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(guò)去5年內(nèi)，全球IP流量的增長(zhǎng)超過(guò)了5倍，其中視頻類(lèi)流量占到所有IP流量的80%^[1]，用戶(hù)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(wèn)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(lái)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(duì)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(cè)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)湟蛩兀岢隽艘环N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(qǐng)求次數(shù)滿(mǎn)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(qǐng)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(qǐng)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(hù)請(qǐng)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(qǐng)求的次數(shù)滿(mǎn)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(qǐng)求時(shí)間為t₁，第f_i，k個(gè)內(nèi)容請(qǐng)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(qǐng)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(qǐng)求內(nèi)容k的總次數(shù)f_ik滿(mǎn)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(qǐng)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(hù)的路由器緩存內(nèi)容的概率越大：

其中，L為用戶(hù)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(duì)請(qǐng)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(duì)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(wú)標(biāo)度網(wǎng)絡(luò)，用來(lái)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(hù)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(qǐng)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(qǐng)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(duì)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(qǐng)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(qǐng)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(duì)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(duì)CCN中的緩存決定方案進(jìn)行了研究，針對(duì)現(xiàn)存方案Prob和Betw中存在得一些問(wèn)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(qǐng)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(jí)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(qǐng)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(lái)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)