Transcript コンテンツ人気度

コンテンツを意識する
ウェブキャッシュ
成
凱、
上林弥彦
京都大学大学院 情報学研究科 社会情報学専攻
DBWeb2000合同シンポジウム （12月06日～08日・東京）
発表内容
背 景
ウェブキャッシュとその特徴
従来のウェブキャッシュ手法の欠点
セメンチックスよりアクセス傾向の推定
コンテンツを意識するウェブキャッシュ
コンテンツを意識する置換手法LRU-SP+
実験結果とディスカッション
2000年12月7日
（C）上林研究室
2
背 景
アクセススピード：ウェブユーザの最も気にな
る要素（GUVインターネットユーザ調査・98）
Scalability対策→キャッシュ必要不可欠
インターネット・トラフィック：ウェブは75％あまり
かつ半年ぐらい倍になる
しかしネットワーク帯域幅：僅か年に50％増加
サーバ能力、ネットワーク帯域幅増加だけではいけなくて
冗長データ技術（キャッシュなど）は必要不可欠
2000年12月7日
（C）上林研究室
3
ウェブキャッシュとは
 ウェブアクセスを効率化するミッドルウェア
 よくアクセスされるものをキャッシュに格納
 三種類：
WWW
繰り返し
再利用
2. プロキシ・キャッシュ
1. ブラウザ・キャッシュ
3. サーバ逆キャッシュ
複数ユーザ
共
有
2000年12月7日
（C）上林研究室
4
キャッシュに関する問題
置換手法→ヒット率（Ｈｉｔ Rate）もっと高める
1
一致性維持→コンテンツの新鮮さ
コンテンツ管理→キャッシュコンテンツを共有
2
情報源として積極的利用
法的・倫理的・経済的な問題
著作権
プライバシー
ウェブ広告ヒット数
2000年12月7日
（C）上林研究室
5
ウェブキャッシュの特徴
従来のキャッシュ
ウェブキャッシュ
キャッシュ・ユーザ
システム
人 間
働く環境
CPU、OS、DBなど
WWW
データ単位
物理的・ブロック
論理的・ウェブページ
データサイズ
単一、小さい
大きい差がある
時間制約
厳しい
余裕がある
アルゴリズム
簡 単、履歴ベース
複 雑
性能測定
Hit Rate
Hit Rate、Byte Hit
Rate
2000年12月7日
（C）上林研究室
6
従来のウェブキャッシュ手法の欠点
 利用履歴だけに基づくキャッシュ置換手法
アクセス頻度→60％一度しかアクセスしてない→判断できず
アクセス時間
キャッシュ空間
観測時間が必要
新入者
被観測者
置換該当者
アクセス履歴データなしでも測定できる方法は？？
2000年12月7日
（C）上林研究室
7
提案：コンテンツを意識するキャッシュ
Request/Response
（Hits/Misses）
④人気内容をユーザに推薦など
① 情報要求解析
どんな内容が欲しいか？
②新規内容測定
③キャッシュ置換
2000年12月7日
（C）上林研究室
8
新しいキャッシュ構造
子キャッシュ
制約条件
ユーザ・興味
制御部
CKBルール
ストレージ
ブラウジング
索 引
質問
2000年12月7日
ロード
サーチ
（C）上林研究室
WWW
9
ユーザ情報要求（Needs）解析
1. Most Frequently Queried
順
番
1
2
2. Most Frequently Appeared
重
み
3
3
順
番
1
2
Gambling
Game
重
み
3
3
2
3
Investing
2
4
hardcore
Gambling
2
4
Movie
2
5
6
Investing
Game
2
1
5
6
ticket
Java
1
1
3
2000年12月7日
MFQ言葉
Movie
database
W1 = 0.7
（C）上林研究室
MFA言葉
W2 = 0.3
10
セメンチックスよりアクセス傾向の推定
順 人気トピック 重み
P
番
1
Movie
2.7
Gambling 2.3
2
3
Database
2.1
4
Investing
2.0
5
6
Game
hardcore
1.6
1.4
2000年12月7日
（C）上林研究室
Document
内容による人気度
（類似度計算））
  similarity ( D, P)
11
セメンチックスを利用する利点
 内容による人気度推定
 観察時間短縮
情報要求
キャッシュ空間
 時空効率
高い
人気内容
空いている
2000年12月7日
置換該当者
非人気内容
（C）上林研究室
12
従来のウェブキャッシュ手法
アルゴリズム
LRU
LFU
SIZE
Size-Ajusted
LRU
Segmented
LRU
LRU-SP
2000年12月7日
最近度
O
X
X
O
頻度
X
O
X
X
サイズ
X
X
O
O
O
O
X
O
O
O
（C）上林研究室
13
コンテンツを意識するLRU-SP+
LRU-SP(Size-adjusted and Popularityaware LRU, K. Cheng et al Compsac’00)
RF 1
利益
小さいものをキャッシングしない

Size T RF：引用頻度； T アクセス最近度
LRU-SP+ (Content-Sensitive LRU-SP)
 ( RF 1)
e


利益
1
小さいものをキャッシングしない

Size T
  similarity ( D, P)
2000年12月7日
（C）上林研究室
14
LRU-SP+の実装について
③. 最終決置換
2.5KB
一番小さい
 ( RF 1)
e
1

Size T
5KB
2.5KB
②.置換候補
時間的に最も長く
引用されてないもの
5KB
2.5KB
2.4KB/2
Hit
4KB/2
5.2KB
5.2KB/2
①．オブジェクト分類
2000年12月7日
5.02KB
 Size

subcache#  ln(
)   ( RF  1)



（C）上林研究室
15
実験設計
実験内容の選択
コンテンツによる人気度測定は正確か?（実験中）
コンテンツの人気度＝長期的人気度?（実験中）
長期的人気度を用いてキャッシュ効率高める？
実験モデル：
“コンテンツ人気度“＝１＋
ドキュメントAのアクセス回数
実験データでのすべてのアクセス記録数
2000年12月7日
（C）上林研究室
16
実験結果： Hit Rates
LRU-SP
SgLRU
LRV
8
7
6
5
4
3
2
0.25
0.23
0.21
0.19
0.17
0.15
0.13
0.11
0.09
0.07
0.05
0.
15
0.
3
0.
5
0.
8
1.
5
Hit Rates
LRU-SP+
Cache Sizes (% of Total Need)
2000年12月7日
（C）上林研究室
17
実験結果： Byte Hit Rates
SgLRU
LRU-SP
LRV
8
7
6
5
4
3
2
1.5
0.8
0.5
0.3
0.25
0.23
0.21
0.19
0.17
0.15
0.13
0.11
0.09
0.07
0.05
0.15
Byte Hit Rates
LRU-SP+
Cache Sizes (% of Total Need)
2000年12月7日
（C）上林研究室
18
終わりに
ウェブの人間向き、ドキュメントベースの特徴
を生かし、キャッシュ（データ！）とキャッシュ
の使い道（情報！）を再び検討すべき
コンテンツを積極的に利用しキャッシュ効率を
高める方法は提案した。
実験的検証について
コンテンツもワークロードもあるBenchmarkはな
い → シミュレーション的検証は困難
実験内容を分けて、段階的にやる必要がある
2000年12月7日
（C）上林研究室
19