天地一體化智能網(wǎng)絡(luò)節(jié)點靜態(tài)處理與緩存策略

石懷峰，王成功，蔡睿妍，魏德賓

（1.大連大學(xué) 通信與網(wǎng)絡(luò)重點實驗室，遼寧 大連 116622；2.南京理工大學(xué) 自動化學(xué)院，南京 210094）

0 概述

天地一體化網(wǎng)絡(luò)是按照“天基組網(wǎng)、地網(wǎng)跨代、天地互聯(lián)”的思路，以地面網(wǎng)絡(luò)為基礎(chǔ)、以天基網(wǎng)絡(luò)為延伸，覆蓋太空、空中、陸地、海洋等自然空間，為天基、陸基、?；雀黝愑脩艋顒犹峁┬畔⒈Ｕ系幕A(chǔ)設(shè)施［1］。隨著網(wǎng)絡(luò)中節(jié)點計算、存儲和通信轉(zhuǎn)發(fā)能力的大幅提升，天地一體化網(wǎng)絡(luò)向天地一體化智能網(wǎng)絡(luò)方向不斷演進。

天地一體化智能網(wǎng)絡(luò)借鑒信息中心網(wǎng)絡(luò)（Information Centric Network，ICN）的通信模式，使得內(nèi)容傳輸由發(fā)送者驅(qū)動的端到端通信模式向接收者驅(qū)動的海量內(nèi)容獲取模式轉(zhuǎn)變，減小了信息傳輸時延，但同時存在以下兩方面的問題。一方面，衛(wèi)星節(jié)點移動性使得傳輸路徑中的返回路徑進行調(diào)整，進而導(dǎo)致待處理的興趣表（Pending Interest Table，PIT）與轉(zhuǎn)發(fā)信息庫（Forward Information Base，F(xiàn)IB）的信息有誤，內(nèi)容包找不到請求節(jié)點，同時路徑改變會使內(nèi)容副本緩存的位置發(fā)生變化，從而降低緩存收益；另一方面，ICN 網(wǎng)絡(luò)上的傳統(tǒng)緩存策略的緩存收益低，而新型緩存策略開銷大，均不適用于衛(wèi)星節(jié)點傳輸。本文利用衛(wèi)星節(jié)點運動的規(guī)律性設(shè)定虛擬位置，采用提前向后方進行內(nèi)容緩存的方式解決衛(wèi)星移動導(dǎo)致的傳輸路徑改變問題，提出一種基于ProbCache 的緩存策略，在組的層面上進行分區(qū)，并按照內(nèi)容副本流行度閾值進行存儲位置遷移，使得流行度高的內(nèi)容副本存儲至離請求節(jié)點近的位置，以提高網(wǎng)絡(luò)緩存收益。

1 相關(guān)工作

在ICN 網(wǎng)絡(luò)上的緩存策略大致分為傳統(tǒng)緩存策略與新型緩存策略兩類。傳統(tǒng)緩存策略主要包括LCE［2］、LCD［3］、MCD［4］和ProbCache［5］等。LCE是在內(nèi)容傳輸?shù)穆窂焦?jié)點上進行緩存，但物理節(jié)點存儲空間有限，限制了所有內(nèi)容副本的存儲。LCD 隨著請求次數(shù)的增加，內(nèi)容副本的放置位置會單跳地向請求節(jié)點移動，且不刪除節(jié)點的內(nèi)容副本，但因為節(jié)點存儲空間有限，所以最終將導(dǎo)致網(wǎng)絡(luò)中的內(nèi)容副本差異較小。MCD 與LCD 的主要區(qū)別在于當存儲下一跳內(nèi)容副本時，會將節(jié)點內(nèi)的緩存副本進行刪除，MCD 的冗余度比LCD 低，但當某節(jié)點的中心度［6］很高時，其無法將內(nèi)容副本流行度高的內(nèi)容存儲于該節(jié)點。同時，MCD 與LCD 都是以單跳為單位進行內(nèi)容副本移動，當傳輸路徑經(jīng)過節(jié)點的數(shù)量太多時，內(nèi)容副本的緩存收益會很低。在ProbCache 緩存策略中，節(jié)點以加權(quán)概率緩存收到的包，加權(quán)概率與當前節(jié)點到請求節(jié)點的距離成反比，即當前節(jié)點離請求節(jié)點越近時，緩存內(nèi)容副本的概率越大，但在該過程中并沒有體現(xiàn)出內(nèi)容副本的流行度?？梢钥闯?，傳統(tǒng)緩存策略的內(nèi)容副本緩存收益［7］較低。

在傳統(tǒng)緩存策略的基礎(chǔ)上，一些新型緩存策略相繼被提出。文獻［8］對路徑訪問代價和節(jié)點替換代價進行綜合考慮，并將代價總量作為內(nèi)容副本緩存的決策依據(jù)。文獻［9］提出SatCache 緩存方案，該方案基于簡單的用戶模型，通過聚合大量用戶生成的內(nèi)容請求，并利用衛(wèi)星通信媒介的廣播特性，創(chuàng)建用戶偏好表，估計用戶對于給定內(nèi)容的潛在興趣。文獻［10］構(gòu)建一種內(nèi)容交付的雙層模型，其中放置于地面站的緩存構(gòu)成第一層緩存，部署在衛(wèi)星上的緩存構(gòu)成第二層緩存，并且提出基于遺傳算法的高速緩存策略，從而降低上行和下行鏈路的衛(wèi)星消耗帶寬。文獻［11］通過將緩存決策提前至請求轉(zhuǎn)發(fā)階段，將下游節(jié)點的緩存決策信息及內(nèi)容統(tǒng)計信息逐級反饋給上游節(jié)點，輔助上游節(jié)點完成緩存決策。文獻［12］根據(jù)內(nèi)容傳播規(guī)律將內(nèi)容分為早期傳播與晚期傳播，然后計算出內(nèi)容副本在不同時期的緩存概率。文獻［13］提出一種基于動態(tài)流行度與請求代價的命名數(shù)據(jù)網(wǎng)絡(luò)緩存策略DPCP，在該策略中所有節(jié)點都對每個內(nèi)容副本進行動態(tài)流行度和請求代價的計算，并根據(jù)計算結(jié)果進行內(nèi)容替換和緩存節(jié)點的選擇。文獻［14］在多層衛(wèi)星網(wǎng)絡(luò)中部署網(wǎng)絡(luò)內(nèi)的緩存策略，并提出基于緩存容量和內(nèi)容流行度的概率緩存策略。文獻［15］利用衛(wèi)星節(jié)點對內(nèi)容的高敏感性和可選擇性等特點，將SDN 和ICN 相結(jié)合，提出一種ContentSDSN 架構(gòu)，減小了內(nèi)容獲取時延。文獻［16］提出一種APDR 新型緩存策略，該策略中的興趣包除了攜帶對內(nèi)容的請求外，還收集沿途各節(jié)點對該內(nèi)容的潛在需求、緩存開銷等信息，使得興趣包的匯聚和目的節(jié)點可據(jù)此計算出一個緩存方案，并將該方案附加在內(nèi)容包上，通知返程途中的某些節(jié)點緩存該內(nèi)容包并設(shè)置指定的緩存時間。APDR 緩存策略的緩存開銷小，但是內(nèi)容潛在需求是指瞬時潛在需求，并未準確反映內(nèi)容流行度，緩存收益還有上升空間。緩存開銷是指將內(nèi)容副本緩存于傳輸路徑上造成的網(wǎng)絡(luò)資源開銷。可以看出，新型緩存策略由于緩存復(fù)雜度高，緩存開銷較大，因此不適用于天地一體化智能網(wǎng)絡(luò)，尤其是衛(wèi)星網(wǎng)絡(luò)。

2 衛(wèi)星節(jié)點靜態(tài)處理機制

在衛(wèi)星路由算法的研究中，對于衛(wèi)星節(jié)點的靜態(tài)處理通常采用虛擬節(jié)點策略。假設(shè)衛(wèi)星的位置與地球表面的固定位置相對應(yīng)，則該衛(wèi)星節(jié)點就是虛擬節(jié)點［17］。當使用虛擬節(jié)點替換物理衛(wèi)星節(jié)點時，衛(wèi)星間只傳輸路由信息，但該策略僅適用于小規(guī)模數(shù)據(jù)傳輸，而非內(nèi)容副本傳輸?；诖?，本文設(shè)計基于虛擬位置的衛(wèi)星節(jié)點靜態(tài)處理機制BVL，具體步驟為：

步驟1確定衛(wèi)星節(jié)點的虛擬位置。衛(wèi)星節(jié)點虛擬位置的確定與傳統(tǒng)路由中虛擬節(jié)點的位置確定方法［17］一致。

步驟2定義緩存區(qū)域半徑的基本單位。將同一衛(wèi)星軌道相鄰兩個衛(wèi)星節(jié)點的距離定義為R。

步驟3確定緩存區(qū)域，如圖1 所示。設(shè)定內(nèi)容副本流行度閾值S，緩存半徑Rd和RD，高流行度的內(nèi)容（S～1）對應(yīng)的緩存區(qū)域為（0～Rd），低流行度的內(nèi)容（0～S）對應(yīng)的緩存區(qū)域為（Rd～RD），具體表示如式（1）所示：

圖1 緩存區(qū)域示意圖Fig.1 Schematic diagram of caching area

步驟4確定衛(wèi)星節(jié)點的緩存替換策略。衛(wèi)星節(jié)點采用最近最少使用（Least Recently Used，LRU）策略，當內(nèi)容副本被替換時，告知虛擬位置的衛(wèi)星節(jié)點。

按照衛(wèi)星節(jié)點靜態(tài)處理機制對位于虛擬位置的衛(wèi)星節(jié)點內(nèi)的CS 表進行修改，如表1 所示。在修改完成后，當虛擬位置節(jié)點由下一個物理衛(wèi)星節(jié)點進行替換時，位于虛擬位置的衛(wèi)星將CS 表、FIB 表和PIT 表移交給下一個衛(wèi)星節(jié)點，并將CS 表中的跳數(shù)字段數(shù)減1。

表1 CS 表Table 1 CS table

3 基于ProbCache 的分組緩存策略

3.1 PBP 算法設(shè)計

在BVL 衛(wèi)星節(jié)點靜態(tài)處理機制的基礎(chǔ)上，借鑒APDR 中緩存開銷較小的通信模式，對ProbCache 緩存策略進行改進，提出一種緩存收益大且緩存開銷小的緩存策略PBP。PBP 實現(xiàn)原理為：隨著請求頻率的增加，內(nèi)容副本會在組的層級上跳躍式地接近請求節(jié)點，從而快速挑選出流行度高的內(nèi)容副本緩存在離請求節(jié)點較近的區(qū)域。

PBP 算法具體步驟如下：

步驟1興趣包到達目的節(jié)點時，目的節(jié)點依據(jù)興趣包攜帶的沿途節(jié)點存儲信息和路徑傳輸時間信息，對傳輸路徑中存儲空間和傳輸時間相似的節(jié)點進行分組。

步驟2分組后按照ProbCache 策略計算每個分組內(nèi)緩存內(nèi)容副本的概率，并將該分組信息通過內(nèi)容包傳輸至路徑節(jié)點。

步驟3設(shè)定組內(nèi)節(jié)點的內(nèi)容副本流行度閾值S1和S2。若每個分組以概率P(xB)進行內(nèi)容副本緩存，則隨機緩存組內(nèi)節(jié)點并更新組內(nèi)所有節(jié)點的PIT表；若下一次相同內(nèi)容再次到來，則繼續(xù)判斷內(nèi)容副本流行度是否達到閾值S1，若達到，則將此數(shù)據(jù)包復(fù)制并存儲到內(nèi)容副本流行度高的區(qū)域；若內(nèi)容副本流行度達到閾值S2，則進行存儲位置的組間更改。

步驟4若節(jié)點內(nèi)有該內(nèi)容包對應(yīng)的分組，則節(jié)點無視內(nèi)容包攜帶的分組信息；若節(jié)點內(nèi)沒有該內(nèi)容包對應(yīng)的分組，則在PIT 表內(nèi)增加分組信息。

本文假設(shè)某個請求節(jié)點發(fā)送興趣包，且網(wǎng)絡(luò)中某些節(jié)點存在內(nèi)容包，將請求節(jié)點發(fā)送的興趣包命中的節(jié)點稱為目的節(jié)點，而路徑中某個節(jié)點屬于哪個分組由該節(jié)點的PIT 表決定。

算法1網(wǎng)絡(luò)信息傳輸算法

輸入興趣包，網(wǎng)絡(luò)中的各個節(jié)點及路徑

輸出內(nèi)容包的緩存位置

1.If（興趣包到達目的節(jié)點）

2.目的節(jié)點通過興趣包收集到路徑節(jié)點的存儲空間信息和傳輸時間信息進行決策分組；

3.目的節(jié)點依據(jù)ProbCache 策略計算每個分組緩存內(nèi)容副本的概率P(xB)；

4.目的節(jié)點發(fā)送內(nèi)容包及攜帶的分組表告知路徑各個節(jié)點屬于哪一個分組；

5.Else

6.興趣包沿途收集經(jīng)過各個節(jié)點的傳輸時間和處理時間信息，并收集節(jié)點剩余存儲空間信息，同時向下一個節(jié)點進行傳輸；

7.建立PIT 表中該內(nèi)容對應(yīng)的條目，若PIT 表中有對應(yīng)的內(nèi)容請求記錄，則更新節(jié)點的內(nèi)容請求次數(shù)表

算法2緩存內(nèi)容副本節(jié)點處理算法

輸入興趣包請求次數(shù)，網(wǎng)絡(luò)中的各個節(jié)點

輸出內(nèi)容包的遷移位置

1.根據(jù)興趣包的請求次數(shù)，更新節(jié)點的請求次數(shù)表；

2.If 內(nèi)容副本流行度閾值為S2～1，Then 進行內(nèi)容副本的組間存儲位置遷移；

3.When 組間遷移有相同內(nèi)容，Then 丟棄重復(fù)的內(nèi)容包；

4.Else If 內(nèi)容副本流行度閾值為S1～S2，Then 進行內(nèi)容副本的組內(nèi)存儲位置遷移；

5.Else 不進行內(nèi)容副本的組內(nèi)存儲位置遷移

緩存策略的傳輸實例如圖2 所示。在圖2（a）中，請求節(jié)點Q1發(fā)送興趣包，興趣包沿途收集路徑節(jié)點的存儲空間信息和節(jié)點間的傳輸時間等信息，當找到位于目的節(jié)點D的內(nèi)容包后，目的節(jié)點會原路返回內(nèi)容包，并利用興趣包攜帶的信息，依據(jù)節(jié)點相似性對路徑節(jié)點進行分組，如橢圓實線所示。在圖2（b）中，當請求節(jié)點Q1多次請求達到組內(nèi)存儲區(qū)域閾值S1和S2時，進行存儲位置的組內(nèi)遷移。在圖2（c）中，當請求節(jié)點Q2對內(nèi)容副本進行請求時，會將內(nèi)容副本存儲在非原路徑的第一個節(jié)點上，并依據(jù)目的節(jié)點劃分的分組對本路徑剩余的節(jié)點進行分組，如橢圓虛線所示。

圖2 緩存策略的傳輸實例Fig.2 Transmission example of caching strategy

將PIT 表更改為如表2 所示，計算組內(nèi)緩存的概率P(xB)。

表2 PIT 表Table 2 PIT table

在分組后，存儲空間和距離決定了分組B的緩存概率P(xB)：

其中：xB表示當前分組B內(nèi)各個節(jié)點離請求節(jié)點的平均跳數(shù)；cB表示從目的節(jié)點到請求節(jié)點的總傳輸跳數(shù)表示路徑的目標窗口時間；NB表示路徑中所有分組的平均存儲空間大小表示第i個分組的存儲空間大小；TimesIn(xB)表示當前分組離請求節(jié)點的平均存儲空間占路徑目標窗口時間所需存儲空間的權(quán)重，反映了剩余路徑的存儲能力；CacheWeight(xB)表示當前分組中各個節(jié)點到請求節(jié)點的平均距離與請求節(jié)點到目的節(jié)點的距離之比。

3.2 PBP 策略分析

本文主要分析通過組內(nèi)緩存分區(qū)得到內(nèi)容傳輸?shù)臏p少時間，而一次路徑傳輸中的組內(nèi)緩存分區(qū)如圖3 所示，其中，分組B為路徑上的一個分組，組內(nèi)共有j個節(jié)點，開始節(jié)點為i，節(jié)點u到上一個節(jié)點的傳輸時間為Tu。為便于分析，假設(shè)組內(nèi)每個節(jié)點緩存的內(nèi)容副本總量一致且組內(nèi)存儲空間已滿。

圖3 組內(nèi)緩存分區(qū)示意圖Fig.3 Schematic diagram of caching partition within a group

假設(shè)不進行組內(nèi)存儲區(qū)域劃分，則當前分組中所有內(nèi)容副本到請求節(jié)點的平均傳輸時間為：

其中，n（n=1，2，…，j)表示當前分組中的節(jié)點數(shù)量。

當內(nèi)容副本進行組內(nèi)區(qū)域遷移時，假設(shè)請求頻率高的內(nèi)容所占比例為δ，則請求頻率低的內(nèi)容所占比例為1-δ。按照存儲空間大小，將其劃分為內(nèi)容副本流行度低與內(nèi)容副本流行度高兩個區(qū)域，按照相同假設(shè)可推算出分別有的存儲空間屬于內(nèi)容副本流行度低和內(nèi)容副本流行度高的區(qū)域。由于假設(shè)內(nèi)容副本離請求節(jié)點的距離與衛(wèi)星節(jié)點與請求節(jié)點的距離相對應(yīng)，因此δ的存儲空間對應(yīng)組內(nèi)j×δ個節(jié)點，則流行度高的節(jié)點與請求節(jié)點的平均傳輸時間為：

流行度高的內(nèi)容傳輸減少時間為：

其中，TU表示相鄰組間的平均傳輸時間。

本文策略的優(yōu)勢在于：1）與傳統(tǒng)策略相比，該策略以組的形式向請求節(jié)點移動，緩解了路徑擁塞；2）閾值設(shè)置使得節(jié)點能更準確地將流行度高的內(nèi)容副本向請求節(jié)點移動，解決了ProbCache 和APDR 策略中無法兼顧內(nèi)容副本流行度的問題；3）將組內(nèi)節(jié)點到請求節(jié)點的平均傳輸時間作為分組時間，據(jù)此確定組內(nèi)緩存概率，使得概率計算更加準確；4）分組能考慮網(wǎng)絡(luò)拓撲對節(jié)點中心度的影響，使得中心度［7］高的節(jié)點隸屬于不同分組，增大了該節(jié)點緩存內(nèi)容副本的概率；5）與傳輸緩存策略相比，該策略使用興趣包攜帶路徑信息的方法來緩存決策，節(jié)點間協(xié)作次數(shù)少且緩存開銷小，更加適用于天地一體化智能網(wǎng)絡(luò)。

由理論分析可得，在現(xiàn)有天地一體化網(wǎng)絡(luò)中，當進行星地信息傳輸時，由于衛(wèi)星節(jié)點存儲空間和傳輸時延的限制，因此內(nèi)容副本會大量存儲到地面網(wǎng)絡(luò)中。然而，本文策略通過網(wǎng)絡(luò)緩存內(nèi)容副本的分布位置優(yōu)化，可降低請求內(nèi)容的傳輸時延，并提升用戶滿意度。

4 仿真與結(jié)果分析

在天地一體化智能網(wǎng)絡(luò)中節(jié)點數(shù)量較多，且節(jié)點類型與網(wǎng)絡(luò)拓撲結(jié)構(gòu)復(fù)雜。本文使用基于NS-3［18］環(huán)境的開源仿真工具NDNSim［19］對PBP 策略進行實現(xiàn)。實驗環(huán)境設(shè)置為Ubuntu16.04，內(nèi)存為4 GB，CPU 為Intel Core i7 16 GHz，版本為NDNSimv2.6。為與實際情況相符，搭建衛(wèi)星節(jié)點靜態(tài)化后的天地一體化智能網(wǎng)絡(luò)傳輸模型，模型中的節(jié)點總數(shù)為35，其中的2 個普通節(jié)點沒有存儲能力，所有節(jié)點的存儲總量和節(jié)點間的傳輸時間如圖4 所示。在天地一體化智能網(wǎng)絡(luò)中，天基骨干網(wǎng)、天基接入網(wǎng)、地基骨干網(wǎng)、地面互聯(lián)網(wǎng)和移動通信網(wǎng)節(jié)點的緩存總量為40M、20M、200M、100M 和100M，相鄰節(jié)點之間的傳輸時延為300 ms、100 ms、1 ms、0.5 ms 和0.5 ms，地基骨干網(wǎng)和移動通信網(wǎng)與地面互聯(lián)網(wǎng)節(jié)點之間的傳輸時延均為1 ms。

圖4 天地一體化智能網(wǎng)絡(luò)傳輸模型Fig.4 Transmission model of space-ground integrated intelligent network

每個節(jié)點都產(chǎn)生內(nèi)容請求，并且對內(nèi)容塊的請求模式遵循Zipf 分布［20］。節(jié)點產(chǎn)生的訪問速率模型服從λ泊松分布。實驗參數(shù)設(shè)置如表3 所示。在本文PBP 策略中按照節(jié)點相似性和節(jié)點數(shù)量進行分組，由于地面節(jié)點較多，因此會以較大的概率存儲內(nèi)容副本并進行頻繁的內(nèi)容副本復(fù)制與移動。實驗過程共持續(xù)180 s，其中初始化時間為60 s。

表3 實驗參數(shù)設(shè)置Table 3 Setting of experimental parameters

4.1 性能指標

為反映服務(wù)質(zhì)量，定義平均跳數(shù)和緩存命中率兩個指標，這兩個指標反映了路徑中的節(jié)點緩存收益。平均跳數(shù)的計算公式為：

其中，C(α)表示使用路徑節(jié)點緩存時獲取內(nèi)容所需跳數(shù)，C'(α)表示不使用路徑節(jié)點緩存時獲取內(nèi)容所需跳數(shù)，A表示網(wǎng)絡(luò)中共收到的請求次數(shù)，α表示第α次請求。

緩存命中率的計算公式為：

其中，D(β)為一段時間內(nèi)節(jié)點β命中請求的次數(shù)，D'(β)為一段時間內(nèi)節(jié)點β收到的數(shù)據(jù)請求總次數(shù)，B為網(wǎng)絡(luò)中的節(jié)點總數(shù)。

4.2 結(jié)果分析

4.2.1 Zipf 分布參數(shù)分析

本節(jié)主要研究Zipf 分布參數(shù)對緩存性能的影響。從圖5 可看出，Zipf 分布參數(shù)從0.7 增加到1.3時，緩存性能逐漸改善，這主要是因為Zipf 分布參數(shù)增加使得內(nèi)容局部性增強，節(jié)點對同一內(nèi)容副本的請求概率增加，所以平均跳數(shù)降低，緩存命中率整體提高，而PBP 策略性能表現(xiàn)最佳，相比ProbCache 策略平均跳數(shù)減少22%，平均緩存命中率提高97%。

圖5 Zipf 分布參數(shù)對緩存策略的影響Fig.5 The impact of Zipf distribution parameter on caching strategy

4.2.2 內(nèi)容總量分析

本節(jié)主要研究內(nèi)容總量對緩存性能的影響。從圖6 可看出，傳統(tǒng)緩存策略除LCD 策略外，隨著網(wǎng)絡(luò)內(nèi)容總量的增加，平均跳數(shù)呈上升趨勢，緩存命中率逐漸降低，這主要是因為內(nèi)容總量變化較大導(dǎo)致內(nèi)容局部性降低。LCD 策略的平均跳數(shù)和緩存命中率基本不變，這主要是因為其本身就是反映內(nèi)容的需求次數(shù)，而與內(nèi)容總量無關(guān)。同時，PBP 策略具有最佳性能表現(xiàn)，在內(nèi)容總量為50 000 slot 時，PBP 策略的平均跳數(shù)比ProbCache 策略減少20%，平均緩存命中率提高51%。

圖6 內(nèi)容總量對緩存策略的影響Fig.6 The impact of total content on caching strategy

4.2.3 請求速率分析

本節(jié)主要研究請求速率對緩存性能的影響。從圖7可看出，隨著請求速率的變化，各種緩存策略的性能指標并沒有明顯變化，這表明當前請求速率在節(jié)點能力范圍內(nèi)。PBP 策略隨著用戶請求速率的增加，平均跳數(shù)和平均緩存命中率沒有明顯變化，但總體性能表現(xiàn)仍為最佳，相比ProbCache 策略平均跳數(shù)減少14%，平均緩存命中率提高48%。

圖7 請求速率對緩存策略的影響Fig.7 The impact of request rate on caching strategy

5 結(jié)束語

本文針對天地一體化智能網(wǎng)絡(luò)中衛(wèi)星節(jié)點移動導(dǎo)致的緩存路徑改變問題，提出基于虛擬位置與提前緩存的衛(wèi)星節(jié)點靜態(tài)處理機制與基于ProbCache的輕量級分組緩存策略，將天地一體化智能網(wǎng)絡(luò)中的路徑節(jié)點進行分組并劃分組內(nèi)緩存區(qū)域，使得緩存空間更加符合內(nèi)容副本流行度的特點，從而篩選出流行度高的內(nèi)容副本緩存至離請求節(jié)點較近的區(qū)域。實驗結(jié)果表明，與ProbCache、LCE 和LCD 等策略相比，本文策略能有效減少緩存開銷，并提高路徑節(jié)點的內(nèi)容副本緩存收益，更適用于天地一體化智能網(wǎng)絡(luò)。后續(xù)將對衛(wèi)星節(jié)點靜態(tài)處理規(guī)則進行優(yōu)化，使其能適用于更多類型的網(wǎng)絡(luò)拓撲結(jié)構(gòu)，進一步擴大應(yīng)用范圍。