带宽高效的缓存选择与内容广告

缓存在 various 网络环境中广泛使用，以通过减少延迟、带宽和能源消耗来优化性能。为优化性能，缓存通常使用指示符广告其内容，这些指示符是一种在空间效率与准确性之间进行权衡的数据结构。然而，这种权衡引入了错误指示的风险。现有的缓存内容广告和缓存选择解决方案常常导致低效，无法适应动态网络条件。本文引入了 SALSA2，即一种可扩展、自适应和基于学习的选择与广告算法，通过动态自适应方法来解决这些限制。SALSA2 通过考虑缓存之间的相互依赖关系，准确估计误指示概率，并动态调整指示符广告的大小和频率，以最小化传输开销 while maintaining 高准确性。我们进行了广泛的仿真研究，使用 various 真实世界的缓存轨迹，表明 SALSA2 在大多数场景下比现有最先进解决方案实现了最高可达 84% 的带宽节省，并接近最优的服务成本。这些结果突显了 SALSA2 在增强缓存管理方面的有效性，使其成为现代网络挑战的 robust and versatile 解决方案。