內(nèi)容中心網(wǎng)絡(luò)中一種改進(jìn)型緩存機(jī)制

曲 樺,王偉萍,趙季紅,2

(1.西安交通大學(xué)電子與信息工程學(xué)院,西安710049;2.西安郵電大學(xué)通信與信息工程學(xué)院,西安710061)

內(nèi)容中心網(wǎng)絡(luò)中一種改進(jìn)型緩存機(jī)制

曲 樺1,王偉萍1,趙季紅1,2

(1.西安交通大學(xué)電子與信息工程學(xué)院,西安710049;2.西安郵電大學(xué)通信與信息工程學(xué)院,西安710061)

內(nèi)容中心網(wǎng)絡(luò)(CCN)作為一種主要的未來(lái)網(wǎng)絡(luò)架構(gòu),以命名的內(nèi)容作為網(wǎng)內(nèi)的主要元素之一,在網(wǎng)絡(luò)研究中受到廣泛關(guān)注。針對(duì)已有的CCN緩存方案內(nèi)容副本替換嚴(yán)重的問題,提出一種內(nèi)容熱門度與節(jié)點(diǎn)中介中心度約束的緩存機(jī)制PopBetw。在基于節(jié)點(diǎn)中心度的基礎(chǔ)上,從內(nèi)容本身的屬性熱門度出發(fā),避免非熱門內(nèi)容的不必要緩存,降低每個(gè)節(jié)點(diǎn)的緩存負(fù)荷,提高網(wǎng)絡(luò)緩存性能。仿真結(jié)果表明,通過評(píng)估緩存大小和內(nèi)容熱門度對(duì)緩存性能的影響,PopBetw緩存策略可取得比LCE,LCPro和EgoBetw方案更高的緩存命中率和更小的路徑延展度,明顯降低網(wǎng)內(nèi)緩存替換數(shù)量,有效減少網(wǎng)內(nèi)節(jié)點(diǎn)中介中心性較大節(jié)點(diǎn)群的緩存替換數(shù),達(dá)到整體性能最優(yōu)化。

內(nèi)容中心網(wǎng)絡(luò);緩存;內(nèi)容熱門度;中介中心度;緩存替換;緩存冗余

1 概述

目前因特網(wǎng)大多用于對(duì)內(nèi)容的訪問。盡管當(dāng)初基于IP的因特網(wǎng)設(shè)計(jì)是為了達(dá)到端到端的通信,但是終端用戶感興趣的僅僅是內(nèi)容本身而非源端位置。新的信息中心網(wǎng)絡(luò)(Information-centric Network, ICN)架構(gòu)［1］一經(jīng)提出,便引起了越來(lái)越多的研究人員的興趣,例如內(nèi)容中心網(wǎng)絡(luò)(Content-centric Network, CCN)［2-3］。CCN主張重新設(shè)計(jì)網(wǎng)絡(luò)體系結(jié)構(gòu),從根本上解決高效內(nèi)容分發(fā)面臨的問題。針對(duì)用戶關(guān)注內(nèi)容本身而非其所在位置這一特點(diǎn),內(nèi)容和位置進(jìn)行解耦合,并采用內(nèi)容名對(duì)內(nèi)容進(jìn)行內(nèi)容標(biāo)識(shí)和路

由,使用戶可以直接訪問內(nèi)容本身,不再需要通過位置間接進(jìn)行訪問。這一特點(diǎn)增強(qiáng)了內(nèi)容緩存的靈活性,使得內(nèi)容流量分布更加均勻。

在CCN場(chǎng)景下,所請(qǐng)求內(nèi)容會(huì)依據(jù)相應(yīng)的緩存決策機(jī)制［4］被緩存在返回路徑沿途的某些節(jié)點(diǎn)中,以便為后續(xù)請(qǐng)求服務(wù)。緩存的主要作用在于降低用戶訪問時(shí)延,特別是減少跨網(wǎng)絡(luò)的數(shù)據(jù)傳輸,使得用戶不必總是從源服務(wù)器獲取內(nèi)容,而是從就近的緩存處獲得服務(wù),同時(shí)分布式的緩存起到負(fù)載均衡的作用。但是,相對(duì)于系統(tǒng)龐大的內(nèi)容總量,網(wǎng)絡(luò)中節(jié)點(diǎn)緩存資源是稀缺的。并且內(nèi)容數(shù)目的增長(zhǎng)遠(yuǎn)大于硬件存儲(chǔ)空間的增長(zhǎng)。因此網(wǎng)內(nèi)緩存決策成為CCN研究中的核心問題之一。

網(wǎng)內(nèi)緩存決策技術(shù)源于Web緩存、CDN和P2P系統(tǒng),主要包括LCE(Leaving Copies Everywhere)［5］,Rdm (Random Caching Strategy),LCPro(Leaving Copies with Probability)等。LCE機(jī)制易于實(shí)現(xiàn)但緩存替換頻繁、性能較差,后兩者通過選擇性緩存以減少不必要的內(nèi)容替換,優(yōu)于LCE,但隨機(jī)性較大,內(nèi)容緩存點(diǎn)的動(dòng)態(tài)性會(huì)產(chǎn)生更多的網(wǎng)絡(luò)開銷。文獻(xiàn)［6］基于自我網(wǎng)絡(luò)中的中介中心度的概念,提出了ICN場(chǎng)景下一種新穎的緩存方案——EgoBetw,當(dāng)內(nèi)容數(shù)據(jù)包沿原路徑返回時(shí),僅在中介中心度值最大的節(jié)點(diǎn)緩存。一個(gè)節(jié)點(diǎn)若位于大量?jī)?nèi)容分發(fā)路徑之間(在拓?fù)渲衅鸬浇煌屑~、關(guān)鍵橋梁的作用),則該節(jié)點(diǎn)將緩存較多內(nèi)容,本地緩存將為更多的其他到來(lái)的用戶請(qǐng)求提供服務(wù)。EgoBetw在一定程度上降低了網(wǎng)內(nèi)緩存替換率,并且將較熱門的內(nèi)容逐漸吸引到離用戶較近的緩存節(jié)點(diǎn)上,緩存性能明顯得以改善。但是同時(shí)導(dǎo)致中介值較大的節(jié)點(diǎn)處的緩存替換率較高。網(wǎng)內(nèi)緩存容量有限,只能滿足用戶的部分請(qǐng)求,即較流行的內(nèi)容,大部分較不流行的內(nèi)容請(qǐng)求需到達(dá)服務(wù)器獲取內(nèi)容。當(dāng)這些內(nèi)容在服務(wù)器命中后經(jīng)過返回路徑上的重要節(jié)點(diǎn)(中介中心度較高的節(jié)點(diǎn))緩存后,節(jié)點(diǎn)的緩存替換率變高,部分內(nèi)容副本在緩存內(nèi)的實(shí)際存活時(shí)間(節(jié)點(diǎn)緩存副本和副本被替換的時(shí)間差)變小,導(dǎo)致重要節(jié)點(diǎn)的緩存替換率較高、負(fù)荷嚴(yán)重、效率不高。

針對(duì)上述問題,考慮到CCN中固定時(shí)間段內(nèi)不同內(nèi)容的訪問頻次即熱門度存在差異,本文將內(nèi)容熱門度與節(jié)點(diǎn)中介中心度相結(jié)合,提出一種PopBetw緩存機(jī)制,在請(qǐng)求內(nèi)容沿原路徑返回時(shí),由最大節(jié)點(diǎn)中介中心度值預(yù)判斷出緩存節(jié)點(diǎn)后,再由內(nèi)容本身的熱門度約束進(jìn)行緩存判決,避免非流行內(nèi)容的不必要緩存,增大較流行內(nèi)容的緩存存活時(shí)間,實(shí)現(xiàn)全網(wǎng)內(nèi)較佳的緩存性能。

2 PopBetw緩存機(jī)制

2.1 設(shè)計(jì)思想

在多數(shù)CCN網(wǎng)絡(luò)中緩存判決策略中,每個(gè)節(jié)點(diǎn)對(duì)所有到達(dá)內(nèi)容做相同處理,未考慮不同內(nèi)容的熱門程度不一這一重要特性。PopBetw緩存機(jī)制將內(nèi)容熱門度與節(jié)點(diǎn)中介度相結(jié)合,在節(jié)點(diǎn)中介度作為緩存約束條件的同時(shí),考慮僅緩存熱門內(nèi)容,通過緩存更少內(nèi)容提高網(wǎng)內(nèi)緩存,減少冗余。

在如圖1所示的拓?fù)渲?t為0時(shí),緩存節(jié)點(diǎn)V1至V6的緩存表均為空。當(dāng)用戶B向服務(wù)器S請(qǐng)求內(nèi)容bi時(shí),S向用戶B返回的內(nèi)容分發(fā)路徑為V1→V3→V5,由于該條路徑上節(jié)點(diǎn)V1的中介中心度最大,所以假如內(nèi)容僅在V1節(jié)點(diǎn)處緩存,V3,V5節(jié)點(diǎn)不緩存,隨后當(dāng)A,B,C,D中某幾個(gè)用戶請(qǐng)求相同內(nèi)容時(shí),即可在節(jié)點(diǎn)V1命中。但是,網(wǎng)內(nèi)內(nèi)容繁多,一旦用戶B請(qǐng)求的內(nèi)容在緩存未命中,即服務(wù)器命中,節(jié)點(diǎn)V1均需緩存這些內(nèi)容,導(dǎo)致節(jié)點(diǎn)V1緩存次數(shù)增多,有限的緩存容量引起替換次數(shù)增多,大量的緩存副本在緩存中的存活時(shí)間減小,命中率急劇減少。在上述例子中,當(dāng)用戶B向服務(wù)器S請(qǐng)求內(nèi)容bi,服務(wù)器返回內(nèi)容時(shí),假如將節(jié)點(diǎn)中介中心度和內(nèi)容熱門度結(jié)合作為緩存的約束條件,即預(yù)判斷節(jié)點(diǎn)V1的中介中心度最大,再次判斷內(nèi)容bi為熱門內(nèi)容時(shí),節(jié)點(diǎn)V1緩存該內(nèi)容,反之不緩存。這種方法使得高熱門度的內(nèi)容副本在節(jié)點(diǎn)V1處存在的概率變大,相對(duì)冷門內(nèi)容副本在節(jié)點(diǎn)V1處存在的概率變小,從而避免了非流行內(nèi)容無(wú)用的緩存操作,節(jié)省了路由器節(jié)點(diǎn)的緩存資源,節(jié)點(diǎn)V1緩存次數(shù)減少,緩存副本在緩存中的存活時(shí)間增大,命中率提高。

圖1 緩存決策實(shí)例

2.2 內(nèi)容熱門度

PopBetw緩存策略在保留CCN中CS,FIB和PIT表的基礎(chǔ)上,增加了數(shù)據(jù)結(jié)構(gòu):內(nèi)容熱門度表(Popularity Table,PT),每一個(gè)表項(xiàng)由內(nèi)容bi的內(nèi)容名和其熱門度值fi組成。如果一個(gè)內(nèi)容越熱門,它的熱門度值越大。

由于內(nèi)容熱門度值具有隨時(shí)間變化的特性,因

此只能根據(jù)其過去的流行情況進(jìn)行估計(jì)。PopBetw緩存策略中,將每個(gè)節(jié)點(diǎn)輸入的請(qǐng)求流分段,每段成為一個(gè)統(tǒng)計(jì)周期,每個(gè)統(tǒng)計(jì)周期包括M個(gè)請(qǐng)求,在這M個(gè)請(qǐng)求周期中記錄統(tǒng)計(jì)出各文件的訪問頻次。定義熱門度值是對(duì)內(nèi)容bi在某一統(tǒng)計(jì)周期內(nèi)的請(qǐng)求次數(shù)估計(jì)值,采取類似文獻(xiàn)［7］的估計(jì)方法來(lái)計(jì)算在第t+1個(gè)統(tǒng)計(jì)周期內(nèi)內(nèi)容bi的熱門度值:

其中,Fbi為上一統(tǒng)計(jì)周期內(nèi)內(nèi)容bi的訪問頻次;δ為衰減系數(shù)。

2.3 節(jié)點(diǎn)中介中心度

考慮到實(shí)際網(wǎng)絡(luò)是動(dòng)態(tài)變化并且全局拓?fù)湫畔⑽幢厝菀撰@得,最初的節(jié)點(diǎn)中介中心度是一種集中式計(jì)算,為實(shí)現(xiàn)節(jié)點(diǎn)中介中心度的分布式計(jì)算,文獻(xiàn)［6］采用自我網(wǎng)絡(luò)的中介中心度來(lái)近似計(jì)算CCN中各節(jié)點(diǎn)的中介中心度值。盡管自我網(wǎng)絡(luò)的中介中心度僅僅反映節(jié)點(diǎn)在自我網(wǎng)絡(luò)中的重要性,但是它和真實(shí)網(wǎng)絡(luò)中該節(jié)點(diǎn)的中介中心度存在強(qiáng)的相關(guān)性。

設(shè)某一自我網(wǎng)絡(luò)為圖G,鄰接矩陣為A,1為元素均為1的矩陣,則A2［1-A］i,j表示節(jié)點(diǎn)i和節(jié)點(diǎn)j之間訪問跳數(shù)為2的路徑數(shù),A2［1-A］中所有元素倒數(shù)之和即該自我網(wǎng)絡(luò)中心節(jié)點(diǎn)的中介中心度CB［8］,即也表征了該節(jié)點(diǎn)在全網(wǎng)內(nèi)的重要程度。

2.4 算法描述

PopBetw緩存策略是基于單個(gè)興趣包請(qǐng)求的,本節(jié)將結(jié)合節(jié)點(diǎn)收到興趣包、內(nèi)容包的處理偽代碼對(duì)PopBetw緩存策略進(jìn)行描述。

Pseudo-code I節(jié)點(diǎn)收到興趣包偽代碼如下:

若用戶i向服務(wù)器j發(fā)送內(nèi)容bi的興趣包,經(jīng)過的節(jié)點(diǎn)依次做出如下處理:

熱門度更新:若計(jì)數(shù)器count未達(dá)到請(qǐng)求周期M,該統(tǒng)計(jì)周期內(nèi)內(nèi)容bi的訪問頻次Fbi加1;否則,請(qǐng)求數(shù)已達(dá)到統(tǒng)計(jì)周期,根據(jù)在本周期內(nèi)非零的F值對(duì)所有內(nèi)容對(duì)應(yīng)的熱門度值按定義公式更新,即更新內(nèi)容熱門度表PT。

內(nèi)容緩存命中判斷:若命中,返回內(nèi)容,并將服務(wù)器命中標(biāo)志HitInServer清零;否則,服務(wù)器命中標(biāo)志HitInServer仍為1,更新CBmax(判斷本節(jié)點(diǎn)中介中心度與興趣包中的CBmax大小,若本節(jié)點(diǎn)中介中心度較大,更新CBmax),向下一跳轉(zhuǎn)發(fā)興趣包。

若內(nèi)容bi從服務(wù)器j或緩存命中的節(jié)點(diǎn)到用戶i沿原路徑返回,關(guān)于緩存條件decision的判斷,經(jīng)過的節(jié)點(diǎn)依次分如下具體情況做出處理:

(1)若內(nèi)容bi在服務(wù)器命中,即標(biāo)志HitInServer為1,節(jié)點(diǎn)中介中心度CB(vn)等于CBmax,表明該節(jié)點(diǎn)為網(wǎng)絡(luò)中中介中心性較大的節(jié)點(diǎn),需要考慮內(nèi)容熱門度,即當(dāng)該內(nèi)容的熱門度值大于閾值θ,則緩存該內(nèi)容。

(2)若內(nèi)容bi在緩存命中,即標(biāo)志HitInServer為0,并且節(jié)點(diǎn)中介中心度CB(vn)等于CBmax,則緩存該內(nèi)容。

3 性能評(píng)價(jià)

3.1仿真環(huán)境和性能評(píng)價(jià)指標(biāo)

為了驗(yàn)證PopBetw算法是否能達(dá)到預(yù)期效果,本文從CCN網(wǎng)內(nèi)多種內(nèi)容放置方案中選擇3種代表性策略LCE,LCPro,EgoBetw作為PopBetw性能比較對(duì)象,結(jié)合LRU緩存替換策略,在NS3網(wǎng)絡(luò)仿真器中實(shí)現(xiàn)了簡(jiǎn)單的CCN仿真模型并對(duì)緩存性能進(jìn)行評(píng)估。

由于真實(shí)的網(wǎng)絡(luò)拓?fù)涫遣灰?guī)則的并且遵循冪律度規(guī)則,本文采用文獻(xiàn)［9］中的方法建立一個(gè)滿足BA模型的無(wú)標(biāo)度網(wǎng)絡(luò),總節(jié)點(diǎn)數(shù)為100。節(jié)點(diǎn)分為3類:服務(wù)器,中間節(jié)點(diǎn)和訪問節(jié)點(diǎn)(連接用戶終端并且在網(wǎng)內(nèi)為第一跳的所有節(jié)點(diǎn)為訪問節(jié)點(diǎn))［10-11］。總的內(nèi)容文件數(shù)M=1 000個(gè),內(nèi)容熱門度模型為參數(shù)α=0.8的Zipf分布。內(nèi)容請(qǐng)求由代表終端用戶的66個(gè)訪問節(jié)點(diǎn)發(fā)出,總數(shù)為330 0000個(gè)(50 000× 66個(gè)),每個(gè)訪問節(jié)點(diǎn)的內(nèi)容請(qǐng)求到達(dá)過程服從λ= 25的泊松過程。盡管CCN支持多徑路由,本文僅從單徑路由的前提下對(duì)緩存策略進(jìn)行性能分析。

本文目標(biāo)是過濾掉非流行內(nèi)容,找到相對(duì)熱門內(nèi)容的最優(yōu)緩存位置達(dá)到最大緩存性能,為更加準(zhǔn)確地反映CCN性能,本文采取以下測(cè)量參數(shù)作為性能評(píng)價(jià)指標(biāo)。

(1)緩存命中率(CHR):

其中,Q表示請(qǐng)求總數(shù);q表示內(nèi)容請(qǐng)求在內(nèi)容路由器處命中個(gè)數(shù)。緩存命中率是一個(gè)典型的測(cè)量緩存性能的參數(shù),緩存命中率越高,反映緩存響應(yīng)用戶請(qǐng)求的概率越高,服務(wù)器負(fù)載越低,緩存系統(tǒng)的效率越高。

再次，培訓(xùn)應(yīng)該以日常工作為重點(diǎn)，不追求花哨和專業(yè)難度很大的內(nèi)容。多關(guān)注那些在客戶家經(jīng)常用到的技術(shù)，把它們作為培訓(xùn)重點(diǎn)。例如，打掃衛(wèi)生和做飯不掌握，凈關(guān)注鮑魚燕窩等高檔食材的制作，就是沒有把握住重點(diǎn)。

(2)路徑延展度(PS)

其中,d為仿真中統(tǒng)計(jì)的29個(gè)訪問節(jié)點(diǎn)發(fā)出的請(qǐng)求通過CCN獲取內(nèi)容的平均實(shí)際跳數(shù);|P|為訪問節(jié)點(diǎn)發(fā)出的請(qǐng)求從源服務(wù)器端獲取所需的平均跳數(shù)。路徑延展反映了負(fù)載水平,在某種程度上,它表示數(shù)據(jù)內(nèi)容經(jīng)過的鏈路數(shù)的減少程度［12-13］。

(3)不同節(jié)點(diǎn)群的平均緩存替換數(shù)和緩存命中數(shù)。在通常情況下,網(wǎng)內(nèi)緩存容量有限,遠(yuǎn)遠(yuǎn)小于內(nèi)容的大小,這就勢(shì)必會(huì)產(chǎn)生大量的替換操作,進(jìn)而消耗大量的計(jì)算資源。而對(duì)于一個(gè)緩存資源有限的路由器來(lái)說(shuō),這些消耗顯然將會(huì)影響路由器的轉(zhuǎn)發(fā)等其他任務(wù)的完成。另一方面,緩存替換發(fā)生越頻繁,副本在節(jié)點(diǎn)的存活時(shí)間越短,副本命中的概率也越小,過高的緩存替換將嚴(yán)重影響網(wǎng)內(nèi)的緩存性能。所以,如何減少CCN中的替換數(shù)量,也是一個(gè)值得注意的問題。

考慮到本文提出的PopBetw緩存機(jī)制涉及到節(jié)點(diǎn)的中介中心性,結(jié)合以上討論將對(duì)3類節(jié)點(diǎn)群的平均緩存替換數(shù)和緩存命中數(shù)進(jìn)行定量分析:所有具有緩存功能的路由器節(jié)點(diǎn)群,具有較大節(jié)點(diǎn)中介中心度的節(jié)點(diǎn)群和其余普通緩存節(jié)點(diǎn)群。

3.2 仿真結(jié)果

3.2.1 緩存大小對(duì)緩存性能的影響

本節(jié)首先研究緩存大小對(duì)系統(tǒng)性能的影響。圖2顯示出緩存性能隨緩存大小變化而變化的情況,其中,緩存大小與內(nèi)容總量之比從1%一直增加到6%。從圖2(a)中可以看到,4種機(jī)制的緩存命中率會(huì)隨著緩存容量大小的增加而增加,相比LCE, LCPro,EgoBetw機(jī)制性能明顯提高,但在這個(gè)過程中,PopBetw策略都取得了比較穩(wěn)定的性能提高,且好于LCE,LCPro,EgoBetw。圖2(b)顯示出路徑延展隨緩存容量的增加而減小的情況。緩存命中率提高,內(nèi)容請(qǐng)求在內(nèi)容路由器上獲取到副本的概率增大,所需訪問跳數(shù)減少,路徑延展也相應(yīng)減少。由于PopBetw采用內(nèi)容熱門度和節(jié)點(diǎn)中介中心性約束緩存條件,避免了緩存冗余,使得緩存節(jié)點(diǎn)盡量緩存熱門內(nèi)容。PopBetw的路徑延展自始至終都比LCE, LCPro和EgoBetw要低。

圖2 緩存大小對(duì)緩存性能的影響

下面研究不同緩存機(jī)制下緩存替換數(shù)和緩存命中數(shù)之間的關(guān)系。圖3是節(jié)點(diǎn)緩存大小和內(nèi)容總量之比取定后,LCE,LCPro,EgoBetw和PopBetw 4種緩存策略下3種不同緩存節(jié)點(diǎn)群的平均緩存替換數(shù)和命中數(shù)的比較。類似文獻(xiàn)［6］,設(shè)節(jié)點(diǎn)緩存大小和內(nèi)容總量之比為0.1,節(jié)點(diǎn)群1～節(jié)點(diǎn)群3分別表示具有緩存功能的所有節(jié)點(diǎn),具有較大節(jié)點(diǎn)中介中心度的節(jié)點(diǎn)群和其余普通緩存節(jié)點(diǎn)群。

如圖3所示,對(duì)于節(jié)點(diǎn)群1,LCE機(jī)制下的平均

緩存替換數(shù)最大且平均緩存命中數(shù)最小,故綜合性能最差,而PopBetw機(jī)制下的平均緩存替換數(shù)最小而緩存命中數(shù)最高,綜合性能明顯提高;對(duì)于節(jié)點(diǎn)群2,4種緩存機(jī)制下的緩存替換數(shù)量差異較大, LCE和LCPro機(jī)制在緩存命中數(shù)方面優(yōu)于EgoBetw,而PopBetw策略下的節(jié)點(diǎn)群2的替換數(shù)遠(yuǎn)比另外3種少,并且命中數(shù)達(dá)最高;對(duì)于節(jié)點(diǎn)群3,節(jié)點(diǎn)中介中心性較小,4種策略下的緩存替換次數(shù)均較小,與節(jié)點(diǎn)群2不同的是,EgoBetw性能遠(yuǎn)勝過LCE和LCPro機(jī)制,同時(shí)EgoBetw以低替換率達(dá)到了最好的命中效果。與節(jié)點(diǎn)群3相比,節(jié)點(diǎn)群2往往處在網(wǎng)內(nèi)的樞紐位置,每個(gè)節(jié)點(diǎn)收到來(lái)自下游節(jié)點(diǎn)聚合的內(nèi)容請(qǐng)求數(shù)量較多,大量的內(nèi)容緩存在這些節(jié)點(diǎn)的概率增大,圖中顯示節(jié)點(diǎn)群2的替換次數(shù)遠(yuǎn)遠(yuǎn)高于節(jié)點(diǎn)群3。

圖3顯示了PopBetw緩存方案通過判斷內(nèi)容的流行度過濾掉相對(duì)較冷門的內(nèi)容,有效地減少了網(wǎng)內(nèi)節(jié)點(diǎn)中介中心性較大的節(jié)點(diǎn)群的緩存替換數(shù),改善了節(jié)點(diǎn)群2的緩存水平,達(dá)到了整體性能最優(yōu)化的目的。

圖3 不同緩存節(jié)點(diǎn)群的緩存命中數(shù)和平均緩存替換數(shù)

3.2.2 內(nèi)容熱門度對(duì)緩存性能的影響

由于用戶對(duì)內(nèi)容的興趣隨時(shí)間會(huì)發(fā)生變化從而影響內(nèi)容熱門度,本節(jié)進(jìn)一步研究變化的內(nèi)容熱門度對(duì)緩存性能的影響。

首先考慮內(nèi)容的熱門度有范圍這一情況,即一些內(nèi)容在某些節(jié)點(diǎn)屬于熱門類,在另外一些節(jié)點(diǎn)處為非熱門內(nèi)容。仿真中所有訪問節(jié)點(diǎn)分為3類,分別產(chǎn)生3類不同內(nèi)容請(qǐng)求(體現(xiàn)用戶對(duì)內(nèi)容的不同程度的喜好),當(dāng)緩存大小與內(nèi)容總量之比為1%時(shí)統(tǒng)計(jì)4種緩存機(jī)制的緩存性能并與內(nèi)容請(qǐng)求為一類的情況下的結(jié)果對(duì)比,如表1所示。相對(duì)于內(nèi)容請(qǐng)求為一類的情況,4種緩存機(jī)制達(dá)到的緩存性能稍差,但是與其他3種方案對(duì)比,PopBetw緩存方案依然有明顯的性能改善。

表1 內(nèi)容請(qǐng)求不同分類情況下的緩存性能對(duì)比

然后分析當(dāng)內(nèi)容熱門度在變化速率不同時(shí)4種緩存機(jī)制的性能變化,假設(shè)緩存大小與內(nèi)容總量之比為3%。如圖4所示,橫軸表示在一個(gè)時(shí)間周期里變化的熱門內(nèi)容數(shù)與內(nèi)容總數(shù)的比值。圖4表明隨著變化的內(nèi)容熱門度,LCE和LCPro30%性能所受影響不大,EgoBetw和PopBetw性能稍微變差。實(shí)驗(yàn)顯示當(dāng)內(nèi)容熱門度變化越緩和,EgoBetw性能越易達(dá)到最優(yōu)。

圖4 熱門內(nèi)容變化率對(duì)緩存性能的影響

4 結(jié)束語(yǔ)

為了使CCN的全網(wǎng)緩存發(fā)揮潛在的優(yōu)勢(shì),本文將內(nèi)容本身的屬性——流行度和節(jié)點(diǎn)中介中心性相結(jié)合,提出并實(shí)現(xiàn)了一種新的內(nèi)容緩存策略

PopBetw。該策略通過節(jié)點(diǎn)中介中心性大小判定選擇較優(yōu)目標(biāo)緩存位置,通過內(nèi)容熱門度緩存熱門內(nèi)容,避免非熱門內(nèi)容的不必要緩存,有效利用緩存資源,避免了大量緩存冗余。仿真結(jié)果表明,考慮到緩存大小和內(nèi)容熱門度變化的因素,PopBetw在緩存性能(包括緩存命中率、路徑延展度)方面優(yōu)于EgoBetw,相比LCE,LCPro策略性能提高更顯著;另外相比較LCE,LCPro,EgoBetw 3種策略,PopBetw有效地減少了網(wǎng)內(nèi)節(jié)點(diǎn)中介中心性較大的節(jié)點(diǎn)群的緩存替換數(shù),達(dá)到了整體性能最優(yōu)化。下一步將對(duì)內(nèi)容熱門度對(duì)算法的影響進(jìn)行更深入的研究。

［1]Koponen T,Chawla M,Chun B G,et al.A Data-oriented (and Beyond)Network Architecture［J］.ACM SIGCOMM Computer Communication Review,2007,37(4):181-192.

［2]閔二龍,陳 震,許宏峰,等.內(nèi)容中心網(wǎng)絡(luò)CCN研究進(jìn)展探析［J］.信息網(wǎng)絡(luò)安全,2012,(2):6-10.

［3]Jacobson V,Smetters D K,Thornton J D,et al.Networking Named Content［C］//Proceedings of the 5th International Conference on Emerging Networking Experiments and Technologies.New York,USA:ACM Press,2009:1-12.

［4]Cho K,Lee M,Park K,et al.WAVE:Popularity-based andCollaborativeIn-networkCachingforContentoriented Networks［C］//Proceedings of 2012 IEEE Conference on Computer Communications Workshops.Washington D.C.,USA:IEEE Press,2012:316-321.

［5]Laoutaris N,Syntila S,Stavrakakis I.Meta Algorithms for Hierarchical Web Caches［C］//Proceedings of IEEE International Conference on Performance,Computing,and Communications.Washington D.C.,USA:IEEE Press, 2004:445-452.

［6]Chai W K,He D,Psaras I,et al.Cache“Less for More”in Information-centric Networks［C］//Proceedings of the 11thInternationalIFIPTC6Conferenceon Networking.Berlin,Germany:Springer,2012:27-40.

［7]Zhang Y,Zhao J,Cao G.Roadcast:A Popularity Aware ContentSharingSchemeinVANETs［J］.ACM SIGMOBILE Mobile Computing and Communications Review,2010,13(4):1-14.

［8]Everett M,Borgatti S P.Ego Network Betweenness［J］.Social Networks,2005,27(1):31-38.

［9]Barabasi A L,AlbertR.EmergenceofScalingin Random Networks［J］.Science,1999,286(5439): 509-512.

［10]Wang J M,Bensaou B.ProgressiveCaching in CCN［C］// Proceedings of 2012 IEEE Global Communications Conference.Washington D.C.,USA:IEEE,2012:2727-2732.

［11]Wang J M,Zhang J,Bensaou B.Intra-AS Cooperative Caching for Content-centric Networks［C］//Proceedings of the 3rd ACM SIGCOMM Workshop on Information-centric Networking.New York,USA:ACM Press,2013:61-66.

［12]Rossi D,Rossini G.CachingPerformance of Content Centric Networks Under Multi-path Routing(and More)［Z］.2011.

［13]Rossi D,Rossini G.On sizing CCNContent Stores by Exploiting Topological Information［C］//Proceedings of INFOCOM Workshops.Washington D.C.,USA:IEEE Press,2012:280-285.

編輯 金胡考

An Improved Caching Mechanism for Content-centric Network

QU Hua1,WANG Weiping1,ZHAO Jihong1,2
(1.School of Electronic and Information Engineering,Xi’an Jiaotong University,Xi’an 710049,China;
2.School of Communication and Information Engineering,Xi’an University of Posts and Telecommunications,Xi’an 710061,China)

Content-centric Network(CCN)based on named data which is one of the vital elements in network,as a main architecture for the future Internet,attracts considerable attention from the research community recent years.A new caching scheme called PopBetw based on content popularity and node’s betweenness is proposed to solve the problem of heavy replacement of content copies brought by existing cache policies in CCN:combining content popularity which is one of content attributes with node’s betweenness avoids caching unpopular contents,reduces caching load in each node and improves in-network caching performance.Simulation experiment demonstrates that the proposed PopBetw caching strategy achieves larger cache hit rate and lower path stretch than that of LCE scheme,LCPro and EgoBetw scheme by evaluating the impact of cache size and content popularity on the caching performance,it also shows that PopBetw apparently lower the number of in-network cache replacement especially in nodes with relatively large value of betweenness to achieve better overall performance.

Content-centric Network(CCN);caching;content popularity;betweenness;cache replacement;cache redundancy

曲 樺,王偉萍,趙季紅.內(nèi)容中心網(wǎng)絡(luò)中一種改進(jìn)型緩存機(jī)制［J］.計(jì)算機(jī)工程,2015,41(3): 41-46.

英文引用格式:Qu Hua,Wang Weiping,Zhao Jihong.An Improved Caching Mechanism for Content-centric Network［J］.Computer Eng-ineering,2015,41(3):41-46.

1000-3428(2015)03-0041-06

:A

:TP393

10.3969/j.issn.1000-3428.2015.03.008

國(guó)家自然科學(xué)基金資助項(xiàng)目(61371087);國(guó)家科技重大專項(xiàng)基金資助項(xiàng)目“新一代寬帶無(wú)線移動(dòng)通信網(wǎng)”(2013ZX03002010-003);國(guó)家“863”計(jì)劃基金資助項(xiàng)目(2014AA01A706)。

曲 樺(1961-),男,教授、博士生導(dǎo)師,主研方向:移動(dòng)互聯(lián)網(wǎng);王偉萍,碩士研究生;趙季紅,教授。

2014-03-06

:2014-05-22E-mail:wwpwalker@163.com