信息中心網(wǎng)絡(luò)中基于勢能的流媒體對象緩存研究

游志剛

摘 要：信息中心網(wǎng)絡(luò)（ICN）已經(jīng)展現(xiàn)出可以解決多種網(wǎng)絡(luò)問題的趨勢。與此同時，信息中心網(wǎng)絡(luò)還有許多問題需要去解決，以推進這個非常有前途的架構(gòu)。在這篇文章中，我們主要討論兩個問題：1）如何定位或選擇網(wǎng)絡(luò)中的節(jié)點作為緩存節(jié)點；2）緩存節(jié)點緩存什么樣的內(nèi)容使得緩存利用率較高。這篇文章通過介紹基于勢能的緩存算法，使得在任意圖網(wǎng)路中通過合理分配緩存節(jié)點和緩存內(nèi)容達到較高的緩存利用率。通過和CATT的比較，請求節(jié)點的接入代價降低，內(nèi)容路由器命中率增加。

關(guān)鍵詞：信息中心網(wǎng)絡(luò)；流媒體；緩存；緩存片段

中圖分類號：TP393 文獻標(biāo)識碼：A 文章編號：1009-3044（2015）06-0213-03

Potential Based Streaming Media with Content Caching for ICN

YOU Zhi-gang

（School of Software Engineering，Tongji University，Shanghai 201804，China）

Abstract：ICN（Information Centric Networking ） has shown the trend that can solve the problem of multiple network. Meanwhile， there are many problems need to solve， in order to promote this very promising architecture. In this paper， we mainly discuss two problems： how to locate or select node to cache the distributed contents？ And how are these content distributed or cached by taking advantage of cache in network？ The paper through introducing the cache algorithm based on potential that achieve high cache utilization by reasonable distribution of the cache in network nodes in arbitrary topology.Through the comparison with CATT ， the algorithm had make that the access cost of nodes in network reduced and increase the cache hit ratio.

Key words：ICN （Information Centric Networking）； streaming media； caching； chunk

根據(jù)Cisco公司預(yù)測，在2013-2018年期間，全球互聯(lián)網(wǎng)用戶將從25億增長到近40億（將超過全球人口的51%），全球的網(wǎng)絡(luò)設(shè)備和連接數(shù)量也將從2013年的120億增長到210億[1]?；ヂ?lián)網(wǎng)應(yīng)用已經(jīng)由端對端的通信模式向內(nèi)容獲取模式轉(zhuǎn)變，通信與互聯(lián)網(wǎng)模式不再是用戶對用戶，而是用戶對數(shù)據(jù)。TCP/IP協(xié)議架構(gòu)已經(jīng)無法適應(yīng)這種轉(zhuǎn)變，這樣ICN就孕育而生。

在ICN中，用戶只關(guān)系請求內(nèi)容本身，而不在乎請求內(nèi)容的位置[1][2][6]。ICN要求網(wǎng)絡(luò)中每一個節(jié)點都有緩存功能，覆蓋全網(wǎng)的緩存成為ICN網(wǎng)絡(luò)體系的一個重要部分?；谡埱髢?nèi)容名字路由的方式使得網(wǎng)絡(luò)中的每個節(jié)點都能對請求內(nèi)容進行響應(yīng)。網(wǎng)絡(luò)不在只是一個傳輸體，而且已然是一個存儲體[9]。

緩存網(wǎng)絡(luò)建模的目的是對緩存系統(tǒng)進行適度的抽象和簡化，建立相應(yīng)的理論模型并進行分析，為緩存行為提供理論支撐。在Web緩存出現(xiàn)以后，緩存網(wǎng)絡(luò)的建模一般面向的是一些特殊的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，比如線性的級聯(lián)網(wǎng)絡(luò)或是層次的樹狀結(jié)構(gòu)[1]。為了最大程度的發(fā)揮緩存在ICN網(wǎng)絡(luò)體系中的優(yōu)勢，設(shè)計一個高效的緩存機制是關(guān)鍵。這這篇文章當(dāng)中，我們主要圍繞下面兩個問題：

1）確定哪些內(nèi)容的作為節(jié)點的緩存及其位置。

2）怎樣充分利用好緩存。

針對以上這些問題，我們將在網(wǎng)狀結(jié)構(gòu)的任意圖上進行解析分析，設(shè)計出一套緩存的解決方案-基于勢能的緩存算法

1 相關(guān)工作

1.1 CATT

CATT（potential based routing with content caching for icn）[6]是一個基于勢能的內(nèi)容路由方式，事先通過控制層面的擴散，建立相應(yīng)的路由表。對于給定的文件對象C，給定的網(wǎng)絡(luò)節(jié)點n，給定的緩存有c的網(wǎng)絡(luò)節(jié)點nc，定義了n受到nc的勢能影響，影響值與兩節(jié)點之間的距離成反比，而與文件c的質(zhì)量成正比。文件c的質(zhì)量可以解釋為節(jié)點nc的處理能力和吞吐量。而在整個網(wǎng)絡(luò)中，n受到的勢能影響可以定義為所有緩存有文件c的節(jié)點對節(jié)點n的勢能影響之和。CATT的路由方式為：當(dāng)請求到達節(jié)點n時，如果沒有命中文件，則選取與n的勢能差最大的鄰居節(jié)點轉(zhuǎn)發(fā)請求。在CATT中，定義了兩類勢場：

在實際的系統(tǒng)采用上述兩種勢場的組合，從而有效的平衡了對象可用性和系統(tǒng)可擴展性。

缺點：沒有充分考慮到chunk粒度的相關(guān)性，（緩存的聚集問題）。

2 基于勢能的緩存算法

2.1 假設(shè)

我們可以假設(shè)在網(wǎng)絡(luò)中的節(jié)點可以作為內(nèi)容請求節(jié)點，也可以利用網(wǎng)絡(luò)存儲體的性質(zhì)，作為內(nèi)容路由緩存文件的chunk。我們也假設(shè)原始服務(wù)器（文件內(nèi)容分發(fā)）作為一個緩存不會被替換的內(nèi)容路由，可以推薦下游結(jié)點緩存chunk。

在任意圖網(wǎng)絡(luò)中，節(jié)點之間沒有明確的層次關(guān)系。我們假設(shè)在最初的狀態(tài)下，網(wǎng)絡(luò)中的內(nèi)容路由器內(nèi)容路由表都為空，用戶內(nèi)容請求消息是通過泛洪的方式來傳輸請求至原始服務(wù)器的，隨著請求內(nèi)容的沿路徑返回，內(nèi)容路由表逐步更新，而在沿路徑的內(nèi)容的緩存使得用戶請求內(nèi)容能夠得到更加快速的響應(yīng)。沿路徑緩存的節(jié)點主要的判斷標(biāo)準(zhǔn)是通過返回路徑中節(jié)點所受周圍節(jié)點內(nèi)容勢能影響決定的，選取受到周圍節(jié)點勢能影響最大的節(jié)點作為緩存節(jié)點，使得相同的內(nèi)容文件片段能夠聚集在相對集中的范圍內(nèi)。

2.2 基于勢能的緩存分配算法

為了更加貼切的模仿現(xiàn)實網(wǎng)絡(luò)，不能簡單的用層次結(jié)構(gòu)來代替現(xiàn)實網(wǎng)絡(luò)，所以我們把網(wǎng)絡(luò)放置在任意圖中展示：

緩存算法的樹形結(jié)構(gòu)如圖1所示，存在一個初始服務(wù)器，存在一些用戶節(jié)點和一些內(nèi)容路由器，我們假設(shè)每一個內(nèi)容文件都是由10個chunk組成，服務(wù)器中包含了這些文件，這些文件請求都由用戶節(jié)點發(fā)起。

1）終端N1發(fā)送請求，請求文件A，將通過泛洪到達初始服務(wù)器。

2）在請求到達后，初始服務(wù)器響應(yīng)請求，這個第一次對文件A的請求，在從節(jié)點N1到服務(wù)器N1之間不存在緩存，在這條路徑上所有的節(jié)點都擁有相同的勢能影響，所以在這條路徑中隨機選擇一個節(jié)點作為緩存節(jié)點，在圖1中，在響應(yīng)的時候，一部分chunks將被緩存在N4節(jié)點上，并更新鄰居節(jié)點的路由表。

3） 假設(shè)N2請求相同的文件A，將在到服務(wù)器的路徑的節(jié)點N4得到文件的一部分chunks，其余部分將從服務(wù)器得到。

4） 在響應(yīng)請求后，返回到N2的路徑中，只有一個節(jié)點N4緩存了文件的內(nèi)容，所以上游的節(jié)點N5和下游的節(jié)點N3受到最大的勢能影響，所以在響應(yīng)返回時，將一部分緩存到N3和N5上。

5） 其他節(jié)點在請求相同的內(nèi)容，相同的內(nèi)容在一定范圍內(nèi)的區(qū)域緩存的數(shù)量較多，如果在該區(qū)域附近的用戶請求內(nèi)容較多的話，能夠更快的得到相應(yīng)。

3 仿真實驗

如上文所述，與本文相關(guān)的研究包括chunk的緩存及其流動，我們從中選擇代表性的策略座位性能比較的對象：最近提出來的CATT，本文采用多個性能參數(shù)進行對比，其中包括平均接入代價、緩存命中率、替換數(shù)量等，我們接下來將會研究各個網(wǎng)絡(luò)參數(shù)對性能的影響，如緩存大小、內(nèi)容數(shù)量、節(jié)點數(shù)量、Zipf參數(shù)（α）等

3.1 性能參數(shù)

采用用了peersim基于cycle驅(qū)動來模擬本次實驗。ICN網(wǎng)絡(luò)作為一個任意圖結(jié)構(gòu)，在任意圖網(wǎng)絡(luò)中，有100個節(jié)點，每個節(jié)點都擁有相同的為4的度。初始服務(wù)器存放有100個不同的文件，節(jié)點通過信息請求的形式在網(wǎng)絡(luò)中請求所需要的信息。用戶請求的信息服從α=0.85的ZIPF分布。

表1列出了本文主要的實驗參數(shù)以及默認(rèn)值。

3.2 實驗結(jié)果

本節(jié)給出的實驗結(jié)果，都是通過10次實驗后得到的平均。

3.2.1 接入代價

圖2顯示，隨著任意圖網(wǎng)絡(luò)中的節(jié)點的增加，基于勢能的緩存算法和CATT的接入代價都在不斷升高，而且CATT接入代價增長速度比基于勢能的緩存算法要快很多。而從圖3中我們可以看到，基于勢能的緩存算法中，命中數(shù)基本上都在98%以上，而CATT卻在任意圖結(jié)構(gòu)中表現(xiàn)一般。

如圖4所示，平均跳數(shù)指明了在任意圖中請求的接入代價的平均值，可以看到，CATT的平均接入代價整體高于基于勢能的緩存算法，整體提高了6%，但是由于基于勢能的緩存是的任意圖網(wǎng)絡(luò)節(jié)點請求的命中數(shù)提高很多，所以整體性能更好。

3.2.2 緩存命中率

緩存命中率是考查緩存效率的主要因素，緩存命中率越高，緩存的效率也就越高，圖5中看出，在100-400個節(jié)點之間，基于勢能的緩存算法比CATT分別高出32.2%、23.4%、8%。

3.2.3 緩存被替換數(shù)

緩存替換數(shù)越高表示網(wǎng)絡(luò)中的緩存越不穩(wěn)定，對于一個資源有限的路由器來說，這些消耗顯然會影響到路由器的轉(zhuǎn)發(fā)和其他任務(wù)的完成。基于勢能的緩存算法雖然命中率和接入代價比CATT更加優(yōu)秀，但是在緩存替換更加的頻繁，導(dǎo)致能源無謂的浪費，這個問題需要及時解決。

4 結(jié)論

通過對基于勢能的流媒體緩存對象的研究，使得在ICN任意圖網(wǎng)絡(luò)中請求的接入代價、緩存命中數(shù)都得到了較大的提高，但是由于緩存節(jié)點較多，所以緩存替換數(shù)響應(yīng)增加，以后的研究將著手于流媒體中chunk之間影響、chunk數(shù)量的影響和Zipf的α值的影響，從而達到接入代價、緩存命中率和緩存替換的性能整體提升。

參考文獻：

[1] 張國強， 李楊， 林濤， 等. 信息中心網(wǎng)絡(luò)中的內(nèi)置緩存技術(shù)研究[J]. 軟件學(xué)報， 2014， 25（1）： 154-175.

[2] Chai W K， He D， Psaras I， et al. Cache “l(fā)ess for more” in information-centric networks[M]//NETWORKING 2012. Springer Berlin Heidelberg， 2012： 27-40.

[3] Chai W K， He D， Psaras I， et al. Cache “l(fā)ess for more” in information-centric networks （extended version）[J]. Computer Communications， 2013， 36（7）： 758-770.

[4] 葉潤生， 徐明偉. 命名數(shù)據(jù)網(wǎng)絡(luò)中的鄰居緩存路由策略[J]. 計算機科學(xué)與探索， 2012， 6（7）： 593-601.

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

[6] 林闖， 賈子驍， 孟坤. 自適應(yīng)的未來網(wǎng)絡(luò)體系架構(gòu)[J]. 計算機學(xué)報， 2012， 35（6）： 1077-1093.

[7] Diallo M， Fdida S， Sourlas V， et al. Leveraging caching for Internet-scale content-based publish/subscribe networks[C]//Communications （ICC）， 2011 IEEE International Conference on. IEEE， 2011： 1-5.

[8] Psaras I， Chai W K， Pavlou G. Probabilistic in-network caching for information-centric networks[C]//Proceedings of the second edition of the ICN workshop on Information-centric networking. ACM， 2012： 55-60.

[9] 劉外喜， 余順爭， 蔡君， 等. ICN 中的一種協(xié)作緩存機制[J]. 軟件學(xué)報， 2013， 24（8）.