弹性条件下 $M^{th}$ 请求缓存插入策略的最坏情况界与优化缓存

云服务及其他共享第三方基础设施使单个内容提供商能够根据当前资源需求轻松扩展其服务。在本文中，我们考虑一个希望最小化其交付成本的单个内容提供商，假设其所需的存储与带宽资源是弹性的，内容提供商仅为其消耗的资源付费，且成本与资源使用成正比。在此背景下，我们（i）推导了不同类别“第 $M^{th}$ 次请求缓存”插入策略的最优成本与竞争成本比的最坏情况界，（ii）推导了任意请求间隔分布下的显式平均成本表达式与界，（iii）推导了短尾（确定性、Erlang 和指数）与重尾（Pareto）请求间隔分布下的显式平均成本表达式与界，以及（iv）给出了数值与基于轨迹的评估，揭示了各策略相对成本性能的洞见。我们的结果表明，使用单一阈值优化以最小化最坏情况成本的基于窗口的“第 $2^{nd}$ 次请求缓存”策略在不同分布及每个所考虑分布的完整参数范围内均提供良好的平均性能，这使其成为在单个文件对象请求率通常未知且可快速变化的广泛实际条件中有吸引力的选择。