面向數(shù)據(jù)新鮮度的ICN-IoT緩存方案

趙國鋒,林 歡,段 潔,鄒亞琴,曾 帥

(1.重慶郵電大學 通信與信息工程學院,重慶 400065; 2.重慶市光通信與網(wǎng)絡高校重點實驗室,重慶 400065)

0 概述

隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展,網(wǎng)絡規(guī)模不斷擴大,TCP/IP網(wǎng)絡架構(gòu)在可擴展性、安全性、移動性以及服務質(zhì)量等方面面臨嚴峻挑戰(zhàn)[1]。信息中心網(wǎng)絡(Information-Centric Networking,ICN)[2-3]在該技術(shù)背景下應運而生,其使用基于命名內(nèi)容對象的通信模式以及用戶驅(qū)動與面向內(nèi)容的流量模式,可代替?zhèn)鹘y(tǒng)網(wǎng)絡中主機到主機的通信模型。

ICN以內(nèi)容為中心的特性使其呈現(xiàn)出網(wǎng)絡內(nèi)置緩存、基于內(nèi)容名的路由以及面向內(nèi)容的安全模式[4]等新特征。其中,網(wǎng)絡內(nèi)置緩存是指路由器緩存網(wǎng)絡中的內(nèi)容,當用戶向網(wǎng)絡發(fā)送興趣包時,網(wǎng)絡中緩存有請求內(nèi)容的任何路由器都可將內(nèi)容返回給用戶。ICN內(nèi)置緩存能使用戶在網(wǎng)絡節(jié)點處快速獲取數(shù)據(jù),從而增強數(shù)據(jù)可用性,并減少用戶獲取數(shù)據(jù)的時延,提升網(wǎng)絡傳輸性能[5]。此外,ICN通過使用唯一且與位置無關的內(nèi)容名稱進行路由標識,可有效支持用戶移動性并克服IP網(wǎng)絡中IP尋址局限性[6]。面向內(nèi)容的安全模式是指原始數(shù)據(jù)提供者對數(shù)據(jù)進行簽名,節(jié)點和用戶通過驗證簽名來檢驗數(shù)據(jù)有效性,該安全模式為數(shù)據(jù)內(nèi)容提供便捷有效的安全保護,無需第三方或其他節(jié)點參與[7]。上述ICN特征可為網(wǎng)絡內(nèi)容傳輸、路由標識以及數(shù)據(jù)安全等問題提供有效的解決方案,研究人員利用ICN特征可解決當前物聯(lián)網(wǎng)(Internet of Things,IoT)中由海量數(shù)據(jù)分發(fā)引起的以上問題[8-10]。

ICN內(nèi)置緩存為物聯(lián)網(wǎng)數(shù)據(jù)檢索加速及設備節(jié)能提供了解決思路并由此受到廣泛關注[11]。文獻[12]在實際物聯(lián)網(wǎng)中部署ICN實驗,證明減少緩存喚醒傳感器次數(shù)可提升IoT能效。文獻[13]通過仿真發(fā)現(xiàn)將ICN緩存策略直接用于IoT不能達到理想的緩存效果,認為傳感器對周圍環(huán)境物理信息的周期性采集會產(chǎn)生大量數(shù)據(jù),其中大部分數(shù)據(jù)在較短時間內(nèi)會過期,因此物聯(lián)網(wǎng)數(shù)據(jù)在數(shù)據(jù)量及數(shù)據(jù)特征上與網(wǎng)絡中普通業(yè)務數(shù)據(jù)不同。文獻[14]認為IoT用戶更趨向于請求最新信息,提出用戶驅(qū)動的信息新鮮度(內(nèi)容在緩存中所逗留時間)機制。文獻[15]基于新鮮度定義提出一種綜合考慮物聯(lián)網(wǎng)數(shù)據(jù)壽命與數(shù)據(jù)請求率的緩存方案,其中節(jié)點主要緩存新鮮度小或者壽命大于緩存閾值的數(shù)據(jù),同時還提出自動配置機制以動態(tài)調(diào)整緩存閾值,以使所提方案在不同請求速率下有良好表現(xiàn),并通過仿真證明該方案能有效減少物聯(lián)網(wǎng)設備能耗與數(shù)據(jù)檢索延遲。上述方案雖然考慮物聯(lián)網(wǎng)數(shù)據(jù)更新頻繁的特征,但均將最近產(chǎn)生的數(shù)據(jù)返回給用戶,未考慮物聯(lián)網(wǎng)用戶對數(shù)據(jù)產(chǎn)生的時間要求,導致用戶接收數(shù)據(jù)的準確度較低。此外,這些方案考慮因素較單一,例如僅考慮新鮮度或者請求速率,造成節(jié)點緩存內(nèi)容只有一種屬性,導致新鮮卻不流行或者流行但不新鮮的內(nèi)容占據(jù)大量緩存空間。設計緩存方案時只有考慮多方面因素,才能有效利用緩存空間,進而提高物聯(lián)網(wǎng)緩存效率。上述研究將ICN緩存機制應用于物聯(lián)網(wǎng),未考慮IoT業(yè)務將產(chǎn)生海量數(shù)據(jù)且數(shù)據(jù)更新頻繁的問題,因而無法充分發(fā)揮ICN優(yōu)勢[16-18]。因此,需針對物聯(lián)網(wǎng)數(shù)據(jù)設計合適的緩存策略以提升緩存效率。

針對物聯(lián)網(wǎng)數(shù)據(jù)更新頻繁的特征與用戶對數(shù)據(jù)新鮮度較高的要求,本文提出基于物聯(lián)網(wǎng)數(shù)據(jù)新鮮度的ICN-IoT[7]緩存方案(Data Characteristics based ICN-IoT Caching Scheme,DCI2CS)。將物聯(lián)網(wǎng)數(shù)據(jù)的新鮮度具體化,引入時間戳使用戶所請求的數(shù)據(jù)精確匹配到數(shù)據(jù)的時間維度,采用請求概率與流行度結(jié)合的緩存策略,根據(jù)內(nèi)容特征實現(xiàn)內(nèi)容靈活緩存,基于物聯(lián)網(wǎng)數(shù)據(jù)之間關聯(lián)性提出未來時刻數(shù)據(jù)預測方法,使節(jié)點在保證用戶滿意度的情況下加速響應用戶請求。

1 ICN-IoT緩存方案

1.1 方案描述

在基于ICN的物聯(lián)網(wǎng)中,ICN緩存方案至關重要。當緩存空間被請求次數(shù)較少的數(shù)據(jù)占用時,緩存效率極低,用戶請求被發(fā)送到服務器處并產(chǎn)生較長內(nèi)容獲取時延,從而影響到用戶體驗。即使基于物聯(lián)網(wǎng)數(shù)據(jù)更新頻繁的特征在緩存空間中緩存新鮮內(nèi)容,也無法滿足物聯(lián)網(wǎng)用戶對內(nèi)容所產(chǎn)生時間的要求。因此,DCI2CS方案結(jié)合數(shù)據(jù)流行度與基于內(nèi)容所產(chǎn)生時間的請求概率來提高緩存效率,并創(chuàng)新性地通過在內(nèi)容存儲(Content Store,CS)表中添加相似時間戳字段來返回用戶對未來時刻產(chǎn)生內(nèi)容的請求,以幫助用戶快速準確地獲取內(nèi)容。

為精確返回滿足物聯(lián)網(wǎng)用戶對數(shù)據(jù)新鮮度要求的數(shù)據(jù)包,DCI2CS方案對興趣包、數(shù)據(jù)包以及內(nèi)容存儲器條目進行擴展,興趣包與數(shù)據(jù)包的結(jié)構(gòu)如圖1所示。興趣包中除了內(nèi)容名(Content Name)字段還添加時間戳(Timestamp)字段表示用戶所請求內(nèi)容產(chǎn)生的時間,并添加時間戳閾值(Timestamp Threshold)字段,表示用戶可容忍的最大時間戳差值,同時添加Nonce字段作為預留字段。數(shù)據(jù)包中除了內(nèi)容名字段和數(shù)據(jù)(Data)字段,同樣添加時間戳字段表示所攜帶內(nèi)容產(chǎn)生的時間,并加入相似時間戳(Similar Timestamp)字段表示與緩存內(nèi)容數(shù)據(jù)值相似的數(shù)據(jù)所產(chǎn)生時間,此字段主要用于后續(xù)獲得相似時間戳。此外,內(nèi)容存儲器中也添加時間戳表示所緩存內(nèi)容產(chǎn)生的時間。

圖1 興趣包與數(shù)據(jù)包的結(jié)構(gòu)

當數(shù)據(jù)包沿請求路徑返回時,路由器查看數(shù)據(jù)包中內(nèi)容名稱和時間戳,并根據(jù)新內(nèi)容緩存決策與內(nèi)容版本更新情況對數(shù)據(jù)包進行緩存決策,上述數(shù)據(jù)包處理流程如圖2所示。

圖2 數(shù)據(jù)包處理及節(jié)點轉(zhuǎn)發(fā)興趣包的流程

(1)

1.2 緩存決策機制

針對物聯(lián)網(wǎng)數(shù)據(jù)更新頻繁的特性,DCI2CS方案中路由器根據(jù)內(nèi)容流行度與基于時間的請求概率對內(nèi)容進行緩存決策。當數(shù)據(jù)包返回到路由器時,若緩存空間有剩余,則直接緩存數(shù)據(jù)包;否則路由器將到達數(shù)據(jù)以及CS表中的緩存數(shù)據(jù)進行名稱匹配。若名稱匹配成功,則表明節(jié)點緩存有與到達數(shù)據(jù)同名的內(nèi)容;若匹配失敗,則表明節(jié)點未緩存此內(nèi)容。因此，節(jié)點根據(jù)以上情況選擇執(zhí)行新內(nèi)容緩存和內(nèi)容版本更新兩種緩存決策。

1.2.1 新內(nèi)容緩存

ICN-IoT網(wǎng)絡中每個路由器緩存空間有限,當緩存空間緩存最流行的內(nèi)容時,可獲得較高緩存命中率。由于路由器中流行內(nèi)容各不相同,因此每個路由器中均有緩存內(nèi)容流行度列表,該表將不同名的內(nèi)容按流行度從大到小依次排列。流行度代表同名內(nèi)容被請求的概率,而每個內(nèi)容在節(jié)點處流行度的計算公式為:

(2)

路由器根據(jù)式(2)計算緩存內(nèi)容流行度并創(chuàng)建流行度表。當數(shù)據(jù)包到達路由器時,若緩存空間未滿,則直接緩存;否則路由器將對CS表中緩存內(nèi)容和到達內(nèi)容進行名稱匹配,若未能匹配,則根據(jù)式(2)計算到達內(nèi)容流行度。若到達內(nèi)容流行度大于流行度表中的最小流行度,則用到達內(nèi)容替換最小流行度對應的緩存內(nèi)容;否則不緩存此到達內(nèi)容。

1.2.2 內(nèi)容版本更新

對于物聯(lián)網(wǎng)中主題相同的內(nèi)容,用戶更偏愛最近產(chǎn)生的內(nèi)容,以往所產(chǎn)生內(nèi)容較少有用戶請求。在一般情況下,內(nèi)容的請求概率P隨著Δt增大而減小,其中Δt為當前時間tc與內(nèi)容產(chǎn)生時間tg的時間間隔。由于指數(shù)分布可用于表示獨立事件的時間間隔概率分布,因此內(nèi)容基于時間的請求概率服從參數(shù)λ=1的指數(shù)分布,如圖3中實線所示。

圖3 內(nèi)容基于時間的請求概率

(3)

值得注意的是,某內(nèi)容的請求概率P應為用戶對此內(nèi)容請求概率Preq與該時刻所產(chǎn)生基于時間的請求概率Ptr之積,即P=Preq·Ptr。

網(wǎng)絡中常會出現(xiàn)Δt較大的內(nèi)容突然被用戶多次請求的情況,例如當事故發(fā)生時,用戶會頻繁請求以往時間段內(nèi)容來查明事故發(fā)生原因。在這種有突發(fā)流量的情況下,以往時間段內(nèi)容成為用戶請求頻繁的內(nèi)容。當u時刻所產(chǎn)生內(nèi)容i被請求的次數(shù)Ru大于φ時,則認為內(nèi)容i在當前有較高請求概率,φ為內(nèi)容i全部請求數(shù)目之和的一半,即φ=1/2·ni。因為正態(tài)分布可以用來描述隨機變量的概率分布,所以在(u-a,u+a)時間段內(nèi),本文假設內(nèi)容請求概率的突增情況服從均值為u、方差為1的正態(tài)分布,表達式為:

(4)

假設a和b分別是用于確定時間范圍和調(diào)整正態(tài)分布幅度的參數(shù),則(u-a,u+a)時間段內(nèi)容的請求概率為:

(5)

(6)

當數(shù)據(jù)包到達路由器時,若緩存空間未滿,則直接緩存到達內(nèi)容;否則路由器將CS表中緩存內(nèi)容與到達內(nèi)容進行名稱匹配。若匹配成功,則按式(6)計算到達內(nèi)容的請求概率以及與到達內(nèi)容同名的緩存內(nèi)容請求概率。若到達內(nèi)容的請求概率大于所緩存內(nèi)容的請求概率,則用到達內(nèi)容替換緩存內(nèi)容;否則不緩存此到達內(nèi)容。

1.3 基于服務器預測的相似字段創(chuàng)建

節(jié)點根據(jù)上述緩存策略對數(shù)據(jù)進行緩存,這可能導致節(jié)點緩存同一內(nèi)容的多個版本數(shù)據(jù),因此本文使用時間戳匹配方式使節(jié)點返回合適版本的數(shù)據(jù)以滿足用戶要求。同時,本文通過相似時間戳匹配來高效快速地響應用戶關于未來時刻數(shù)據(jù)的請求,下文將詳細闡述相似時間戳的產(chǎn)生過程。

在物聯(lián)網(wǎng)中,用戶有時會對未來某一時刻的內(nèi)容進行請求,例如在天氣預報中,用戶對未來溫度信息進行頻繁請求。由于網(wǎng)絡中路由器無法響應此類請求,會將請求發(fā)送到服務器,而服務器沒有此內(nèi)容在該時刻產(chǎn)生的數(shù)據(jù),因此會出現(xiàn)請求失敗。對于這類請求,DCI2CS方案在服務器處利用內(nèi)容以往時刻數(shù)據(jù)值對內(nèi)容未來時刻數(shù)據(jù)值進行預測,并在路由器CS表處添加相似時間戳字段。當收到這類請求時,路由器將匹配相似時間戳并返回相應數(shù)據(jù)給用戶,從而減少發(fā)送到服務器的請求次數(shù)。

1.3.1 服務器預測

物聯(lián)網(wǎng)中同一內(nèi)容不同時刻產(chǎn)生的數(shù)據(jù)之間有一定關聯(lián)性,通過這些數(shù)據(jù)可對未來相應時刻數(shù)據(jù)信息進行預測。由于灰色預測可通過已有數(shù)據(jù)尋找系統(tǒng)變化規(guī)律,從而預測數(shù)據(jù)未來發(fā)展狀況,因此本文通過建立灰色預測模型GM(1,1)預測內(nèi)容在未來時刻產(chǎn)生的數(shù)據(jù)。

在服務器內(nèi),將內(nèi)容i產(chǎn)生的前n個數(shù)據(jù)值按時間戳由小到大排序得到初始數(shù)據(jù)集合,其中，x(0)(1)表示產(chǎn)生時間最長的數(shù)據(jù)值,x(0)(n)表示產(chǎn)生時間最短的數(shù)據(jù)值,表達式如下:

x(0)=(x(0)(1),x(0)(2),…,x(0)(n))

(7)

x(1)=(x(1)(1),x(1)(2),…,x(1)(n))

(8)

當已知x(1)時,令x(0)(k)=x(1)(k)-x(1)(k-1),其中k=2,3,…,n,則稱所得數(shù)列x(0)為x(1)的1次累減生成數(shù)列。

取x(1)的加權(quán)均值,得到z(1)(k)=α·x(1)(k)+(1-α)·x(1)(k-1),其中,k=2,3,…,n,α=0.5,則有:

z(1)=(z(1)(2),z(1)(3),…,z(1)(n))

(9)

GM(1,1)的微分模型表達式為:

(10)

其中,m為發(fā)展系數(shù)，n為灰作用量。

由于x(1)(k)-x(1)(k-1)=x(0)(k),取x(0)(k)為灰導數(shù),z(1)(k)為背景值,因此由式(10)得到相應灰微分方程為:

x(0)(k)+m·z(1)(k)=n,k=2,3,…,n

(11)

其矩陣形式為:

Y=B(m,n)T

(12)

Y=(x(0)(2),x(0)(3),…,x(0)(n))

(13)

(14)

用最小二乘法計算得到系數(shù)m、n的估計值為:

(15)

灰微分方程的解為:

(16)

通過1次累減得出內(nèi)容i在未來固定時刻數(shù)據(jù)值為:

(17)

采用相對誤差大小檢驗法可檢驗灰色預測模型精確度,該方法將實際值與預測值比較,觀察相對誤差是否滿足實際要求。

計算得到殘差序列為:

(18)

(19)

計算實際數(shù)據(jù)與預測數(shù)據(jù)之間的相對誤差為:

(20)

1.3.2 相似度計算

(21)

其中,xp為以往時刻產(chǎn)生的數(shù)據(jù)值,xf為預測的未來時刻產(chǎn)生的數(shù)據(jù)值。

內(nèi)容在以往時刻與未來時刻所產(chǎn)生數(shù)據(jù)值的相似度為:

(22)

當ρp,f大于相似度閾值時,內(nèi)容在以往時刻與未來時刻產(chǎn)生的數(shù)據(jù)值相似。如果內(nèi)容在未來時刻產(chǎn)生的數(shù)據(jù)值與多個以往時刻產(chǎn)生的數(shù)據(jù)值相似,則認為相似度最大的以往時刻Tpast所產(chǎn)生數(shù)據(jù)值與未來時刻Tfuture產(chǎn)生的數(shù)據(jù)值相似。

1.3.3 CS表更新

圖4為CS表中相似字段的添加過程,其中數(shù)據(jù)包內(nèi)相似時間戳字段是與此數(shù)據(jù)包所攜帶數(shù)據(jù)相似的未來時刻內(nèi)容時間戳。本文方案在路由器的內(nèi)容緩存CS表中加入相似時間戳字段,若路由器決定緩存收到的數(shù)據(jù)包,則根據(jù)數(shù)據(jù)包內(nèi)信息創(chuàng)建相應CS表條目。若預測的未來時刻已到達,則相應條目中的相似時間戳字段為0。

圖4 CS表中相似字段的添加過程

2 仿真與結(jié)果分析

2.1 參數(shù)設置

本文方案使用MATLAB軟件平臺進行仿真驗證,并在GEANT拓撲中進行應用,GEANT拓撲結(jié)構(gòu)如圖5所示。在該拓撲中,各節(jié)點均具有緩存功能并與用戶連接,數(shù)據(jù)的內(nèi)容源均勻分布于節(jié)點之間。在每個節(jié)點處,數(shù)據(jù)的請求到達速率服從齊夫(Zipf)分布,興趣包到達速率為1 000 packet/s,數(shù)據(jù)種類為10 000。將本文DCI2CS方案和NDN-TTL、NDN-PET、PCC方案[19]的緩存性能進行對比。在DCI2CS方案中,根據(jù)文獻[20]預測出內(nèi)容在下一階段的流行度,用戶根據(jù)所預測內(nèi)容流行度請求未來時刻數(shù)據(jù)值,時間戳閾值為15 s,相似度閾值為0.85。在式(6)中,a和b分別設置為5和1。PCC方案的接入路由(Access Router,AR)注冊周期和周期內(nèi)使用頻率最低(Period Least Frequently Used,P-LFU)表更新周期均設置為50 s。PCC方案與NDN-TTL方案中TTL值設置為15 s。

圖5 GEANT拓撲結(jié)構(gòu)

本文方案目標是提升緩存命中率與減少用戶獲取內(nèi)容的時延,此外,由于加入時間戳能使用戶得到更準確數(shù)據(jù),因此將緩存命中率、平均跳數(shù)以及信息準確率作為方案性能評價指標。其中,緩存命中率為命中路由器中內(nèi)容名的平均概率,平均跳數(shù)為用戶到緩存命中路由器或內(nèi)容源所在路由器經(jīng)過的路由器數(shù)量,信息準確率為用戶所收到數(shù)據(jù)的準確率,即用戶收到正確數(shù)據(jù)數(shù)量與其所收數(shù)據(jù)總數(shù)量的比值。由于NDN-PET、PCC、NDN-TTL等方案總是返回給用戶最新版本內(nèi)容數(shù)據(jù),因此本文根據(jù)帕累托法則[21]假設有80%的用戶一直請求最新版本內(nèi)容數(shù)據(jù),20%的用戶請求以往版本內(nèi)容數(shù)據(jù)或者未來版本內(nèi)容數(shù)據(jù)。實驗共輪詢100次,緩存命中率、平均跳數(shù)和信息準確率取100次測試結(jié)果的平均值。

2.2 結(jié)果分析

緩存容量比是緩存容量與內(nèi)容數(shù)量的比值。在本文仿真實驗中由于內(nèi)容數(shù)量不變,因此若緩存容量比變大,則緩存容量增大。為研究緩存容量比對DCI2CS方案和NDN-PET、PCC、NDN-TTL等緩存方案性能的影響,本文對比了上述方案在不同緩存容量比下緩存命中率、平均跳數(shù)以及信息準確率的變化情況。圖6為緩存容量比對4種方案緩存命中率的影響。可以看出,隨著緩存容量比的增加,4種方案的緩存命中率均提高,這是因為緩存容量比增加后能緩存更多數(shù)據(jù),所以提高緩存命中率。DCI2CS方案的緩存命中率高于其他3種方案,原因在于DCI2CS方案能使緩存空間存儲用戶請求更頻繁的內(nèi)容,且當用戶發(fā)送對未來時刻數(shù)據(jù)的請求時,DCI2CS方案中路由器通過服務器預測并找出與預測內(nèi)容相似的緩存數(shù)據(jù)能滿足用戶請求,從而使節(jié)點處命中率增加,而其他方案中節(jié)點無法命中這些請求。

圖6 緩存容量比對4種方案緩存命中率的影響

圖7為緩存容量比對4種方案平均跳數(shù)的影響。可以看出,隨著緩存容量比增加,4種方案的平均跳數(shù)均減少,這是因為緩存容量比增加后節(jié)點的緩存命中率提高,有更多請求在中間路由器處被命中,避免將請求發(fā)送到內(nèi)容源處,所以數(shù)據(jù)返回所需平均跳數(shù)減少。DCI2CS方案的平均跳數(shù)少于其他3種方案,原因在于DCI2CS方案的緩存命中率較高,能有效減少請求的路由跳數(shù),而其他3種方案中路由器在收到請求時會與內(nèi)容源進行信息交互,從而產(chǎn)生大量時延,造成用戶等待時延過長。

圖7 緩存容量比對4種方案平均跳數(shù)的影響

圖8為緩存容量比對4種方案信息準確率的影響?？梢钥闯?DCI2CS方案的信息準確率明顯高于其他3種方案,原因在于DCI2CS方案加入時間戳,能將用戶對內(nèi)容產(chǎn)生的時間要求明確化,確保命中的內(nèi)容滿足用戶要求,而其他3種方案僅簡單返回給用戶最新產(chǎn)生的數(shù)據(jù),不能滿足用戶對以往數(shù)據(jù)的請求。

圖8 緩存容量比對4種方案信息準確率的影響

在式(20)中代入10組數(shù)據(jù)計算得到相對誤差,并計算本文灰色預測模型的精度p°,每組數(shù)據(jù)數(shù)量為10,所得結(jié)果如表1所示?？梢娪刹煌M數(shù)據(jù)得到的灰色預測模型精度均大于95%,由此可知該模型所得預測值具備一定的準確性。

表1 不同數(shù)據(jù)組所得灰色預測模型的精度

3 結(jié)束語

本文將ICN思想應用于物聯(lián)網(wǎng),提出基于數(shù)據(jù)新鮮度的ICN-IoT緩存方案。采用時間戳匹配方式滿足用戶對數(shù)據(jù)所產(chǎn)生時間的要求，使節(jié)點通過服務器預測并找出與預測內(nèi)容相似的緩存內(nèi)容,以滿足用戶對未來時刻所產(chǎn)生內(nèi)容的請求,同時路由器基于內(nèi)容流行度和時間請求概率結(jié)合的緩存策略對數(shù)據(jù)包做出緩存決策。仿真結(jié)果顯示,與NDN-PET、NDN-TTL、PCC等緩存方案相比,該方案具有更高的緩存命中率、信息準確率以及更低的平均跳數(shù),可滿足物聯(lián)網(wǎng)用戶對數(shù)據(jù)在時間維度上的較高要求。未來將通過ndnSIM仿真平臺驗證本文方案的有效性,并考慮物聯(lián)網(wǎng)數(shù)據(jù)特征對緩存決策的影響,以提升ICN-IoT網(wǎng)絡緩存效率。