位置相关信息服务中一种基于价值的数据预取方法

位置相关信息服务中一种基于价值的数据预取方法

摘要：基于LDD的预取策略如DDP考虑了数据距离，但是没有考虑数据的访问概率和更新频率和数据大小，针对以上问题提出基于价值的数据预取(CDP)策略，一些重要的数据预取因素如访问概率、更新频率、数据项大小、数据距离和有效范围等都包含在价值函数里，根据价值函数值的大小来选择被预取的数据。通过实验对比，CDP比DDP策略更有效的提高缓存的命中率。Abstract:LDD-basedprefetchingstrategieslikeDDPtakethedatadistanceintoaccount，butdonottakeintoaccounttheaccessprobabilityofdata，updatingdataandsizeoffrequency.Fortheseissues，thispaperproposesavalue-baseddataprefetching(CDP)strategy，andsomeimportantdataprefetchingfactors，suchasaccessprobability，updatefrequency，dataitemsize，datadistanceandrangeofdataareincludedinthevaluefunction.Wecanchoosetheprefetchingdatabasedonthesizeoffunctionvalue.Bycomparingtheexperiment，CDPismoreeffectivethanDDPstrategytoimprovethecachehitrate.关键词：位置相关信息服务；位置相关数据；数据预取；缓存命中率Keywords:location-dependentinformationservices；locationdependentdata；dataprefetching；cachehitratio0引言移动计算环境下，网络的弱连接、低带宽使得用户而无法及时获取所需的信息，特别是查询位置相关数据（LocationDependentData，LDD）时，容易因用户位置的改变而导致查询结果过时失效或者不正确。而数据预取技术能够显著提高数据访问速度和充分利用广播带宽[1]。1基于价值的数据预取策略1.1位置相关数据的模型位置相关数据（LDD），是指其值取决于具体地理位置的数据，LDD具有特定的适用范围。数据的有效范围区域（ValidScopeArea），是指数据实例有效范围的几何区域。每个LDD实例有一个特定的有效范围，只有在此有效范围之内，该实例才是正确的。数据距离（DataDistance），是指MC当前位置和数据实例有效范围之间的距离。1.2CDP预取方法本文提出CDP策略，预取时根据价值函数的值进行选择，预取价值函数如下：Cost=Puseful×（benefit-penalty）（1）式（1）中Puseful为MC访问LDD的概率，benefit为MC预取LDD的获益价值，penalty为预取LDD的惩罚代价。1.2.1数据预取的奖惩代价数据预取到本地缓存后，并非所有的数据都是MC需要的，经过运算处理后能成为有效查询的数据才是用户需要的，只有这部分数据才能给MC的查询访问带来获益。本文用fbenefit（di）表示预取数据di的获益价值函数，即MC未预取数据时的访问时间与预取数据时的访问时间减少的比例。1.2.2访问LDD的概率对于MC访问某一种LDD可能性的概率，主要以MC经过该数据有效范围的概率和未来访问该数据的概率为依据，因此把MC将来可能经过有效范围内数据列为预取的候选集C。主要考虑以下两点因素：①从时间的角度来考虑。越久未被更新的数据，说明其因服务器端的数据更新而导致预取数据失效的可能性越小；而越久未被访问的数据说明其比较陈旧，再次被访问的可能性就越小。②从空间的角度来考虑。研究表明，在位置相关信息服务的数据访问中，MC沿着某条移动路径通过的概率越高，数据距MC当前的位置越近，且数据有效范围区域的面积越大，或者越靠近MC当前移动路径或移动方向上的LDD越容易被访问。1.3备选预取数据的择取数据预取的目标是希望在MC有限资源的前提下，使得所预取的数据尽可能都是MC需要的，并且尽可能多的提供有效查询信息。在数据择取过程中应考虑以下两种