間使用比較多的熱點(diǎn)資源進(jìn)行緩存保留，并消除掉近期使用比較少的熱點(diǎn)資源數(shù)據(jù)。所以，替換內(nèi)容的時(shí)候只要把近期排在最少使用范圍的熱點(diǎn)資源數(shù)據(jù)作出替換就可以了。

LRU在緩存中會(huì)自動(dòng)對內(nèi)容作出列表，便于存儲(chǔ)最近經(jīng)常使用的熱點(diǎn)資源數(shù)據(jù)。當(dāng)用戶請求響應(yīng)數(shù)據(jù)的時(shí)候，它將自動(dòng)跳轉(zhuǎn)到第一位。而當(dāng)用戶所請求的熱點(diǎn)資源數(shù)據(jù)在列表中，這是已經(jīng)在高速緩存（例如是K），然后原來在K的數(shù)據(jù)將被拉到后方位置并被消除；而當(dāng)用戶請求響應(yīng)的數(shù)據(jù)不在列表中的時(shí)候，就會(huì)馬上被提取到緩存里面并自動(dòng)跳轉(zhuǎn)到第一位，其他內(nèi)容的順序位置同時(shí)依次往后排，那么排在最后的熱點(diǎn)資源數(shù)據(jù)就自動(dòng)消除。

2.2 最少頻率使用算法（LFU）

LRU算法以最近的訪問時(shí)間作為最重要的依據(jù)。而LFU算法是以訪問的頻率作為最重要的依據(jù)，依據(jù)內(nèi)容的訪問頻率并作出一定的排序，這種方法比LRU的考慮更為合理，因?yàn)椋L問頻率是最能真實(shí)的反映用戶使用熱點(diǎn)資源的。在如今許多后續(xù)改進(jìn)的算法中，大多采用了頻率相關(guān)的方法。此外，LFU算法使用緩存機(jī)制不同于LRU算法。LFU保持緩沖區(qū)中的匯總清單，記錄訪問數(shù)量的視頻。如果用戶請求的視頻響應(yīng)不在緩存中，就可以將本次訪問加入列表，并把表中排在最后的作出消除處理。

2.3 最近最少使用算法（LRU-K）K

LRU算法的緩存標(biāo)準(zhǔn)，是以數(shù)據(jù)首次被訪問為依據(jù)。從某種意義上來講，這是不合理的，因?yàn)楸敬卧L問的熱點(diǎn)資源有可能在今后的很長一個(gè)時(shí)期都不再進(jìn)行再次訪問，這就造成了緩存資源的極大浪費(fèi)，從而使經(jīng)常使用的熱點(diǎn)資源不能進(jìn)入緩存中，影響用戶的響應(yīng)體驗(yàn)。解決方案是在定義的T周期時(shí)間內(nèi)，當(dāng)熱點(diǎn)資源達(dá)到被事先設(shè)定的K次訪問時(shí)，它就自動(dòng)被放置在緩存列表的頂部。因此，隨著LRU-K算法。

3 總結(jié)分析

基于模擬數(shù)據(jù)和真實(shí)數(shù)據(jù)上的實(shí)驗(yàn)分析我們可以發(fā)現(xiàn)，得出的模擬數(shù)據(jù)和真實(shí)數(shù)據(jù)的結(jié)果存在著一致性。但不同的LIRS算法，與其他算法相比基本相同，研究證明模擬數(shù)據(jù)與實(shí)際數(shù)據(jù)非常適合，可以說是現(xiàn)實(shí)運(yùn)行情況的真實(shí)反映。在視頻深度學(xué)習(xí)環(huán)境中，LFU，LRFU和SC是業(yè)界目前3個(gè)最好的算法，簡單又易于實(shí)現(xiàn)，只考慮Cache的命中率的情況下，LRFU是最佳選擇；如果考慮到用戶實(shí)際的服務(wù)器容量以及網(wǎng)絡(luò)費(fèi)用等情況，我們可以對這3種算法的差異加以認(rèn)真研究，針對具體情況選擇最合適的算法。

最后，本論文對現(xiàn)有的視頻深度學(xué)習(xí)系統(tǒng)中已經(jīng)采用的一些緩存算法如LFU、 LRU 、LRfU、sc等，本文對他們進(jìn)行了簡單的介紹，著重就 LFU、 LRU 算法作了重點(diǎn)的分析研究，同時(shí)有針對性的給出了各算法的實(shí)現(xiàn)模式，利用模擬數(shù)據(jù)和實(shí)際數(shù)據(jù)實(shí)證比較分析了兩者之間的差異，為達(dá)到理想的效果，要充分考慮到服務(wù)器的容量，選擇相應(yīng)的算法，對一些參數(shù)作出適當(dāng)?shù)恼{(diào)整。

參考文獻(xiàn)

[1]錢培杰，武娟，高成英.視頻點(diǎn)播環(huán)境下的緩存算法研究[J].計(jì)算機(jī)科學(xué)，2015，42（S1）：38-44.

[2]郝偉，蘇秀琴，楊小君，李哲，吳慧蓮.基于隊(duì)列式緩存結(jié)構(gòu)的視頻圖像存儲(chǔ)算法[J].光子學(xué)報(bào)，2006（09）：1431-1434.

作者單位

華東師范大學(xué)計(jì)算機(jī)科學(xué)與軟件工程學(xué)院 上海市 200062endprint