数据下载是人们获取信息的一种重要方式；近年来新兴的离线下载业务吸引了大量用户。与传统下载应用不同,在离线下载系统中,用户先向系统提交文件下载请求；然后,离线下载的服务器代替用户从网络中下载文件并存储在离线下载系统的缓存中；最后,用户再从缓存云中下载文件。这种设计,可以节省终端用户的时间和资源,给用户带来更好的下载体验。离线下载系统的核心部件是缓存服务器,缓存算法是决定缓存服务器性能的关键。现有系统一般采用传统的算法,如LRU、LFU,这些算法并没有考虑离线下载业务的特殊性；随着离线下载日益普及和文件数量增长,缓存和带宽资源都面临压力。因此,需要寻找高效的缓存方法,充分利用有限的缓存空间,保障系统服务质量。离线下载系统中,用户的请求时间和下载时间不同,二者往往存在时间间隔。我们称这个间隔为预约时间。预约时间为我们提供了设计新的缓存算法的空间。由于下载是预约的,因此在每次缓存调度发生时,我们能够获知未来一段时间,还有哪些下载任务有待完成。因此,可以将预约信息用于缓存设计,以提高缓存效率。本文的主要工作是,针对离线下载的业务特征,寻找高效的缓存算法,减轻缓存的存储压力和带宽开销,提高系统性能。具体来说,本文的主要工作和贡献如下：(1)针对离线下载业务特征,提出了基于预约信息的缓存设计思想。该思想充分利用可用的预约信息和访问历史信息,提高字节命中率。在此基础上,提出了两种新的缓存算法,一种是基于文件预约信息和访问历史信息中的访问频率,一种是基于文件预约信息和访问历史信息中的访问时间间隔。分析了算法参数的设计依据并权衡了可能的取值范围。(2)基于真实的离线下载业务数据,进行了不同缓存算法的比较和评估。结果显示,相比传统算法,本文提出的两种缓存替换算法都可以提高字节命中率。尤其在缓存较小的时候,效果更明显,字节命中率最高可以提高7.78%。(3)最后,本文从理论上分析LRU算法的性能,建立了基于马尔科夫链的数学模型。模型可以计算每个文件的命中率。模型的特色在于把单个文件在缓存中的位置定义为状态,最大限度的减少状态的数量,减少运算复杂度。