命名数据网络中基于流行度预测的缓存替换策略

命名数据网络（NDN）作为未来互联网的核心候选架构之一，以内容为中心的设计理念打破了传统TCP/IP网络以主机为中心的局限，泛在化缓存是其核心特征之一，能够有效缓解服务器负载、降低内容获取延迟、提升网络传输效率。缓存替换策略作为NDN缓存机制的核心组成部分，直接决定了缓存资源的利用率和网络整体性能。然而，传统缓存替换策略多基于内容的历史访问特征进行决策，无法有效预测内容未来的访问趋势，导致缓存命中率偏低、网络带宽浪费等问题。针对这一现状，本文提出一种基于流行度预测的缓存替换策略，通过提取内容访问的多维度特征，构建高效的流行度预测模型，精准预判内容未来的访问热度，并设计动态权重分配机制和量化决策规则，实现缓存内容的智能替换。仿真实验表明，与传统策略（LRU、LFU）及现有NDN改进策略相比，所提策略在缓存命中率、内容获取延迟和网络带宽利用率等关键指标上均有显著提升，具备良好的适应性和鲁棒性。本文的研究成果为NDN缓存机制的优化提供了新的思路和技术支撑，对推动NDN的实际部署与应用具有重要意义。