1. 研究目的与意义（文献综述）

当今人们的生活越来越难以离开网络，经过近几十年的发展，用户网络的重心已经来到移动端。各大视频、短视频应用的蓬勃兴起激发了指数规模的视频数据流量[1]，对于传统无线接入网络（radio access network，ran）而言，提供稳定流畅服务的难度同样呈指数形式增长。随着5g时代的到来，人们将通信的容量和稳定服务作为新的要求[2]，尤其是类似于网络直播、视频会议等即时性视频服务，在当前通信服务框架下对基础设施的要求愈发苛刻，给移动通信服务商带来了巨大的压力。移动边缘计算（mobile edge computing，mec）作为一种新兴的服务模式，为解决该问题提供了新的选择。借助更加贴近于移动用户、更加紧凑的边缘服务器，将部分高频内容缓存到其中[3]。当用户请求命中边缘服务器的内容时，就可以不必访问核心网络直接为用户提供低延迟、高可靠的稳定服务。同时边缘服务器的计算功能也可以为用户提供部分云计算服务[4]，核心网络的繁重负担就可以相对减轻，有能力进一步提高用户服务质量。为此本文借助移动边缘计算提出了一种新颖的视频预取缓存策略，考虑用户移动性和边缘服务器的重叠关系，相近边缘服务器之间进行协同缓，在原有缓存策略的基础上做出了一定的改进，大幅度提高了用户请求的命中率，为用户提供更加优质的服务。

早在几年前就有人提出了使用heaper，即具有计算和存储功能的小型边缘化服务器为视频传输提供有效的预取和缓存[5]。随着移动边缘计算这一新的概念正式被欧洲电信标准化协会（etsi）于2014年提出，也随之带来了新的挑战。p. mach等人将移动边缘计算的研究分为三个核心领域，计算卸载的抉择、资源分配、移动性管理[6]。为了给移动视频用户提供高速的稳定服务，需要这三方面相互配合。尤其是对资源的分配，文献[7]在移动网络中提出了具有qos保证的联合虚拟资源分配策略，关注物理资源的虚拟化用于降低用户延迟，而文献[8]则将边缘虚拟机与用户相关联并分配给可供附近移动设备使用的计算机集群，减少与核心网不必要的信息传输。但是异构的边缘网络环境是物理资源虚拟化的一个挑战，文献[9-10]则提出了在异构蜂窝网络下的解决方案，利用在毫微基站甚至用户设备处缓存一些流行内容项来减轻回程负担。

此外部分研究者还将目光转向icn（information centric network）或者说ccn（content centric network）[11-13]，将所有有存储功能的传输节点都用来存储一定量的信息，并且通过合理的缓存策略，根据距离用户远近存储不同访问频率的流行内容，把内容存储边缘化，大大减少了获得信息所需的网络节点跳数，同时提出使用d2d的方式，进一步缩短信息传输距离。并且文献[14]引入了一个新的性能指标，即服务成功概率，来衡量d2d模式下不同方案的性能优劣。

2. 研究的基本内容与方案

基本内容与目标

本课题主要研究边缘服务器内大量用户的重复内容请求，相同数据的频繁传输会大大增加访问延迟，如何对频繁访问的数据进行边缘缓存亟待解决。此外，加之用户位置的持续变化，进一步加大了边缘预取的难度。因此，为了提高终端在通信过程中的用户体验，需要考虑边缘服务器的缓存机制，对云服务器上的内容进行边缘缓存，高效处理异步到达的内容请求，以减轻云服务器的负载，同时也加快数据的获取速度。此外，还需要考虑用户位置的改变，根据用户的移动轨迹预测用户可能会访问的边缘服务器，对用户可能要请求的数据提前进行预取，减少网络拥塞和数据访问时延。

3. 研究计划与安排

（1）2019/1/19—2019/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；

（2）2019/3/1—2019/4/30：系统架构、程序设计与开发、系统测试与完善；

（3）2019/5/1—2019/5/25：撰写及修改毕业论文；

4. 参考文献（12篇以上）

[1] blasco p, gu¨ndu¨z d. learning-based optimization of cache content in a small cell base station. in: proceedings of 2014 ieee international conference on communications (icc), sydney, 2014. 1897–1903

[2] tesema f, awada a, viering i, et al. evaluation of context-aware mobility robustness optimization and multiconnectivity in intra-frequency 5g ultra dense networks. ieee wirel commun lett, 2016, 5: 608–611

[3] yong c , jian s , cong-cong m , et al. mobile cloud computing research progress and trends[j]. chinese journal of computers, 2017.