連鑄智能化平臺(tái)Web訪問(wèn)緩存替換策略(續(xù))

王紅濤，馮連強(qiáng)，劉穎，陳蕊，郝樂(lè)

(中國(guó)重型機(jī)械研究院股份公司，陜西 西安 710032)

連鑄智能化平臺(tái)Web訪問(wèn)緩存替換策略(續(xù))

王紅濤，馮連強(qiáng)，劉穎，陳蕊，郝樂(lè)

(中國(guó)重型機(jī)械研究院股份公司，陜西 西安 710032)

針對(duì)目前連鑄技術(shù)與信息化技術(shù)高度融合，但已有的緩存替換策略對(duì)于數(shù)據(jù)交互傳輸存在局限性的問(wèn)題，提出一種引用度模型來(lái)對(duì)Web訪問(wèn)對(duì)象的空間局部性進(jìn)行評(píng)價(jià)，并將其作為設(shè)計(jì)緩存替換策略的依據(jù)，提出一種基于引用度的緩存替換策略GDSR，改善了緩存替換策略的性能，為Web緩存替換策略的設(shè)計(jì)提供了一個(gè)新的方向和思路。

緩存替換策略；空間局部性；引用度模型

3 實(shí)驗(yàn)及分析

3.1 實(shí)現(xiàn)環(huán)境與測(cè)試數(shù)據(jù)

本文采用將首先編寫日志處理程序，將緩存替換策略測(cè)試時(shí)關(guān)注的訪問(wèn)請(qǐng)求信息從日志中提取出來(lái)，存儲(chǔ)在連鑄智能化云平臺(tái)數(shù)據(jù)庫(kù)中，當(dāng)對(duì)緩存替換策略進(jìn)行測(cè)試時(shí)，只需從數(shù)據(jù)庫(kù)表中讀出所有訪問(wèn)記錄作為測(cè)試數(shù)據(jù)。

3.2 測(cè)試數(shù)據(jù)

本文從可用日志中隨機(jī)選取的4個(gè)小時(shí)的日志用于測(cè)試，對(duì)4個(gè)日志分別編號(hào)為日志A、日志B、日志C和日志D。4個(gè)日志的基本信息包括請(qǐng)求數(shù)量和有效流量。日志請(qǐng)求數(shù)量及不重復(fù)請(qǐng)求數(shù)量統(tǒng)計(jì)如圖8所示，日志有效流量統(tǒng)計(jì)如圖9所示。

圖8 日志請(qǐng)求數(shù)量及不重復(fù)請(qǐng)求數(shù)統(tǒng)計(jì)圖

圖9 日志有效流量統(tǒng)計(jì)圖

3.3 GDSR策略測(cè)試

利用獲取的A、B、C、D四組日志對(duì)GDSR緩存替換策略進(jìn)行全面測(cè)試，測(cè)試內(nèi)容包括命中率(HR)、字節(jié)命中率(BHR)和移除率(RR)。

測(cè)試中變化的指標(biāo)有兩組。緩存空間取值包括：8M、16M、32M、64M、128M、256M、512M、1G、2G。價(jià)值計(jì)算中的調(diào)節(jié)參數(shù)λ取值為0.4～1.5。

具體測(cè)試結(jié)果如圖10～12所示。

圖10 GDSR策略命中率測(cè)試結(jié)果

(1)命中率。GDSR策略命中率在不同條件下的測(cè)試結(jié)果如圖10所示。通過(guò)測(cè)試結(jié)果可以發(fā)現(xiàn)：緩存空間越大，命中率越高。參數(shù)λ的設(shè)置對(duì)命中率有著明顯的影響，在緩存空間和測(cè)試日志相同時(shí)，最大差距超過(guò)1個(gè)百分點(diǎn)，如圖 10 h中，測(cè)試日志B時(shí)，λ取0.5和0.8時(shí)命中率分別為22.51%和23.1%。在不同緩存大小下進(jìn)行測(cè)試時(shí)，參數(shù)λ取值相同時(shí)不同日志命中率的排名情況波動(dòng)也很大，如圖10 f中，參數(shù)λ取值為0.9時(shí)，四個(gè)日志按照命中率由高到低的排名分別是CBDA和BADC。

(2)字節(jié)命中率。GDSR策略字節(jié)命中率在不同條件下的測(cè)試結(jié)果如圖 11所示。從圖11可以發(fā)現(xiàn)：緩存空間越大，字節(jié)命中率越高。參數(shù)λ的設(shè)置對(duì)字節(jié)命中率有著明顯的影響，在緩存空間和測(cè)試日志相同時(shí)，最大差距超過(guò)1個(gè)百分點(diǎn)，如圖 11 h中，測(cè)試日志B時(shí)，取0.7和0.8時(shí)字節(jié)命中率分別為53.56%和54.74%。在不同緩存大小下進(jìn)行測(cè)試時(shí)，參數(shù)λ取值相同時(shí)不同日志字節(jié)命中率的排名情況波動(dòng)也很大，如圖 11 f中，參數(shù)λ取值為0.9時(shí)，四個(gè)日志按照字節(jié)命中率由高到低的排名分別是BADC和ADCB。

(3)移除率。GDSR策略移除率在不同條件下的測(cè)試結(jié)果如圖 12所示。通過(guò)測(cè)試結(jié)果可以發(fā)現(xiàn)：緩存空間越大，移除率越低。參數(shù)λ的設(shè)置對(duì)移除率的影響情況與命中率和字節(jié)命中率相似，不再贅述。

圖11 GDSR策略字節(jié)命中率測(cè)試結(jié)果

圖12 GDSR策略移除率測(cè)試結(jié)果

3.4 對(duì)比分析

比較GDS策略、GDSF策略與GDSR策略的命中率、字節(jié)命中率和移除率。觀察到λ與性能無(wú)明確關(guān)系，故在接下來(lái)的測(cè)試中，選取為各項(xiàng)測(cè)試中平均性能較好的1.1作為調(diào)節(jié)參數(shù)λ。三種策略均使用日志A進(jìn)行測(cè)試，連鑄智能化云平臺(tái)Web緩存空間大小從4M到2G，每次增加一倍。具體測(cè)試結(jié)果如下：

(1)命中率。三種策略命中率對(duì)比結(jié)果圖 13所示。GDS策略只有在緩存空間較小時(shí)才具有較高的命中率，隨著緩存空間的增大，其命中率明顯低于GDSF及GDSR策略。其原因在于GDS策略優(yōu)先存儲(chǔ)較小的對(duì)象。GDSR策略的命中率始終高于GDSF策略。

圖13 命中率對(duì)比結(jié)果

(2)字節(jié)命中率。三種策略字節(jié)命中率對(duì)比結(jié)果如圖 14所示。GDS策略的字節(jié)命中率明顯低于GDSF及GDSR策略。其原因在于GDS策略優(yōu)先存儲(chǔ)較小的對(duì)象，因此每次命中帶來(lái)的字節(jié)價(jià)值較小。而GDSR策略與GDSF策略的字節(jié)命中率相近。

(3)移除率。三種策略移除率對(duì)比結(jié)果如圖 15所示。GDS策略和GDSF策略的移除率相近，并且雖然一開(kāi)始較高，但隨著緩存空間的增大有著比較明顯的下降趨勢(shì)，而GDSR策略的移除率下降并不明顯。說(shuō)明了GDSR策略的替換頻率高于其他兩種策略，因此計(jì)算資源開(kāi)銷較大。

圖14 字節(jié)命中率對(duì)比結(jié)果

圖15 移除率對(duì)比結(jié)果

為了能夠針對(duì)上述對(duì)比結(jié)果進(jìn)一步進(jìn)行分析，本文在測(cè)試程序中增加了其他統(tǒng)計(jì)信息的記錄，并重新進(jìn)行了測(cè)試上述。統(tǒng)計(jì)結(jié)果顯示相較于GDSF策略，使用GDSR策略時(shí)，圖片、JavaScript代碼和CSS文件的命中率提高比較明顯，均超過(guò)了1個(gè)百分點(diǎn)，而其它類型對(duì)象的命中率與GDSF策略基本相同或略有下降。

4 結(jié)束語(yǔ)

本文對(duì)Web緩存相關(guān)理論及技術(shù)的進(jìn)行了深入研究，提出了在連鑄智能化云平臺(tái)中引用度計(jì)算模型對(duì)Web對(duì)象訪問(wèn)中的空間局部性進(jìn)行了量化，并利用引用度改進(jìn)GDSF策略，提出、設(shè)計(jì)并實(shí)現(xiàn)了基于引用度的GDSR策略，對(duì)緩存替換策略的命中率、字節(jié)命中率以及移除率進(jìn)行了測(cè)試，有效提升了生產(chǎn)現(xiàn)場(chǎng)與智能化云平臺(tái)數(shù)據(jù)交互的速率。但是提出的GDSR策略中存在局限與不足：如參數(shù)λ對(duì)緩存替換策略的影響規(guī)律始終未能確定；而且 GDSR策略的移除率較高，有待進(jìn)一步的優(yōu)化與調(diào)整。

[1] Domenech J, de la Ossa B, Sahuquillo J, et al. A taxonomy of web prediction algorithms[J]. Expert Systems with Applications, 2012, 39(9): 8496-8502.

[2] 班志杰, 古志民, 金瑜. Web 預(yù)取技術(shù)綜述[J]. 計(jì)算機(jī)研究與發(fā)展, 2009 (2): 202-210.

[3] Chen X, Zhang X. A popularity-based prediction model for web prefetching[J]. Computer, 2003, 36(3): 63-70.

[4] 王秀坤, 王宇寧, 陳浩. 基于改進(jìn)的隱馬爾可夫模型的網(wǎng)頁(yè)預(yù)取[J]. 吉林大學(xué)學(xué)報(bào): 信息科學(xué)版, 2008, 26(1): 89-93.

[5] 賀琛, 陳肇雄, 黃河燕. Web 緩存技術(shù)綜述[J]. 小型微型計(jì)算機(jī)系統(tǒng), 2004, 25(5): 836-842.

[6] Podlipnig S, B?sz?rmenyi L. A survey of web cache replacement strategies[J]. ACM Computing Surveys (CSUR), 2003, 35(4): 374-398.

[7] ElAarag H. A Quantitative Study of Web Cache Replacement Strategies Using Simulation[M]//Web Proxy Cache Replacement Strategies. Springer London, 2013: 17-60.

[8] Balamash A, Krunz M. An overview of web caching replacement algorithms[J]. Communications Surveys & Tutorials, IEEE, 2004, 6(2): 44-56.

[9] Romano S, ElAarag H. A quantitative study of recency and frequency based web cache replacement strategies[C]//Proceedings of the 11th communications and networking simulation symposium. ACM, 2008: 70-78.

[10]Arlitt M, Friedrich R, Jin T. Performance evaluation of web proxy cache replacement policies[M]. Springer Berlin Heidelberg, 1998.

[11]Mahanti A, Williamson C. Web proxy workload characterization[J]. Progress Report, Computer Sciences Dept, Univ. of Saskatchewan, 1999.

[12]Mahanti A. Web proxy workload characterisation and modelling[J]. 1999.

[13]Mahanti A, Mahanti A, Williamson C. Locality characteristics of web streams revisited[C]//Proceedings of SCS SPECTS Conference, Philadelphia, PA. 2005: 795-803.

[14]Xie Y, Tang S, Xiang Y, et al. Resisting web proxy-based http attacks by temporal and spatial locality behavior[J]. Parallel and Distributed Systems, IEEE Transactions on, 2013, 24(7): 1401-1410.

[15]石磊, 王會(huì)霞. Web 訪問(wèn)流的局部性特征建模[J]. 計(jì)算機(jī)工程與設(shè)計(jì), 2008, 29(7): 1668-1671.

[16]郝沁汾, 郝繼升. WWW業(yè)務(wù)訪問(wèn)特性分布研究[J]. 計(jì)算機(jī)研究與發(fā)展, 2001, 38(10): 1172-1180.

[17]郝沁汾. WWW訪問(wèn)特性與代理緩存研究[D]. 中國(guó)科學(xué)院研究生院 (計(jì)算技術(shù)研究所),2001.

[18]孫曉星. 基于WEB訪問(wèn)特性的代理緩存機(jī)制的研究[D]. 哈爾濱工程大學(xué),2011.

[19]Ding C, Chi CH, Liu L, et al. Quantitative modeling for web objects’ cacheability[M]//Advances in Web-Age Information Management. Springer Berlin Heidelberg, 2005: 913-918.

[20]Chi CH, Liu L, Zhang LW. Quantitative analysis on the cacheability factors of web objects[C]//Computer Software and Applications Conference, 2006. COMPSAC'06. 30th Annual International. IEEE, 2006, 1: 532-538.

[21]Vakali A. Proxy cache replacement algorithms: A history-based approach[J]. World Wide Web, 2001, 4(4): 277-297.

[22]Aggarwal C, Wolf J L, Yu P S. Caching on the world wide web[J]. Knowledge and Data Engineering, IEEE Transactions on, 1999, 11(1): 94-107.

[23]Jin S, Bestavros A. GreedyDual* Web caching algorithm: exploiting the two sources of temporal locality in Web request streams[J]. Computer Communications, 2001, 24(2): 174-183.

[24]韓向春, 田玉根. 基于預(yù)測(cè)的 Web 緩存替換算法[J]. 計(jì)算機(jī)工程與設(shè)計(jì), 2010 (1): 110-113.

[25]Romano S. A Neural NETWORK PROXY CACHE REPLACEMENT IMPLEMENTATION IN THE SQUID PROXY SERVER[D]. Stetson University, 2008.

[26]ElAarag H, Romano S. Improvement of the neural network proxy cache replacement strategy[C]//Proceedings of the 2009 Spring Simulation Multiconference. Society for Computer Simulation International, 2009: 90.

[27]Romano S, ElAarag H. A neural network proxy cache replacement strategy and its implementation in the Squid proxy server[J]. Neural Computing and Applications, 2011, 20(1): 59-78.

[28]ElAarag H. Implementation of a Neural Network Proxy Cache Replacement Strategy in the Squid Proxy Server[M]//Web Proxy Cache Replacement Strategies. Springer London, 2013: 83-103.

[29]Ali W, Shamsuddin S M, Ismail A S. Intelligent Web Proxy Caching Approaches Based on Support Vector Machine[M]//Informatics Engineering and Information Science. Springer Berlin Heidelberg, 2011: 559-572.

[30]Ali W, Shamsuddin S M, Ismail A S. Intelligent Nave Bayes-based approaches for Web proxy caching[J]. Knowledge-Based Systems, 2012, 31: 162-175.

[31]Gwertzman J, Seltzer M I. World Wide Web Cache Consistency[C]//USENIX Annual Technical Conference. 1996: 141-152.

[32]Cao L Y, Oezsu M T. Evaluation of strong consistency web caching techniques[J]. World Wide Web, 2002, 5(2): 95-123.

[33]Nottingham M. Optimizing object freshness controls in Web caches[C]//The 4th International Web Caching Workshop. 1999.

[34]Cao P, Liu C. Maintaining strong cache consistency in the World Wide Web[J]. Computers, IEEE Transactions on, 1998, 47(4): 445-457.

[35]Dilley J. The effect of consistency on cache response time[J]. Network, IEEE, 2000, 14(3): 24-28.

[36]張超群, 李陶深, 張?jiān)龇? 代理緩存一致性策略和替換策略的研究[J]. 計(jì)算機(jī)工程與設(shè)計(jì), 2006, 26(11): 2913-2916.

(全文完)

專利介紹

一種結(jié)晶器鋼水靜壓力模擬試驗(yàn)裝置(CN103084549A)

本發(fā)明的目的在于提供一種結(jié)晶器鋼水靜壓力模擬試驗(yàn)裝置，既解決了測(cè)定板坯在任何寬度下結(jié)晶器夾緊力釋放大小的問(wèn)題，還可在模擬過(guò)程中測(cè)量結(jié)晶器寬邊銅板與窄邊銅板角縫的數(shù)值，保證結(jié)晶器窄邊驅(qū)動(dòng)功率選取的正確性及熱調(diào)寬過(guò)程中夾緊力確定的合理性，從而保證了在線熱調(diào)寬技術(shù)的有效實(shí)現(xiàn)和鋼水溢漏事故的有效防止。

一種結(jié)晶器鋼水靜壓力模擬試驗(yàn)裝置，包括試驗(yàn)動(dòng)力閥裝置，試驗(yàn)動(dòng)力閥裝置通過(guò)連接管路分別與四個(gè)試驗(yàn)油缸連接，四個(gè)試驗(yàn)油缸分成上下兩排固定在油缸安裝架上，油缸安裝架固定在被試驗(yàn)結(jié)晶器寬邊銅板上，被試驗(yàn)的結(jié)晶器由兩個(gè)結(jié)晶器寬邊銅板與兩個(gè)結(jié)晶器窄邊銅板通過(guò)安裝在結(jié)晶器寬邊夾緊油缸內(nèi)的拉桿相連，該拉桿的夾緊力由結(jié)晶器寬邊夾緊碟簧提供，結(jié)晶器窄邊銅板與結(jié)晶器窄邊調(diào)寬油缸連接，本發(fā)明能在結(jié)晶器內(nèi)部沒(méi)有鋼水的情況下模擬鋼水對(duì)結(jié)晶器內(nèi)部四周銅板的靜壓力并能連續(xù)調(diào)整該靜壓力的大小，還可以在模擬不同鋼水靜壓力作用的過(guò)程中測(cè)量結(jié)晶器窄邊銅板與寬邊銅板之間的角縫值，使用安全，操作簡(jiǎn)單，成本低，不會(huì)對(duì)結(jié)晶器造成損壞。

本發(fā)明能在結(jié)晶器內(nèi)部沒(méi)有鋼水的情況下模擬鋼水對(duì)結(jié)晶器內(nèi)部四周銅板的靜壓力并能連續(xù)調(diào)整該靜壓力的大小，同時(shí)還可以在模擬不同鋼水靜壓力作用的過(guò)程中測(cè)量結(jié)晶器窄邊銅板與寬邊銅板之間的角縫值，該試驗(yàn)裝置使用安全，操作簡(jiǎn)單，成本低而且不會(huì)造成對(duì)結(jié)晶器的損壞。

Web cache replacement strategy for intelligent platform of continuous casting

WANG Hong-tao, FENG Lian-qiang, LIU Ying, CHEN Rui, HAO Le

(China National Heavy Machinery Research Institude, Co., Ltd., Xi’an 710032, China)

Currently, the continuous casting technology and information technology are highly integrated. However, the existing cache replacement strategies have limitations on the data transmission. This paper proposed a reference model to evaluate the spatial locality of Web object accessing, and used the reference model as the basis of a new cache replacement policy-greedy-dual-size reference (GDSR). GDSR improved the performance of cache replacement strategy, provided a new direction and ideas for the design of Web cache replacement policies.

cache replacement strategy; spatial locality; reference model

2016-11-16；

2016-12-09

中國(guó)機(jī)械工業(yè)集團(tuán)有限公司科技發(fā)展基金項(xiàng)目(SINOMACH12科167號(hào))

王紅濤(1986- )，男，中國(guó)重型機(jī)械研究院股份公司工程師。

TP393

A

1001-196X(2017)03-0001-06

專題綜述