• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>2017 Wireless Days >ARMA based popularity prediction for caching in Content Delivery Networks
【24h】

ARMA based popularity prediction for caching in Content Delivery Networks

机译：基于ARMA的流行预测，用于内容交付网络中的缓存

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Content Delivery Networks (CDNs) are faced with an increasing and time varying demand of video contents. Their ability to promptly react to this demand is a success factor. Caching helps, but the question is: which contents to cache? Considering that the most popular contents should be cached, this paper focuses on how to predict the popularity of video contents. With real traces extracted from YouTube, we show that Auto-Regressive and Moving Average (ARMA) models can provide accurate predictions. We propose an original solution combining the predictions of several ARMA models. This solution achieves a better Hit Ratio and a smaller Update Ratio than the classical Least Frequently Used (LFU) caching technique.
机译：内容交付网络（CDN）面临着不断增长的时变视频内容需求。他们迅速响应这一需求的能力是成功的因素。缓存有帮助，但问题是：要缓存哪些内容？考虑到最流行的内容应该被缓存，本文着重于如何预测视频内容的流行度。从YouTube提取的真实踪迹显示，自动回归和移动平均（ARMA）模型可以提供准确的预测。我们提出了一种结合了几种ARMA模型预测的原始解决方案。与经典的最少使用（LFU）缓存技术相比，此解决方案具有更好的命中率和更小的更新率。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号