0 引言

    依據(jù)2015年Cisco公司公布的最新統(tǒng)計(jì)數(shù)據(jù)得知,，在過去5年內(nèi),，全球IP流量的增長超過了5倍，其中視頻類流量占到所有IP流量的80%^[1],，用戶不再關(guān)心內(nèi)容存儲(chǔ)的具體位置,，而只關(guān)心內(nèi)容本身是否符合要求^[2]。面臨著互聯(lián)網(wǎng)在體系架構(gòu)中暴露出的眾多問題,，學(xué)術(shù)界提出了內(nèi)容中心網(wǎng)絡(luò)架構(gòu)(Content-Centric Networking,，CCN)^[3]。內(nèi)容中心網(wǎng)絡(luò)是一種革命式的未來網(wǎng)絡(luò)設(shè)計(jì),，從根本上改變了數(shù)據(jù)包的傳輸方式,。網(wǎng)內(nèi)緩存是內(nèi)容中心網(wǎng)絡(luò)中的一個(gè)關(guān)鍵技術(shù)，文獻(xiàn)[4-7]對現(xiàn)有的緩存方案進(jìn)行了總結(jié),；文獻(xiàn)[8]提出了一種BetwRep策略,；文獻(xiàn)[9]提出了基于內(nèi)容流行度的緩存策略；文獻(xiàn)[10]基于流行度的預(yù)測提出了一種緩存決定策略,。本文綜合考慮內(nèi)容流行度和網(wǎng)絡(luò)的拓?fù)湟蛩?，提出了一種基于內(nèi)容流行度和節(jié)點(diǎn)介數(shù)的緩存決定方案PBCS(Popularity and Betweenness based Caching Scheme)，在請求次數(shù)滿足收益標(biāo)準(zhǔn)的前提下,，進(jìn)行內(nèi)容流行度與節(jié)點(diǎn)重要度的匹配,，得到符合要求的緩存節(jié)點(diǎn)，最后綜合考慮內(nèi)容的流行度和節(jié)點(diǎn)在請求路徑上的位置，設(shè)計(jì)了一個(gè)動(dòng)態(tài)的概率值p,，以概率的方式進(jìn)行內(nèi)容副本的緩存,。

1 PBCS方案設(shè)計(jì)

1.1 內(nèi)容流行度模型

    CCN中節(jié)點(diǎn)的流行度主要受內(nèi)容在節(jié)點(diǎn)上被請求次數(shù)的影響。假設(shè)內(nèi)容k在節(jié)點(diǎn)v_i上某時(shí)間段T內(nèi)被用戶請求的次數(shù)為f_i,，k,，內(nèi)容k在節(jié)點(diǎn)v_i的流行度定義為：

1.2 節(jié)點(diǎn)重要度

1.3 價(jià)值收益標(biāo)準(zhǔn)

    本文設(shè)計(jì)了一個(gè)價(jià)值收益標(biāo)準(zhǔn)，興趣包在節(jié)點(diǎn)被請求的次數(shù)滿足收益條件時(shí),，才進(jìn)行緩存判決的后續(xù)操作,。假設(shè)內(nèi)容k在節(jié)點(diǎn)v_i的初始請求時(shí)間為t₁，第f_i,，k個(gè)內(nèi)容請求到達(dá)v_i的時(shí)間為t₂,，T=t₂-t₁，在時(shí)間段T內(nèi),，內(nèi)容k在節(jié)點(diǎn)v_i被請求的總次數(shù)是f_i,，k。路由器v_i緩存內(nèi)容k的成本C_i,，k定義：

    當(dāng)請求內(nèi)容k的總次數(shù)f_ik滿足式(6)時(shí),，則進(jìn)行內(nèi)容緩存判決的下一步操作。

1.4 內(nèi)容流行度與節(jié)點(diǎn)重要度的匹配

    為了便于內(nèi)容流行度與網(wǎng)絡(luò)節(jié)點(diǎn)的匹配操作,，將網(wǎng)絡(luò)節(jié)點(diǎn)的介數(shù)B(v_i)進(jìn)行歸一化處理：

式中,，p值是一個(gè)動(dòng)態(tài)變量，受內(nèi)容的請求和當(dāng)前節(jié)點(diǎn)位置的影響,。

1.5 緩存概率值

    本文中設(shè)計(jì)了一個(gè)權(quán)重因子W,，使得越靠近用戶的路由器緩存內(nèi)容的概率越大：

其中，L為用戶到內(nèi)容服務(wù)器距離,，H_i為當(dāng)前節(jié)點(diǎn)v_i到內(nèi)容服務(wù)器的距離,。

    為了加強(qiáng)節(jié)間的協(xié)作，本文針對請求路徑上節(jié)點(diǎn)的上下游關(guān)系,，設(shè)計(jì)了一個(gè)反饋因子F,，如式(11)所示。如果某內(nèi)容在上一個(gè)路由節(jié)點(diǎn)已緩存,，x_i-1設(shè)為1，反之,，x_i-1設(shè)為0,。 

    綜合考慮內(nèi)容的流行度、W和F等權(quán)重因子,，計(jì)算節(jié)點(diǎn)緩存內(nèi)容的概率P：

1.6 PBCS信息包的處理

    圖1,、圖2分別給出了PBCS緩存策略中興趣包和數(shù)據(jù)包的具體處理流程。

2 仿真性能分析

2.1 PBCS性能指標(biāo)

    本文首先利用ndnSIM仿真工具實(shí)現(xiàn)了CCN網(wǎng)絡(luò)架構(gòu)上的內(nèi)容流行度更新系統(tǒng)，進(jìn)而分別實(shí)現(xiàn)了LCE,、Prob和PBCS 3種緩存決定策略在LRU緩存替換下的仿真,。本文主要從緩存命中率和路由跳數(shù)兩方面對本方案的性能進(jìn)行分析。

    (1)平均緩存命中率

2.2 仿真環(huán)境配置

    本文采用NetworkX工具實(shí)現(xiàn)了BA無標(biāo)度網(wǎng)絡(luò),，用來反映真實(shí)的網(wǎng)絡(luò)性質(zhì),，拓?fù)鋱D如3所示，節(jié)點(diǎn)0為內(nèi)容服務(wù)器,，周邊13個(gè)節(jié)點(diǎn)皆為用戶節(jié)點(diǎn),。

    主要仿真參數(shù)設(shè)置如下：網(wǎng)絡(luò)中的內(nèi)容總數(shù)K=10 000個(gè)文件，單個(gè)文件設(shè)定為一個(gè)chunk,；內(nèi)容數(shù)據(jù)包的流行度服從Zipf分布,，參數(shù)的值初始設(shè)定為0.7；內(nèi)容的請求頻率服從泊松分布,，λ=100個(gè)/s,。當(dāng)緩存容量在100～2 000 chunk之間變化時(shí)，仿真分析各種緩存策略的性能,。請求轉(zhuǎn)發(fā)方式選擇洪泛模式,，仿真時(shí)間設(shè)定為200 s。傳輸速率設(shè)置為1 Mb/s,，鏈路的延時(shí)設(shè)置為10 ms,。

2.3 仿真分析

    圖4和圖5給出了節(jié)點(diǎn)緩存容量變化時(shí)，LCE,、Prob(0.7),、Betw和PBCS 4種緩存策略的緩存性能對比。從圖4可以看出,，當(dāng)緩存的容量增大時(shí),，4種緩存策略的平均命中率都逐漸上升，PBCS將流行度高的內(nèi)容分別緩存到重要程度不同的節(jié)點(diǎn)上,，避免了流行度高的內(nèi)容緩存在同一個(gè)節(jié)點(diǎn)上被頻繁替換,，內(nèi)容的平均命中率平均提升了8.7%。同理,，由圖5看出,，隨著緩存容量的增大，內(nèi)容命中的平均跳數(shù)降低,，PBCS策略取得了較好的緩存性能,，相比Betw和LCE策略，內(nèi)容命中的平均跳數(shù)分別減小了0.1跳和0.4跳,。

    圖6和圖7隨著α的增大,，內(nèi)容請求的集中性和局域性不斷增強(qiáng),，流行度高的內(nèi)容在節(jié)點(diǎn)空間中緩存的時(shí)間和響應(yīng)率明顯增大。當(dāng)α進(jìn)一步增大(α>0.6)時(shí),，內(nèi)容流行度的分布產(chǎn)生明顯變化,，緩存的平均命中率上升幅度較大，內(nèi)容請求命中的平均跳數(shù)也明顯減小,。由于PBCS策略中充分考慮了內(nèi)容流行度因素對緩存的影響,，將流行度高的內(nèi)容緩存到合適的邊緣節(jié)點(diǎn)，緩存的性能較好,。

3 總結(jié)

    本文對CCN中的緩存決定方案進(jìn)行了研究,，針對現(xiàn)存方案Prob和Betw中存在得一些問題，提出了一種基于內(nèi)容流行度和節(jié)點(diǎn)重要度的緩存決定方案,，同時(shí)引入了價(jià)值收益模型作為內(nèi)容流行度的約束條件,。當(dāng)內(nèi)容在節(jié)點(diǎn)被請求的次數(shù)符合收益標(biāo)準(zhǔn)時(shí)，才進(jìn)行內(nèi)容流行度和節(jié)點(diǎn)重要度的等級匹配,，設(shè)計(jì)了一個(gè)動(dòng)態(tài)概率值進(jìn)行內(nèi)容的緩存,。仿真結(jié)果表明，這種緩存決定方案能夠有效地提高內(nèi)容的請求命中率和網(wǎng)絡(luò)的傳輸效率,，同時(shí)減小了內(nèi)容在節(jié)點(diǎn)被替換的次數(shù),，有利于緩存系統(tǒng)整體性能的提升。

參考文獻(xiàn)

[1] White Paper：Cisco VNI forecast and methodology,，2015-2020[EB/OL].(2015-05-26)[2016-08-11].http：//www.cisco.com/c/en/us/solutions/collateral/service-provider/ip-ngn-ip-next-generation-network/white_paper_c11-481360.html.

[2] 張行功,，牛童，郭宗明.未來網(wǎng)絡(luò)之內(nèi)容中心網(wǎng)絡(luò)的挑戰(zhàn)和應(yīng)用[J].電信科學(xué),，2013,，29(8)：24-31.

[3] JACOBSON V，MOSKO M,，SMETTERS D,，et al.Content-centric networking[Z].Whitepaper，Palo Alto Research Center,，2007：2-4.

[4] KATSAROS K,，XYLOMENOS G，POLYZOS G C.MultiCache：An overlay architecture for information-centric networking[J].Computer Networks the International Journal of Computer & Telecommunications Networking,，2011,，55(4)：936-947.

[5] ZHANG G，LI Y,，LIN T.Caching in information centric networking：A survey[J].Computer Networks the International Journal of Computer & Telecommunications Networking,，2013，57(16)：3128-3141.

[6] FANG C,，YU F R,，HUANG T，et al.A survey of energy-efficient caching in information-centric networking[J].Communications Magazine IEEE,，2014,，52(11)：122-129.

[7] ZHANG M，LUO H,，ZHANG H.A survey of caching mechanisms in Information-Centric Networking[J].IEEE Communications Surveys & Tutorials,，2015，17(3)：1.

[8] 崔現(xiàn)東,，劉江,，黃韜，等.基于節(jié)點(diǎn)介數(shù)和替換率的內(nèi)容中心網(wǎng)絡(luò)網(wǎng)內(nèi)緩存策略[J].電子與信息學(xué)報(bào),，2014(1)：1-7.

[9] LIM S H,，KO Y B，JUNG G H,，et al.Inter-chunk popularity-based edge-first caching in Content-Centric Networking[J].IEEE Communications Letters,，2014，18(8)：1331-1334.

[10] NAKAYAMA H,，ATA S,，OKA I.Caching algorithm for content-oriented networks using prediction of popularity of contents[C].IFIP/IEEE International Symposium on Integrated Network Management.Ottawa，ON：IEEE,，2015：1171-1176.

作者信息:

徐昌彪,，王  華

(重慶郵電大學(xué) 通信與信息工程學(xué)院，重慶400065)