随着信息通信技术的高速发展,网络流量呈现爆炸性增长,人们的互联网生活方式也随之发生了转变。Internet的功能从最开始的信息沟通变成了全世界最大的信息资源库。与此同时,伴随用户需求的不断增长,用户对信息资源库中信息的需求,也从简单的资源共享,变成了智能的用户接入和内容分发。当前的网络架构由于内容感知缺乏,管理机制缺失等问题,网络的网络管理和内容管理两个问题日渐突出,从而导致网络资源利用不合理,用户获取内容的效率低下。如何在海量信息中实现用户所需内容的智能高效接入是网络运营商和内容提供商亟待解决的问题。在此背景下,由分布式缓存系统和内容调度系统组成的内容网络被提出。内容网络通过将内容调度到靠近用户的网络边缘,从而达到缓解骨干网流量压力和提高用户接入速率的目的。但是内容网络由于缓存服务器相对独立、内容分发的资源利用率不高、缺少对用户需求内容的预测与调度,难以满足持续增长的网络流量和用户需求。因此,在内容网络中,如何根据当前网络状况和用户需求进行合理的内容调度,以降低网络运营商和内容提供商的网络压力,保证用户体验质量,是一个重要的研究问题。本文围绕内容网络中的内容调度这一中心问题,对当前内容网络的研究现状和发展趋势进行总结和分析,结合内容网络在网络管理和内容管理方面的优势,展开了基于博弈的内容调度研究,基于社交关系的内容调度研究,基于推荐的内容调度研究,以期达到网络资源利用和用户业务体验的提升。本文的主要研究内容与成果如下:①为了应对内容网络中内容获取以及内容调度效率低下问题,本文通过博弈的方法对逻辑域内用户的内容获取和逻辑域间的内容调度效率进行优化。首先,针对内容网络中内容的分布式存储与调度的特性,分析了网络的存储代价与传输代价,定义了内容网络实现网络优化的约束条件。在此基础之上,针对逻辑域内部用户的内容获取缺乏合理的均衡点而无法实现最优内容获取的问题,提出了内容提供商与网络运营商和用户之间的主从博弈模型,分析了该模型最优解的唯一性,对该模型达到纳什均衡时用户的最优内容获取速率进行求解,并通过仿真实验分析不同网络参数下,网络最优状态的变化趋势。随后,本文针对缓存服务器之间合作机理以及链路竞争状态,提出一种协调博弈模型对内容调度的传输效率进行优化,并通过仿真实验验证了博弈均衡状态带来的用户体验和内容调度效率的提升。②为了应对网络中用户产生内容(UGC,User Generated Content)流量所带来的冲击,本文提出了一种基于社交关系的内容调度算法。针对网络中大部分内容都与少数活跃用户相关这一特点,提出了用户影响力模型,根据用户的社交关系分析用户影响力的强弱,对网络中活跃用户进行查找。此外,对用户的内容偏好进行数学建模,建立用户和内容之间的相关性模型,实现了基于社交关系的用户需求预测。在此基础之上,提出了内容调度策略,包括热点内容调度策略和用户偏好内容调度策略,通过内容调度,将预测所得的热点内容和用户需求内容提前部署到用户所在区域的缓存服务器中。实验结果表明,通过社交关系对网络热点内容和用户需求进行预测,可以有效提高用户体验质量,降低源服务器和骨干网的负载。③为了应对网络信息爆炸而带来的信息超载现象,本文提出了提出一种基于推荐的内容调度算法。为了能够在众多的信息中快速筛选出用户所需的内容,根据用户请求内容的历史信息,计算用户的直接推荐关系,结合用户之间内容的相互推荐,计算用户的全局推荐关系,并利用相交合并聚类算法将全局推荐关系相近的用户聚类成为团体。在此基础之上,提出内容调度策略,根据团体内部用户相似的喜好进行内容推荐,并将推荐内容调度到缓存服务器中,提高缓存命中率。仿真结果表明,通过基于推荐的内容调度可以有效提高缓存命中率,降低服务器的负载,保证用户的体验质量。④在上述研究基础上,实现了基于缓存服务器的内容网络实验验证系统,详细设计了缓存服务器的数据测量模块。并通过实验展现了本文部分关键技术的正确性和可行性。为了使系统具有较好的扩展性和兼容性,实验系统采用了模块化设计,各个功能模块可以进行扩展。本文对内容网络的网络管理和内容管理提供了一些新的研究思路,对进一步研究内容网络及内容网络中的内容调度提供了一定的借鉴与参考。