8、边缘数据预取和替换的模块化框架

边缘数据预取和替换的模块化框架

1. 概述

随着物联网（IoT）设备和系统的日益普及，大量异构数据被收集。为了快速有效地处理这些数据，特别是在资源受限的环境中，边缘计算技术变得尤为重要。边缘计算通过将计算和存储资源放置在靠近数据生成点的地方，减少了云交互的延迟和能源消耗。本文介绍了一种基于贝叶斯推理的模块化缓存管理框架，旨在最小化数据移动，从而减少边缘设备与云之间的交互延迟和能源消耗。该框架既可以作为真实的缓存实现，也可以作为虚拟缓存的顾问，帮助做出预取和驱逐决策。

2. 模型描述

2.1 信念的概念

信念是存储实体之间的条件概率，用于智能地进行预取和驱逐决策。具体来说，信念定义为在请求对象X之后的时间窗口W内请求对象Y的条件概率。通过这种方式，信念可以捕捉对象之间的关系，并用于指导缓存操作。例如，如果对象Y在请求对象X后的时间窗口W内经常被请求，那么Y的信念值将较高，表明它更有可能被预取。

2.2 上下文和时间关系

该框架利用上下文和时间关系来适应工作负载的变化，并自动调整其参数。上下文信息包括请求的时间、频率和类型，而时间关系则涉及对象之间的先后顺序。通过这些信息，框架可以更准确地预测未来的数据访问模式，并提前进行预取，从而减少延迟和能源消耗。

3. 方法

3.1 模块化框架

该框架由多个模块组成，包括移动模块、负载生成模块、边缘编排器模块、网络模块和模拟的主要管理模块。这些模块协同工作，以实现智能的缓存管理和预取决策。

• 移动模块 ：处理来自边缘设备的请求，并将其传递