版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、在有線數(shù)字電視系統(tǒng)中,由于數(shù)據(jù)量巨大,對(duì)讀寫速度都有很高的要求。磁盤I/O帶寬和網(wǎng)絡(luò)帶寬都有可能成為系統(tǒng)的瓶頸,一些可能存在的問題主要體現(xiàn)在媒體服務(wù)器負(fù)載過大,網(wǎng)絡(luò)擁塞的可能性提高,用戶啟動(dòng)延遲增加,用戶體驗(yàn)降低。在數(shù)字電視媒體服務(wù)器中應(yīng)用緩存技術(shù)可以有效解決以上問題。
緩存算法性能的優(yōu)劣和用戶的訪問模式、訪問行為、交互行為關(guān)系非常密切。本文設(shè)計(jì)了一種大容量的緩存算法,提出把緩存空間分為三部分,分別用來緩存前綴部分、后綴部
2、分和公共部分,并分別設(shè)計(jì)了準(zhǔn)入控制策略和替換策略;分段方式采用線性分段方式;采用重視即時(shí)信息,兼顧歷史信息的價(jià)值函數(shù)。以中國(guó)科學(xué)技術(shù)大學(xué)VOD(Video on Demand)系統(tǒng)實(shí)際數(shù)據(jù)為驅(qū)動(dòng)的仿真試驗(yàn)結(jié)果表明,該算法的字節(jié)命中率超過了大容量緩存算法中比較優(yōu)秀的指數(shù)分段緩存算法和自適應(yīng)分段緩存算法。
本文改進(jìn)了優(yōu)秀的內(nèi)存緩存算法——SRB算法(Shared Running Buffers),設(shè)置了一個(gè)閾值,讓算法能更好更
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于用戶查詢行為分析的在線訂票系統(tǒng)緩存優(yōu)化策略研究.pdf
- 移動(dòng)機(jī)會(huì)網(wǎng)絡(luò)中用戶行為分析與內(nèi)容緩存策略研究.pdf
- 基于群體用戶行為的移動(dòng)網(wǎng)絡(luò)合作緩存方法研究
- 基于用戶行為的用戶查詢意圖分析方法及研究.pdf
- 基于用戶行為分析的冰箱設(shè)計(jì)研究.pdf
- 基于Hadoop的網(wǎng)絡(luò)用戶行為分析.pdf
- 基于Web日志的用戶行為分析.pdf
- 基于用戶訪問行為分析的網(wǎng)站分類研究.pdf
- 基于用戶行為的P2P流媒體點(diǎn)播緩存管理機(jī)制研究.pdf
- 基于網(wǎng)絡(luò)爬蟲的用戶行為分析.pdf
- 基于Spark的網(wǎng)絡(luò)用戶行為分析方法的研究.pdf
- 基于興趣分類的用戶行為分析系統(tǒng)的研究.pdf
- 基于數(shù)據(jù)挖掘的電網(wǎng)用戶行為分析的研究.pdf
- 基于用戶行為分析的搜索排序算法研究.pdf
- 基于用戶行為分析的學(xué)術(shù)博客優(yōu)化.pdf
- 基于瀏覽行為分析的用戶興趣挖掘.pdf
- 基于社交網(wǎng)絡(luò)的用戶通信行為分析.pdf
- 基于航空數(shù)據(jù)挖掘的用戶行為分析研究.pdf
- 基于位置的社交網(wǎng)絡(luò)用戶行為分析與研究.pdf
- 基于kmeans的慕課用戶行為分析研究
評(píng)論
0/150
提交評(píng)論