倫敦帝國理工學院的研究人員開發了一種新的編碼緩存方法，可以改善在線流行視頻內容的傳輸。一篇概述其研究結果的研究論文已在arXiv上發布，概述了該技術及其與其他緩存方案相比的表現。

越來越多的人在線播放視頻內容，一些視頻變得特別受歡迎，主導著無線數據流量。這導致了主動緩存系統的發展，該系統在非高峰流量時段預取視頻內容并將其存儲在網絡邊緣或直接存儲在用戶設備中。這些系統可以減輕流量負載并減少特別流行的視頻內容的延遲。

主動緩存有兩個階段：放置階段，系統在非高峰流量時段和交付階段填充用戶緩存，一旦用戶的需求被顯示(在高峰值流量時)就會發生。傳統的未編碼高速緩存方案使用正交單播傳輸，其需要信息的發送者與其目的地之間的一對一關聯，其中每個目的地標識單個接收器。

一種稱為編碼緩存的新范例利用網絡中的緩存資源，通過創建多播傳輸機會來優化布局和交付階段，這需要在單次傳輸中將數據報同時路由到多個收件人。在他們的研究中，研究人員提出了一種新策略，解決了現有編碼緩存系統的兩個局限性。

到目前為止，大多數開發編碼緩存方法的研究主要集中在靜態場景，其中固定數量的用戶同時從內容庫發出請求。這些緩存方案的性能是通過滿足所有用戶需求的延遲來衡量的。然而，實際上，不同地方的人實際上開始在不同的時間點在線觀看視頻，有時在結束前打斷它。這種特定的用戶行為由受眾保留率表示，這是由YouTube和Netfix等主流視頻平臺引入的一種衡量標準，它定義了用戶平均觀看的特定視頻部分。

受眾保留率可以幫助流媒體服務更好地理解和模擬用戶之間不同部分視頻內容的流行度。在他們的研究中，研究人員發現，部分緩存(其中只有視頻的大部分被觀看部分被緩存)可以幫助實現更有效的緩存。

“我們調查視頻文件的編碼緩存，同時考慮到每個視頻的觀眾保留率，”研究人員在他們的論文中解釋道。“我們認為每個視頻文件都包含相等長度的塊，每個塊的觀眾保留率是在相應視頻的總視圖中觀看此塊的用戶的一小部分。”

異步和同步需求到達情景之間的比較，α= 1和β= 0.1。圖片來源：Yang，Amiri和Gündüz

與先前關于編碼緩存的文獻相反，其中假設用戶同時顯示他們的需求，研究人員提出了一種動態需求到達模型，稱為部分編碼緩存(PCC)。該模型更加真實，因為它認為用戶在不同時間點開始和停止觀看視頻。此外，研究人員提出了兩種不同的緩存分配方案，它們將用戶的緩存分配給庫中不同的視頻文件塊; 稱為最佳高速緩存分配(OCA)和基于流行度的高速緩存分配(PCA)。

研究人員在他們的論文中寫道：“結果顯示，在平均交付率或其他已知交付方法擴展到異步場景方面，所提議的方案相對于未編碼緩存有顯著改善。”

在未來，這種新的部分編碼緩存方案可以幫助解決低延遲問題，并在高數據流量時改善在線流行視頻的視頻傳輸。這對于流行的流媒體平臺非常有用，例如YouTube，Netflix和Amazon Prime Video。