随着网络中信息爆炸式的增长和新应用的不断出现,当前的网络架构暴露出越来越多的问题。现在广泛使用的IP网络对内容灵活有效分布的支持性不够,已经不能满足新型应用的需求。针对IP网络的这些问题,未来网络的研究得以发展并以取代当前的1P网络作为目标。在未来网络架构设计中,最具有代表性的络架构是命名数据网络(Named Data Networking,NDN)。NDN的一个很重要的创新是在内网的每个路由节点上引入了数据缓存功能。NDN的内网缓存是一种细粒度的数据缓存,这为数据的存储提供了很大的灵活性,但同时如何设计高效的缓存算法也成为一个值得讨论的问题。另一方面,当前的网络通信已经从点到点通信模式演变成以音视频为主导的通信模式。据粗略统计,当前网络中的视频流量已经占到网络总流量的60%,并在持续增长。如果可以针对视频业务提供更好的服务,将会提高网络的性能,进而为视频用户提供更好的服务。本论文针对命名数据网络中视频业务的缓存问题展开研究。研究内容分别从视频用户的请求行为和网络拓扑出发设计针对视频数据的缓存算法。本论文的主要工作及创新之处总结如下:(1)提出一种基于热度预测的视频存储算法。首先,此算法通过视频用户对视频的请求行为进行分析,推导并得出了同一个视频文件中不同数据块之间的关联性。然后通过相邻视频数据块之间的请求关联,对即将到来的数据请求进行热度预测。在NDN缓存节点上,根据已缓存视频数据的请求热度以及即将到来的数据请求热度进行比较,提前将未来热度较高的视频数据进行存储,同时将未来热度较低的视频数据进行替换。基于热度预测的视频存储算法可以使得缓存节点上一直存储热度较高的视频请求所对应的视频数据。基于热度预测的视频缓存算法会尽可能的满足热度较高的视频请求,从而减少大部分视频用户的数据请求延迟,并提高网络缓存利用率。(2)提出了了一种基于视频数据请求热度的缓存空间划分算法。此算法考虑全局网络拓扑上数据缓存较难进行有效分析的困境,提出了一种将复杂网络拓扑划分成简单网络拓扑组合的算法思想。缓存空间划分算法是将一个缓存节点的缓存空间,根据不同端口以及不同视频文件请求的比例进行划分。划分后的缓存空间将分配到各个子缓存空间当中。这样一个复杂的网络拓扑就按照缓存空间的划分被分解成为多个简单的串联缓存结构。在划分后的串联缓存结构中,数据缓存问题的分析将变得相对简单,从而简化全局网络缓存问题的复杂度。而在一个缓存节点上的缓存数据,可以同时被多个子划分空间使用,所以缓存数据的替换决策将根据各个子空间中数据的热度之和进行统计。(3)提出一种基于信息聚合的缓存预测算法。在工作(1)和(2)的研究基础上,本文分析了核心缓存节点中数据请求被底层缓存节点中缓存的内容过滤,从而造成数据请求关联性下降的特点,提出了将底层缓存节点中已经被满足的视频请求信息进一步传送给核心缓存节点,称之为信息聚合。信息聚合可以提供更多的数据关联信息,从而使得核心缓存节点更好的分析即将到来的数据请求。在获取更多的数据关联信息后,根据工作(1)中视频请求热度预测的原理,基于信息聚合的缓存预测算法对视频数据可以进行更加合理和准确的预测。同时为了减少网络中同一份数据在不同缓存节点中进行缓存所带来的缓存冗余,在本研究内容中引入了伪数据请求的设计,伪数据请求不仅能够将下游缓存节点中的被过滤的数据请求向上游缓存节点进行发送,还能够指导上游缓存节点对预测的数据热度进行修正。伪数据请求将替换工作(1)和(2)中的反向删除通知来减少网路中数据的存储冗余.另外本算法考虑了网络缓存数据动态变化而造成预测值与实际请求不同的问题,设计了对预测热度进行及时修正的机制,提升核心节点的缓存能力。