随着云计算的发展,基于云的内容分发网络应运而生。云内容分发网络(Cloud based Content Delivery Networks,CCDNs)通过部署低成本的云服务器以更灵活的方式为用户提供服务。与传统的内容分发网络(Content Delivery Networks,CDNs)相比,CCDNs节省了大量运营成本,是当前进行内容分发的主要措施。内容放置问题对于云内容分发网络十分重要,它决定了如何以更优的方式将数据内容分发至边缘服务器从而降低内容分发成本。然而,随着互联网的发展和普及,互联网用户数量的不断增长,用户对于网络内容的需求持续增多,使得内容分发的成本与日俱增,也使得CCDNs的内容放置优化方法面临巨大挑战。现存的云内容分发网络内容放置优化方法存在许多问题。首先,对于内容放置优化方法,现有的工作能耗开销大且扩展性差。其次,传统的内容放置方法仅提供固定的分发路径,但无法适应CCDNs中云代理服务器频繁变化的动态特征,且没有考虑CCDNs网络拥塞的动态变化。因此,传统的内容放置方法不适用于动态变化的云内容分发网络。针对上述问题,本文首先提出一种基于多播树的能耗优化分发模,该模型能够减少副本分发的路径长度,降低整体能耗;其次,本文提出一种基于Q-learning的动态云内容分发网络内容放置方法,该方法能够适应云内容分发网络的动态变化并有效降低网络的整体拥塞成本。本文的主要工作及创新点概况如下:(1)针对内容放置路径过长及能耗开销大问题,提出了一种基于多播树的能耗优化分发模型——Energy Efficient Delivery Model(EEDM)。首先使用K-Canopy算法确定关键节点个数k;通过K-Means聚类算法,将整个网络划分成k个区域;然后通过关键节点选择算法,找出这k个区域的关键节点作为多播组的成员;根据最小化分发代价的副本放置多播路由选择算法,构建能够连接所有多播成员的分发树。(2)为了降低云内容分发网络内容放置成本,适应CCDNs的动态特性,提出了一种基于Q-learning的内容放置模型——Q-content Placement Model(Q-CPM)。然后,在Q-CPM模型的基础上,通过自适应分发树构建算法构建自适应分发树——Q-adaptive Delivery Tree(Q-ADT)。该算法通过学习数据包传播拥塞信息,选出拥塞成本低的路径分发数据,并能很好的适应动态云内容分发网络。实验结果表明,本文通过基于多播树的能耗优化分发模型,构建分发树,具有较低的能量消耗,验证了提出的能耗优化分发模型能够有效的节约能耗成本;通过基于Q-learning的内容放置模型,产生更好的路由决策,适应CCDNs的动态特性,大大节省了拥塞成本。