下载后可任意编辑信息服务的数据预取方法综述 摘要：基于 lDD 的预取策略如 DDp 考虑了数据距离，但是没有考虑数据的访问概率和更新频率和数据大小，针对以上问题提出基于价值的数据预取(cDp)策略，一些重要的数据预取因素如访问概率、更新频率、数据项大小、数据距离和有效范围等都包含在价值函数里，根据价值函数值的大小来选择被预取的数据。通过实验对比，cDp 比 DDp 策略更有效的提高缓存的命中率。 关键词：位置相关信息服务；位置相关数据；数据预取；缓存命中率 0 引言 移动计算环境下，网络的弱连接、低带宽使得用户而无法及时猎取所需的信息，特别是查询位置相关数据（locationDependentData，lDD）时，容易因用户位置的改变而导致查询结果过时失效或者不正确。而数据预取技术能够显著提高数据访问速度和充分利用广播带宽[1]。 1 基于价值的数据预取策略 1.1 位置相关数据的模型位置相关数据（lDD），是指其值取决于具体地理位置的数据，lDD 具有特定的适用范围。 数据的有效范围区域（ValidscopeArea），是指数据实例有效范围的几何区域。每个 lDD 实例有一个特定的有效范围，只有在此有效范围之内，该实例才是正确的。 数据距离（DataDistance），是指 mc 当前位置和数据实例有效范围之间的距离。 1.2cDp 预取方法本文提出 cDp 策略，预取时根据价值函数的值进行选择，预取价值函数如下：cost=puseful×（benefit-penalty）（1） 式（1）中 puseful 为 mc 访问 lDD 的概率，benefit 为 mc 预取 lDD 的获益价值，penalty 为预取 lDD 的惩处代价。 1.2.1 数据预取的奖惩代价数据预取到本地缓存后，并非所有的数据都是mc 需要的，经过运算处理后能成为有效查询的数据才是用户需要的，只有这部分数据才能给 mc 的查询访问带来获益。本文用 fbenefit（di）表示预取数据1下载后可任意编辑di 的获益价值函数，即 mc 未预取数据时的访问时间与预取数据时的访问时间减少的比例。 xxxxc 访问某一种 lDD 可能性的概率，主要以 mc 经过该数据有效范围的概率和未来访问该数据的概率为依据，因此把 mc 将来可能经过有效范围内数据列为预取的候选集 c。主要考虑以下两点因素：①从时间的角度来考虑。越久未被更新的数据，说明其因服务器端的数据更新而导致预取数据失效的可能性越小；而越久未被访问的数据说明其比较陈旧，再次被访问的可能性就越小。②从空间的角度来考虑。讨论表明，在...
