1 |
1
지능형 캐시 관리 방법에 있어서, 상기 방법은 마스터 노드에 의해 수행되고, 상기 방법은,복수의 액세스 노드로부터 컨텐츠 요청과 연관된 통계 데이터를 수집하는 통계 데이터 수집 단계;상기 수집된 통계 데이터를 기반으로 매개 변수를 학습하고 학습 관련정보를 획득하는 학습 관련정보 획득 단계; 및상기 통계 데이터 및 상기 학습 관련정보에 기반하여 캐시 공간 구매 및 캐싱 결정 위한 최상의 캐싱 방법을 선택하는 캐싱 방법 선택 단계를 포함하고,상기 복수의 액세스 노드는 복수의 가상 이동통신망 사업자(MVNO: Mobile Virtual Network Operator)에 의해 운영되고, 상기 복수의 액세스 노드 각각은 시간 t에서 다음 시간 t+1에서 요구되는 가상 캐시 공간을 상기 최상의 캐싱 방법에 따라 구매하며,상기 학습 관련정보 획득 단계 및 상기 캐싱 방법 선택 단계에서,상기 복수의 액세스 노드가 위치하는 액세스 네트워크와 코어 네트워크로부터 수집된 컨텐츠 요청 패턴 및 캐시 히트(hit) 횟수에 관한 정보에 기반하여 상기 가상 캐시 공간 및 상기 캐싱 결정을 학습하고 관리하고,상기 가상 캐시 공간 및 상기 캐싱 결정은, 상기 복수의 액세스 노드 각각에 연결된 사용자 기기의 등급, 요청된 컨텐츠의 QoE 수준 및 상기 컨텐츠의 인기 등급에 따라, 시간 t에서 현재 시간 t+n까지 시간 포인트에서 선택된 최대 캐시 크기, 최소 캐시 크기, 평균 캐시 크기 및 학습 기반 캐시 공간 구매 전략에 기반하여 선택되는 것을 특징으로 하는, 지능형 캐시 관리 방법
|
2 |
2
삭제
|
3 |
3
제1 항에 있어서,상기 통계 데이터 수집 단계 이전에,상기 캐시 공간 구매를 위한 복수의 제1 모델을 저장하고, 상기 복수의 제1 모델과 관련된 정보를 상기 복수의 액세스 노드로 제공하는 캐시 공간 구매 관련 정보 제공 단계; 및인기 컨텐츠를 효율적으로 저장하기 위한 상기 캐싱 결정을 위한 복수의 제2 모델을 저장하고, 상기 복수의 제2 모델과 관련된 정보를 상기 복수의 액세스 노드로 제공하는 캐싱 결정 관련 정보 제공 단계를 더 포함하는, 지능형 캐시 관리 방법
|
4 |
4
제3 항에 있어서, 상기 복수의 제1 모델과 관련된 정보는 상기 캐시 공간 구매를 위한 학습 기반 제1 전략 정보와 비-학습 기반 제1 전략 정보를 포함하고,상기 복수의 제2 모델과 관련된 정보는 상기 캐싱 결정을 위한 학습 기반 제2 전략 정보와 비-학습 기반 제2 전략 정보를 포함하고,상기 학습 기반 제1 전략 정보와 상기 학습 기반 제2 전략 정보에 따른 학습 기반의 제1 유형 통계 데이터는 상기 학습 관련정보 획득 단계 및 상기 캐싱 방법 선택 단계를 통해 학습되고,상기 비-학습 기반 제1 전략 정보와 상기 비-학습 기반 제2 전략 정보에 따른 비-학습 기반의 제2 유형 통계 데이터는 상기 학습 관련정보 획득 단계 없이 상기 캐싱 방법 선택 단계를 통해 상기 최상의 캐싱 방법을 선택하는 것에 사용되는 것을 특징으로 하는, 지능형 캐시 관리 방법
|
5 |
5
제4 항에 있어서, 상기 비-학습 기반의 제2 유형 통계 데이터는 상기 학습 기반의 제1 유형 통계 데이터에 비하여 상기 복수의 액세스 노드로부터 상기 마스터 노드로 더 빈번하게 피드백되고,상기 학습 관련정보 획득 단계에서, 상기 학습 기반의 제1 유형 통계 데이터를 이용하여 상기 최상의 캐싱 방법과 다른 전략을 선택하는 과정에서 얻는 이득과 손실을 모니터링하고, 상기 이득과 손실에 기반하여 상기 학습 관련정보를 획득하는 것을 특징으로 하는, 지능형 캐시 관리 방법
|
6 |
6
삭제
|
7 |
7
지능형 캐시 관리 방법을 수행하는 마스터 노드에 있어서,복수의 액세스 노드로부터 컨텐츠 요청과 연관된 통계 데이터를 수집하는 통계 정보 수집 모듈;상기 수집된 통계 데이터를 기반으로 매개 변수를 학습하고 학습 관련정보를 관리 모듈로 전달하는 학습 모듈; 및상기 통계 데이터 및 상기 학습 관련정보에 기반하여 캐시 공간 구매 및 캐싱 결정 위한 최상의 캐싱 방법을 선택하는 상기 관리 모듈을 포함하며,상기 복수의 액세스 노드는 복수의 가상 이동통신망 사업자(MVNO: Mobile Virtual Network Operator)에 의해 운영되고, 상기 복수의 액세스 노드 각각은 시간 t에서 다음 시간 t+1에서 요구되는 가상 캐시 공간을 상기 관리 모듈에 의해 선택된 상기 최상의 캐싱 방법에 따라 구매하고,상기 학습 모듈 및 상기 관리 모듈은,상기 복수의 액세스 노드가 위치하는 액세스 네트워크와 코어 네트워크로부터 수집된 컨텐츠 요청 패턴 및 캐시 히트(hit) 횟수에 관한 정보에 기반하여 상기 가상 캐시 공간 및 상기 캐싱 결정을 학습하고 관리하고,상기 복수의 액세스 노드 각각에 연결된 사용자 기기의 등급, 요청된 컨텐츠의 QoE 수준 및 상기 컨텐츠의 인기 등급에 따라, 시간 t에서 현재 시간 t+n까지 시간 포인트에서 선택된 최대 캐시 크기, 최소 캐시 크기, 평균 캐시 크기 및 학습 기반 캐시 공간 구매 전략에 기반하여 상기 가상 캐시 공간 및 상기 캐싱 결정을 선택하는 것을 특징으로 하는, 마스터 노드
|
8 |
8
삭제
|
9 |
9
제7 항에 있어서,상기 캐시 공간 구매를 위한 복수의 제1 모델을 저장하고, 상기 복수의 제1 모델과 관련된 정보를 상기 복수의 액세스 노드로 제공하는 캐시 공간 구매 전략 모듈; 및인기 컨텐츠를 효율적으로 저장하기 위한 상기 캐싱 결정을 위한 복수의 제2 모델을 저장하고, 상기 복수의 제2 모델과 관련된 정보를 상기 복수의 액세스 노드로 제공하는 캐싱 전략 모듈을 더 포함하는, 마스터 노드
|
10 |
10
제9 항에 있어서, 상기 복수의 제1 모델과 관련된 정보는 상기 캐시 공간 구매를 위한 학습 기반 제1 전략 정보와 비-학습 기반 제1 전략 정보를 포함하고,상기 복수의 제2 모델과 관련된 정보는 상기 캐싱 결정을 위한 학습 기반 제2 전략 정보와 비-학습 기반 제2 전략 정보를 포함하고,상기 학습 기반 제1 전략 정보와 상기 학습 기반 제2 전략 정보에 따른 학습 기반의 제1 유형 통계 데이터는 상기 학습 모듈과 상기 관리 모듈과의 상호작용을 통해 학습되고,상기 비-학습 기반 제1 전략 정보와 상기 비-학습 기반 제2 전략 정보에 따른 비-학습 기반의 제2 유형 통계 데이터는 상기 학습 모듈을 거치지 않고 상기 관리 모듈에서 상기 최상의 캐싱 방법을 선택하는 것에 사용되는 것을 특징으로 하는, 마스터 노드
|
11 |
11
제10 항에 있어서, 상기 비-학습 기반의 제2 유형 통계 데이터는 상기 학습 기반의 제1 유형 통계 데이터에 비하여 상기 복수의 액세스 노드로부터 상기 마스터 노드로 더 빈번하게 피드백되고,상기 학습 모듈은, 상기 학습 기반의 제1 유형 통계 데이터를 이용하여 상기 최상의 캐싱 방법과 다른 전략을 선택하는 과정에서 얻는 이득과 손실을 모니터링하고, 상기 이득과 손실에 기반하여 상기 학습 관련정보를 획득하는 것을 특징으로 하는, 마스터 노드
|
12 |
12
지능형 캐시 관리 방법을 수행하는 네트워크 시스템에 있어서,컨텐츠 제공자의 컨텐츠를 저장하도록 구성된 컨텐츠 서버;캐시 스토리지를 구비하는 복수의 액세스 노드; 및상기 컨텐츠 서버와 코어 네트워크를 통해 연결되도록 구성된 마스터 노드를 포함하고,상기 마스터 노드는,상기 복수의 액세스 노드로부터 컨텐츠 요청과 연관된 통계 데이터를 수신하는 송수신부; 및상기 수신된 통계 데이터를 기반으로 매개 변수를 학습하고 학습 관련정보를 전달하고, 상기 통계 데이터 및 상기 학습 관련정보에 기반하여 캐시 공간 구매 및 캐싱 결정 위한 최상의 캐싱 방법을 선택하는 제어부를 포함하고,상기 복수의 액세스 노드는 복수의 가상 이동통신망 사업자(MVNO: Mobile Virtual Network Operator)에 의해 운영되고, 상기 복수의 액세스 노드 각각은 시간 t에서 다음 시간 t+1에서 요구되는 가상 캐시 공간을 상기 제어부에 의해 선택된 상기 최상의 캐싱 방법에 따라 구매하며,상기 제어부는 상기 복수의 액세스 노드가 위치하는 액세스 네트워크와 코어 네트워크로부터 수집된 컨텐츠 요청 패턴 및 캐시 히트(hit) 횟수에 관한 정보에 기반하여 상기 가상 캐시 공간 및 상기 캐싱 결정을 학습하고 관리하고,상기 복수의 액세스 노드 각각에 연결된 사용자 기기의 등급, 요청된 컨텐츠의 QoE 수준 및 상기 컨텐츠의 인기 등급에 따라, 시간 t에서 현재 시간 t+n까지 시간 포인트에서 선택된 최대 캐시 크기, 최소 캐시 크기, 평균 캐시 크기 및 학습 기반 캐시 공간 구매 전략에 기반하여 상기 가상 캐시 공간 및 상기 캐싱 결정을 선택하는 것을 특징으로 하는, 네트워크 시스템
|
13 |
13
삭제
|
14 |
14
제12 항에 있어서,상기 제어부는,상기 캐시 공간 구매를 위한 복수의 제1 모델을 저장하고, 상기 복수의 제1 모델과 관련된 정보를 상기 복수의 액세스 노드로 제공하도록 제어하고,인기 컨텐츠를 효율적으로 저장하기 위한 상기 캐싱 결정을 위한 복수의 제2 모델을 저장하고, 상기 복수의 제2 모델과 관련된 정보를 상기 복수의 액세스 노드로 제공하도록 제어하는, 네트워크 시스템
|
15 |
15
제14 항에 있어서, 상기 복수의 제1 모델과 관련된 정보는 상기 캐시 공간 구매를 위한 학습 기반 제1 전략 정보와 비-학습 기반 제1 전략 정보를 포함하고,상기 복수의 제2 모델과 관련된 정보는 상기 캐싱 결정을 위한 학습 기반 제2 전략 정보와 비-학습 기반 제2 전략 정보를 포함하고,상기 학습 기반 제1 전략 정보와 상기 학습 기반 제2 전략 정보에 따른 학습 기반의 제1 유형 통계 데이터는 상기 제어부 내의 학습 모듈과 관리 모듈과의 상호작용을 통해 학습되고,상기 비-학습 기반 제1 전략 정보와 상기 비-학습 기반 제2 전략 정보에 따른 비-학습 기반의 제2 유형 통계 데이터는 상기 학습 모듈을 거치지 않고 상기 관리 모듈에서 상기 최상의 캐싱 방법을 선택하는 것에 사용되는 것을 특징으로 하는, 네트워크 시스템
|
16 |
16
제15 항에 있어서, 상기 비-학습 기반의 제2 유형 통계 데이터는 상기 학습 기반의 제1 유형 통계 데이터에 비하여 상기 복수의 액세스 노드로부터 상기 마스터 노드로 더 빈번하게 피드백되고,상기 학습 모듈은, 상기 학습 기반의 제1 유형 통계 데이터를 이용하여 상기 최상의 캐싱 방법과 다른 전략을 선택하는 과정에서 얻는 이득과 손실을 모니터링하고, 상기 이득과 손실에 기반하여 상기 학습 관련정보를 획득하는 것을 특징으로 하는, 네트워크 시스템
|
17 |
17
삭제
|
18 |
18
삭제
|
19 |
19
삭제
|
20 |
20
삭제
|