羅熹 安瑩

摘 要：內(nèi)置緩存機(jī)制是內(nèi)容中心網(wǎng)絡(luò)（Content Centric Networking，CCN）研究的關(guān)鍵問(wèn)題之一.現(xiàn)有的CCN緩存機(jī)制在緩存節(jié)點(diǎn)的選擇時(shí)往往缺乏對(duì)節(jié)點(diǎn)緩存狀態(tài)和負(fù)載情況等動(dòng)態(tài)信息的綜合考慮，因此無(wú)法準(zhǔn)確反映節(jié)點(diǎn)間的緩存狀態(tài)差異，進(jìn)而影響了緩存決策的合理性.提出了一種基于緩存壓力的選擇性緩存機(jī)制（Cache Pressure Based Selective Caching，CPBSC）.該機(jī)制利用節(jié)點(diǎn)的緩存占用率和緩存替換率評(píng)估節(jié)點(diǎn)的緩存壓力，并結(jié)合內(nèi)容的流行度實(shí)現(xiàn)緩存節(jié)點(diǎn)的合理選擇.同時(shí)，根據(jù)內(nèi)容的請(qǐng)求率和興趣分組的剩余生存時(shí)間評(píng)估不同內(nèi)容的緩存價(jià)值，以此實(shí)現(xiàn)緩存內(nèi)容的合理替換.仿真結(jié)果表明，CPBSC有效地優(yōu)化了緩存資源利用率，并顯著提高了系統(tǒng)的整體緩存性能.

關(guān)鍵詞：下一代網(wǎng)絡(luò)；內(nèi)容中心網(wǎng)絡(luò)；緩存壓力；內(nèi)置緩存；選擇性緩存

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)志碼：A

Abstract：Innetwork caching scheme is one of the key technologies of Content Centric Networking （CCN）. In some existing CCN caching schemes， the dynamic information of cache state and load condition are not fully considered so that the differences of cache state between nodes cannot be reflected accurately， which affects the reasonability of caching decision. In this paper， a Cache Pressure Based Selective Caching Scheme （CPBSC） was proposed. In this scheme， the cache occupancy rate and cache replacement rate were used to estimate the cache pressure of node. According to the cache pressure and content popularity， the caching nodes were rationally selected. Meanwhile， the content replacement is implemented based on the cache value of content which is evaluated by the content request rate and the residual time to live of Interest packet. Simulation results show that CPBSC effectively increases the resource utilization and improves the whole cache performance.

Key words：next generation networks；ContentCentric Networking；cache pressure；innetwork caching；selective caching

隨著網(wǎng)絡(luò)通信技術(shù)的發(fā)展，互聯(lián)網(wǎng)在提供的服務(wù)種類以及交換的數(shù)據(jù)量等方面均出現(xiàn)了迅速的增長(zhǎng).網(wǎng)絡(luò)應(yīng)用的主體已從最初的計(jì)算資源共享逐步向內(nèi)容的產(chǎn)生、分發(fā)以及獲取服務(wù)轉(zhuǎn)變.傳統(tǒng)的以主機(jī)為中心（Hostcentric）的網(wǎng)絡(luò)體系結(jié)構(gòu)已經(jīng)無(wú)法適應(yīng)當(dāng)前互聯(lián)網(wǎng)發(fā)展的需要.為了滿足未來(lái)不斷增長(zhǎng)的內(nèi)容訪問(wèn)需求，學(xué)術(shù)界展開了對(duì)未來(lái)互聯(lián)網(wǎng)體系架構(gòu)的廣泛探索，其中，內(nèi)容中心網(wǎng)絡(luò)（ContentCentric Networking，CCN）[1]作為最具代表性的解決方案受到了極大的關(guān)注.它將內(nèi)容本身作為網(wǎng)絡(luò)通信的主體，實(shí)現(xiàn)了從以主機(jī)為中心（Hostcentric）的Where會(huì)話方式向以內(nèi)容為中心（Contentcentric）的What會(huì)話方式的演進(jìn).

CCN架構(gòu)中，用戶通過(guò)發(fā)送興趣分組（Interest packet）請(qǐng)求自己需要的內(nèi)容.當(dāng)網(wǎng)絡(luò)中的節(jié)點(diǎn)收到興趣分組時(shí)，將根據(jù)內(nèi)容的名稱進(jìn)行匹配查詢.若發(fā)現(xiàn)與興趣分組匹配的內(nèi)容，則沿著該興趣分組的反向傳播路徑返回相應(yīng)的內(nèi)容數(shù)據(jù)分組（Data packet）.同時(shí)，CCN采用泛在化的網(wǎng)絡(luò)內(nèi)置緩存（Innetwork Caching）方式[2]，在返回內(nèi)容數(shù)據(jù)分組的沿途轉(zhuǎn)發(fā)路徑上對(duì)應(yīng)答內(nèi)容進(jìn)行緩存，使得網(wǎng)絡(luò)作為內(nèi)容傳輸體的同時(shí)也成為了內(nèi)容的存儲(chǔ)體.內(nèi)置緩存機(jī)制使得內(nèi)容副本可以緩存在距離請(qǐng)求用戶更近的中間節(jié)點(diǎn)上，為未來(lái)潛在的用戶請(qǐng)求提供就近響應(yīng)的機(jī)會(huì)，從而大大減小了內(nèi)容獲取的延遲和帶寬需求，并減輕了內(nèi)容原始服務(wù)器的訪問(wèn)壓力.因此，針對(duì)內(nèi)置緩存機(jī)制的研究一直是CCN領(lǐng)域關(guān)注的熱點(diǎn)之一.

近年來(lái)，研究人員針對(duì)CCN環(huán)境下的內(nèi)容緩存機(jī)制開展了大量的研究.其中，最簡(jiǎn)單的當(dāng)屬作為CCN默認(rèn)緩存策略的LCE（Leave Copy Everywhere）算法[3].然而，該算法采用了處處緩存的方式，將內(nèi)容向其所經(jīng)過(guò)的每一個(gè)中間節(jié)點(diǎn)進(jìn)行復(fù)制，從而導(dǎo)致了大量的緩存替換和內(nèi)容冗余.為了改進(jìn)緩存的冗余性等問(wèn)題，繼LCE之后一系列的優(yōu)化方案被陸續(xù)提出，其大致可分為集中式策略和分布式策略兩大類.文獻(xiàn)[4]提出了一種集中式的內(nèi)容緩存策略O(shè)FAM，通過(guò)一個(gè)被稱為CM（Cache Management）的管理節(jié)點(diǎn)來(lái)實(shí)現(xiàn)域內(nèi)的緩存決策.與許多分布式的內(nèi)容緩存策略通過(guò)內(nèi)容交付路徑上的節(jié)點(diǎn)自主地進(jìn)行內(nèi)容緩存決策不同，該機(jī)制中，統(tǒng)一由CM根據(jù)對(duì)用戶請(qǐng)求的統(tǒng)計(jì)估算各個(gè)內(nèi)容分組的流行度，然后選擇流行度高的內(nèi)容進(jìn)行緩存.其他典型的集中式內(nèi)容緩存策略還包括ICAP[5]、Cflow[6]等等.在集中式緩存策略中，緩存的決策以及內(nèi)容副本的存儲(chǔ)往往都過(guò)分依賴于少量的特殊節(jié)點(diǎn)，導(dǎo)致這部分節(jié)點(diǎn)的負(fù)載過(guò)大，而其他節(jié)點(diǎn)的資源則得不到有效利用，難以滿足實(shí)際網(wǎng)絡(luò)的性能需求.因此，分布式緩存策略成為了目前CCN緩存機(jī)制研究的主要方向.

根據(jù)緩存決策的依據(jù)不同，現(xiàn)有的CCN分布式緩存策略主要可劃分為以下3類.第1類緩存機(jī)制采用隨機(jī)方式選擇內(nèi)容的緩存節(jié)點(diǎn)，如文獻(xiàn)[7]提出了一種分布式的緩存隨機(jī)放置策略，以一定的概率在內(nèi)容對(duì)象返回路徑上的節(jié)點(diǎn)中隨機(jī)地選擇緩存節(jié)點(diǎn).隨機(jī)決策策略在一定程度上降低了內(nèi)容緩存的冗余度，但是卻無(wú)法保證緩存節(jié)點(diǎn)選擇的最優(yōu)性.第2類緩存機(jī)制從內(nèi)容的相關(guān)特性出發(fā)實(shí)現(xiàn)緩存的合理決策.如，文獻(xiàn)[8]提出了根據(jù)內(nèi)容的流行度來(lái)進(jìn)行緩存決策的WAVE緩存機(jī)制，為高流行度的內(nèi)容提供更多的緩存機(jī)會(huì).文獻(xiàn)[9]針對(duì)多級(jí)多域的層次型網(wǎng)絡(luò)結(jié)構(gòu)提出了一種緩存放置策略.該策略中，節(jié)點(diǎn)為每個(gè)內(nèi)容設(shè)置一個(gè)獨(dú)立的計(jì)數(shù)器RC，每收到一個(gè)內(nèi)容的外生請(qǐng)求或域間請(qǐng)求，則相應(yīng)內(nèi)容的RC計(jì)數(shù)值加1，當(dāng)內(nèi)容的RC計(jì)數(shù)值超過(guò)某個(gè)閾值時(shí)，則節(jié)點(diǎn)選擇該內(nèi)容進(jìn)行緩存；另一方面，每個(gè)內(nèi)容的RC計(jì)數(shù)器每隔一定的時(shí)間間隔會(huì)自動(dòng)減1，當(dāng)計(jì)數(shù)值降為0時(shí)，則節(jié)點(diǎn)丟棄相應(yīng)的內(nèi)容.與之類似，文獻(xiàn)[10]提出了一種基于優(yōu)先級(jí)的概率性緩存機(jī)制PPC，該機(jī)制中，內(nèi)容被劃分為多個(gè)數(shù)據(jù)分組，節(jié)點(diǎn)根據(jù)每個(gè)數(shù)據(jù)分組對(duì)于重構(gòu)內(nèi)容的重要性評(píng)估其相應(yīng)的優(yōu)先級(jí)，然后結(jié)合流行度來(lái)計(jì)算各數(shù)據(jù)分組的緩存概率，確保流行度和重要性較高的數(shù)據(jù)分組獲得更大的緩存概率.該類型其他的典型機(jī)制還包括DCPCM（Dynamical Content Popularity for Cache Management）[11]，DCDS（Diverse Content Delivery Scheme）[12]，CDBPC（Content Diffusion Based Proactive Caching）[13]等.然而，這類機(jī)制往往忽略了諸如節(jié)點(diǎn)重要性、緩存狀態(tài)等重要信息，因此，大大影響了算法的有效性.第3類緩存機(jī)制則考慮根據(jù)節(jié)點(diǎn)的相關(guān)屬性來(lái)選擇最佳的緩存節(jié)點(diǎn).Chai等人[14]提出利用節(jié)點(diǎn)重要性選擇內(nèi)容的緩存位置，設(shè)計(jì)了基于節(jié)點(diǎn)中心性的選擇性緩存算法Betw，選擇內(nèi)容交付路徑上介數(shù)值最大的節(jié)點(diǎn)作為緩存節(jié)點(diǎn).然而該機(jī)制未考慮節(jié)點(diǎn)的可用緩存容量以及負(fù)載情況等網(wǎng)絡(luò)動(dòng)態(tài)信息，而節(jié)點(diǎn)介數(shù)則是一個(gè)相對(duì)穩(wěn)定的屬性.因此，緩存內(nèi)容大量集中在高介數(shù)節(jié)點(diǎn)造成其余節(jié)點(diǎn)緩存資源的嚴(yán)重浪費(fèi).部分研究人員試圖結(jié)合節(jié)點(diǎn)和內(nèi)容的特性來(lái)改進(jìn)CCN緩存決策機(jī)制的性能.如，文獻(xiàn)[15]提出了一種基于內(nèi)容流行度和節(jié)點(diǎn)等級(jí)的概率性緩存機(jī)制MPC，通過(guò)綜合考慮節(jié)點(diǎn)與內(nèi)容請(qǐng)求節(jié)點(diǎn)跳數(shù)距離、節(jié)點(diǎn)的介數(shù)中心性等信息來(lái)劃分節(jié)點(diǎn)的等級(jí)，然后在緩存決策時(shí)，節(jié)點(diǎn)將以更大的概率緩存流行度與其節(jié)點(diǎn)等級(jí)相匹配的內(nèi)容，從而在實(shí)現(xiàn)緩存利用率最大化的同時(shí)提高緩存內(nèi)容的多樣性.Li等人[16]則提出了一種輕量級(jí)的在線緩存機(jī)制RBCCC.該機(jī)制在考慮內(nèi)容年齡的基礎(chǔ)上提出了加權(quán)內(nèi)容流行度的概念，以反映內(nèi)容流行度隨時(shí)間的變化.進(jìn)而，綜合利用內(nèi)容的流行度和路由介數(shù)中心性來(lái)實(shí)現(xiàn)內(nèi)容的緩存放置，通過(guò)將流行內(nèi)容盡可能地緩存在介數(shù)中心性較高的重要節(jié)點(diǎn)來(lái)達(dá)到提高緩存命中率、降低內(nèi)容訪問(wèn)延遲的目標(biāo).然而，由于在緩存決策時(shí)缺乏對(duì)節(jié)點(diǎn)緩存能力的考慮，容易導(dǎo)致緩存內(nèi)容因緩存空間限制在響應(yīng)用戶請(qǐng)求之前即被過(guò)早替換的無(wú)效緩存問(wèn)題.Psaras等人[17]提出了一種概率性緩存機(jī)制ProbCache，綜合考慮內(nèi)容交付路徑上的累積緩存容量以及與原始內(nèi)容服務(wù)器間的距離設(shè)計(jì)了一個(gè)效用函數(shù)來(lái)實(shí)現(xiàn)緩存節(jié)點(diǎn)的決策.Lee等人[18]根據(jù)內(nèi)容響應(yīng)路徑上節(jié)點(diǎn)的可用緩存容量，選擇可用緩存資源最多的節(jié)點(diǎn)進(jìn)行內(nèi)容緩存，從而在降低緩存冗余的同時(shí)實(shí)現(xiàn)節(jié)點(diǎn)緩存的均勻利用.這類算法雖然考慮了節(jié)點(diǎn)的緩存能力，但是其問(wèn)題是在網(wǎng)絡(luò)負(fù)載較大而節(jié)點(diǎn)緩存資源有限的情況下，多數(shù)節(jié)點(diǎn)的緩存都將逐漸接近并達(dá)到飽和.因此，單一地利用可用緩存空間并不一定能準(zhǔn)確地反映節(jié)點(diǎn)間的緩存狀態(tài)差異.

針對(duì)現(xiàn)有CCN緩存機(jī)制存在的上述問(wèn)題，本文綜合了節(jié)點(diǎn)的緩存占用率、緩存替換率、內(nèi)容的流行度以及剩余訂閱時(shí)間等信息來(lái)評(píng)估緩存節(jié)點(diǎn)選擇的合理性和內(nèi)容的緩存價(jià)值，提出了一種基于緩存壓力的選擇性緩存機(jī)制.其主要貢獻(xiàn)主要體現(xiàn)在以下方面：

1）設(shè)計(jì)了一種基于節(jié)點(diǎn)緩存壓力的緩存節(jié)點(diǎn)選擇算法，利用節(jié)點(diǎn)的緩存占用率和緩存替換率評(píng)估節(jié)點(diǎn)的緩存壓力，并結(jié)合內(nèi)容的流行度實(shí)現(xiàn)緩存節(jié)點(diǎn)的合理選擇；

2）提出了一種緩存替換算法，利用內(nèi)容的流行度以及剩余訂閱時(shí)間評(píng)估內(nèi)容的緩存價(jià)值，從而對(duì)緩存價(jià)值較低的內(nèi)容實(shí)現(xiàn)優(yōu)先替換.

1 CPBSC緩存機(jī)制

CPBSC機(jī)制主要包括2個(gè)部分：緩存節(jié)點(diǎn)選擇和緩存內(nèi)容替換.在緩存節(jié)點(diǎn)選擇算法中，我們首先估算各節(jié)點(diǎn)的緩存壓力（Cache Pressure，CP），內(nèi)容興趣分組在傳播過(guò)程中會(huì)記錄其轉(zhuǎn)發(fā)路徑上經(jīng)過(guò)節(jié)點(diǎn)的最小緩存壓力值，然后在響應(yīng)數(shù)據(jù)分組返回時(shí)，再根據(jù)節(jié)點(diǎn)緩存壓力和內(nèi)容的流行度合理地選擇緩存節(jié)點(diǎn).而在緩存節(jié)點(diǎn)空間不足時(shí)，則根據(jù)內(nèi)容的流行度和剩余訂閱時(shí)間對(duì)內(nèi)容的緩存價(jià)值進(jìn)行排序，然后優(yōu)先丟棄緩存價(jià)值低的內(nèi)容.

1.1 緩存壓力的估計(jì)

節(jié)點(diǎn)的緩存狀態(tài)是緩存節(jié)點(diǎn)選擇的重要依據(jù)，可用緩存空間或緩存占用率是反映節(jié)點(diǎn)緩存狀態(tài)的常見測(cè)度之一.然而，在重負(fù)載的情況下，節(jié)點(diǎn)的緩存大多處于或接近飽和，即可用緩存空間為零（緩存占用率為100%）.此時(shí)，單一地通過(guò)可用緩存空間或緩存占用率無(wú)法準(zhǔn)確地區(qū)分各個(gè)節(jié)點(diǎn)的實(shí)際緩存狀態(tài).考慮到節(jié)點(diǎn)緩存飽和時(shí)，新到達(dá)的內(nèi)容數(shù)據(jù)分組可能觸發(fā)緩存內(nèi)容的替換操作，因此，緩存替換率可以作為節(jié)點(diǎn)緩存狀態(tài)的補(bǔ)充測(cè)度，彌補(bǔ)可用緩存空間（或緩存占用率）在網(wǎng)絡(luò)重負(fù)載下的不足.

這樣，在網(wǎng)絡(luò)負(fù)載較輕（節(jié)點(diǎn)緩存未飽和）時(shí)，替換率Rep（v）可能為0，節(jié)點(diǎn)的緩存壓力主要由其緩存占用率決定；而在網(wǎng)絡(luò)負(fù)載較重（節(jié)點(diǎn)緩存已飽和）時(shí)，節(jié)點(diǎn)緩存占用率Occ（v）即便均接近或等于1，但節(jié)點(diǎn)緩存壓力仍可通過(guò)緩存替換率Rep（v）體現(xiàn)不同節(jié)點(diǎn)在緩存狀態(tài)上的差異.

我們?cè)趦?nèi)容的興趣分組頭部增加1個(gè)節(jié)點(diǎn)緩存壓力字段CPV，用來(lái)記錄節(jié)點(diǎn)緩存壓力的估計(jì)值，該字段初始值設(shè)為一個(gè)較大的值，如1 000.興趣分組轉(zhuǎn)發(fā)過(guò)程中，每經(jīng)過(guò)一個(gè)中間路由節(jié)點(diǎn)，均會(huì)將CPV的值與當(dāng)前節(jié)點(diǎn)的緩存壓力值比較并更新為較小值.當(dāng)發(fā)生緩存命中時(shí)，內(nèi)容響應(yīng)節(jié)點(diǎn)將興趣分組CPV字段記錄的最小緩存壓力值CPmin寫入到對(duì)應(yīng)的數(shù)據(jù)分組中并返回.

1.2 選擇性緩存

當(dāng)響應(yīng)數(shù)據(jù)分組沿著其興趣分組的反向路徑返回請(qǐng)求用戶節(jié)點(diǎn)時(shí)，將依據(jù)各中間節(jié)點(diǎn)的緩存壓力值和內(nèi)容的流行度選擇合適的緩存節(jié)點(diǎn).這里，一方面盡可能將內(nèi)容副本緩存在緩存壓力較小的節(jié)點(diǎn)上，以保證節(jié)點(diǎn)資源的合理均勻利用；另一方面，現(xiàn)有的研究表明，用戶對(duì)內(nèi)容的請(qǐng)求具有一定的偏好性，且用戶請(qǐng)求服從Zipf分布.網(wǎng)絡(luò)中較流行（請(qǐng)求用戶較多）的內(nèi)容由于受關(guān)注程度較高，應(yīng)該在緩存決策時(shí)得到更多的緩存機(jī)會(huì)來(lái)滿足其較大的潛在需求.

節(jié)點(diǎn)將當(dāng)前的緩存壓力值與該閾值比較，如果節(jié)點(diǎn)當(dāng)前緩存壓力小于該閾值則將當(dāng)前節(jié)點(diǎn)選擇為內(nèi)容的緩存節(jié)點(diǎn).否則，節(jié)點(diǎn)直接向下一跳節(jié)點(diǎn)轉(zhuǎn)發(fā)而不做緩存處理.

1.3 緩存替換

當(dāng)某個(gè)節(jié)點(diǎn)被選定為內(nèi)容的緩存節(jié)點(diǎn)時(shí)，內(nèi)容副本將向緩存節(jié)點(diǎn)進(jìn)行復(fù)制.然而，若緩存節(jié)點(diǎn)當(dāng)前空間不足，則需進(jìn)行緩存替換決策.為了保證節(jié)點(diǎn)緩存資源的有效利用，對(duì)內(nèi)容的緩存價(jià)值進(jìn)行評(píng)估，優(yōu)先替換緩存價(jià)值較低的內(nèi)容而盡可能地延長(zhǎng)高緩存價(jià)值內(nèi)容的緩存時(shí)間.如前所述，用戶未來(lái)對(duì)高流行度內(nèi)容的潛在需求較大，緩存高流行度的內(nèi)容能更好地為用戶后續(xù)請(qǐng)求提供響應(yīng)服務(wù).因此，內(nèi)容的緩存價(jià)值一方面應(yīng)該與內(nèi)容的流行度成正比.這里，內(nèi)容的流行度仍然通過(guò)節(jié)點(diǎn)本地的請(qǐng)求到達(dá)率來(lái)計(jì)算.然而，用戶對(duì)內(nèi)容的請(qǐng)求也存在一定的時(shí)間限制，體現(xiàn)在每個(gè)興趣分組均存在一個(gè)生存時(shí)間（Time To Live，TTL），當(dāng)TTL到期時(shí)，該興趣分組將被直接丟棄，相應(yīng)用戶對(duì)內(nèi)容的請(qǐng)求也隨之失效.由于不同用戶節(jié)點(diǎn)生成興趣分組的時(shí)間可能不同，因而來(lái)自不同訂閱節(jié)點(diǎn)的對(duì)同一內(nèi)容的興趣分組也可能存在完全不同的剩余生存時(shí)間（Residual Time To Live，RTTL）.考慮到興趣分組的RTTL越短，其發(fā)生失效的可能更大，通過(guò)內(nèi)容緩存響應(yīng)用戶請(qǐng)求服務(wù)的機(jī)會(huì)也越低，因此，我們將不同用戶節(jié)點(diǎn)對(duì)某一內(nèi)容的興趣分組的平均剩余生存時(shí)間作為該內(nèi)容緩存價(jià)值的另一評(píng)價(jià)依據(jù).即內(nèi)容興趣分組的平均剩余生存時(shí)間越長(zhǎng)，其緩存價(jià)值越大，反之亦然.

節(jié)點(diǎn)在緩存替換決策時(shí)，首先對(duì)各個(gè)內(nèi)容的緩存價(jià)值進(jìn)行計(jì)算，然后優(yōu)先替換掉其中緩存價(jià)值最低的內(nèi)容副本.

2 性能評(píng)估

為了證明CPBSC緩存機(jī)制在緩存性能上的優(yōu)勢(shì)，我們選擇了處處緩存的LCE策略、基于介數(shù)的Betw策略以及基于緩存容量的概率性緩存策略ProbCache作為CPBSC性能比較的對(duì)象，并利用ndnSIM[19]模擬器實(shí)現(xiàn)了以上4種策略的性能仿真.仿真實(shí)驗(yàn)針對(duì)在緩存大小、內(nèi)容數(shù)量和Zipf參數(shù)α等網(wǎng)絡(luò)參數(shù)變化的情況下，各緩存策略主要性能指標(biāo)的差異進(jìn)行了定量分析和比較.本文采用的主要性能評(píng)估指標(biāo)包括：

1）緩存命中率.緩存命中率是評(píng)價(jià)緩存性能的重要指標(biāo)之一，它被定義為用戶請(qǐng)求由緩存而非原始內(nèi)容服務(wù)器響應(yīng)的概率.緩存內(nèi)容的命中率越高，對(duì)應(yīng)的原始內(nèi)容服務(wù)器響應(yīng)率和負(fù)載就越小，系統(tǒng)的效率就越高.

2）平均接入代價(jià).平均接入代價(jià)被定義為用戶請(qǐng)求找到匹配的內(nèi)容對(duì)象所需的平均跳數(shù)，它反映了用戶請(qǐng)求得到響應(yīng)，用戶完成內(nèi)容獲取的速度.平均接入代價(jià)越小，內(nèi)容獲取速度越快，緩存系統(tǒng)效率越高.

2.1 實(shí)驗(yàn)參數(shù)設(shè)置

本文利用GTITM生成了一個(gè)由50個(gè)路由節(jié)點(diǎn)組成的仿真網(wǎng)絡(luò)拓?fù)?假設(shè)用戶請(qǐng)求的到達(dá)過(guò)程服從泊松分布，用戶的訪問(wèn)模式服從參數(shù)為α的Zipf分布.各節(jié)點(diǎn)緩存大小相同且初始為空.興趣分組采用洪泛方式進(jìn)行轉(zhuǎn)發(fā)，除CPBSC外，其他3種緩存機(jī)制均采用LRU作為默認(rèn)的緩存替換策略.其他主要參數(shù)如表1所示，在無(wú)特殊說(shuō)明時(shí)，各實(shí)驗(yàn)參數(shù)均取默認(rèn)值.

2.2 仿真實(shí)驗(yàn)結(jié)果

為了清晰地反映上述4種不同緩存機(jī)制的性能差異，在仿真實(shí)驗(yàn)中，通過(guò)分別改變節(jié)點(diǎn)的緩存大小和內(nèi)容數(shù)量來(lái)分析緩存資源對(duì)各項(xiàng)性能指標(biāo)的影響.然后，考慮到不同應(yīng)用下用戶訪問(wèn)模式的Zipf分布參數(shù)α是存在差異的，因此，我們調(diào)整α的大小來(lái)研究不同緩存機(jī)制面向不同應(yīng)用時(shí)的表現(xiàn).具體實(shí)驗(yàn)結(jié)果如下.

2.2.1 緩存大小的影響

本小節(jié)我們首先來(lái)研究采用不同緩存策略時(shí)系統(tǒng)緩存命中率隨網(wǎng)絡(luò)參數(shù)變化的情況，仿真結(jié)果如圖1所示.由圖1（a）可以看到，隨著節(jié)點(diǎn)緩存容量的增加，4種機(jī)制的緩存命中率都呈現(xiàn)出增長(zhǎng)的趨勢(shì).這是由于節(jié)點(diǎn)緩存空間增加使得內(nèi)容分組在網(wǎng)絡(luò)中的緩存時(shí)間延長(zhǎng)，從而提高了緩存命中的概率.其中，LCE較為盲目激進(jìn)的緩存策略造成嚴(yán)重的內(nèi)容冗余和頻繁的內(nèi)容更替，大大降低了系統(tǒng)的緩存性能，因此在圖中緩存命中率最低；Betw利用節(jié)點(diǎn)的介數(shù)優(yōu)化了緩存節(jié)點(diǎn)的選擇，但緩存內(nèi)容過(guò)度集中于高介數(shù)節(jié)點(diǎn)，導(dǎo)致緩存替換頻繁，影響了緩存命中性能，因此緩存命中率僅略高于LCE；ProbCache通過(guò)對(duì)內(nèi)容交付路徑上的累積緩存空間的估計(jì)來(lái)進(jìn)行概率性的緩存節(jié)點(diǎn)選擇，一定程度上實(shí)現(xiàn)了對(duì)緩存資源的均勻利用，從而其緩存命中率高于LCE和Betw；而CPBSC獲得了四者中最優(yōu)的緩存命中性能，在節(jié)點(diǎn)緩存為100 MB時(shí)，其緩存命中率達(dá)到50.5%，比ProbCache、Betw和LCE分別高出約8.4%、44.7%和62.3%.

同樣，隨著節(jié)點(diǎn)緩存的增加，中間節(jié)點(diǎn)對(duì)內(nèi)容的緩存能力增強(qiáng)，每個(gè)內(nèi)容分組能獲得更長(zhǎng)時(shí)間的緩存服務(wù).這意味著用戶有更大的可能從距離較近的中間緩存節(jié)點(diǎn)實(shí)現(xiàn)快速的內(nèi)容獲取.因此，圖1（b）中各機(jī)制的平均接入代價(jià)均隨著節(jié)點(diǎn)緩存的增加而逐漸降低.其中，得益于對(duì)節(jié)點(diǎn)緩存壓力的準(zhǔn)確估計(jì)以及內(nèi)容流行度的綜合考慮，CPBSC對(duì)緩存內(nèi)容的放置和替換更加合理，用戶可以更多地通過(guò)內(nèi)容緩存實(shí)現(xiàn)快速的內(nèi)容獲取，因此，CPBSC的平均接入代價(jià)最小.以節(jié)點(diǎn)緩存為100 MB時(shí)的情況為例，ProbCache、Betw和LCE的平均接入代價(jià)達(dá)到了6.95跳、7.84跳和9.69跳，而CPBSC僅為6.31跳，與前三者相比，分別減少了近9.2%、19.5%和34.9%.

2.2.2 內(nèi)容數(shù)量的影響

接下來(lái)，我們就內(nèi)容數(shù)量對(duì)4種緩存機(jī)制的影響進(jìn)行分析，試驗(yàn)結(jié)果如圖2所示.由于在節(jié)點(diǎn)緩存大小固定的情況下，內(nèi)容數(shù)量的增加意味著可用緩存資源的相對(duì)緊張.因此，內(nèi)容數(shù)量對(duì)緩存性能的影響實(shí)際上也是節(jié)點(diǎn)緩存大小與緩存性能之間關(guān)系的另一種體現(xiàn).

由圖2（a）可知，隨著內(nèi)容數(shù)量的增多，節(jié)點(diǎn)緩存資源越來(lái)越緊缺，4種機(jī)制的緩存命中率均出現(xiàn)了明顯下降的趨勢(shì).然而，CPBSC始終保持了四者中最高的緩存命中率.由于LCE機(jī)制下嚴(yán)重的冗余緩存，使其即使在緩存相對(duì)充足（內(nèi)容數(shù)量為100個(gè)）時(shí)也僅獲得了57.4%的緩存命中率，而CPBSC則達(dá)到了76.3%.當(dāng)內(nèi)容數(shù)量增加到5 000個(gè)時(shí)，CPBSC仍能獲得38.1%的緩存命中，相比ProbCache（33.3%）、Betw（21.5%）和LCE（16.2%）分別提高了約14.4%、77.2%和135.2%.

由圖2（b）可知，4種緩存機(jī)制的平均接入代價(jià)則隨著內(nèi)容數(shù)量的增加逐漸增大.這是由于內(nèi)容數(shù)量的增加意味著內(nèi)容緩存需求的增大，在節(jié)點(diǎn)緩存資源有限的情況下，緩存替換增多使得無(wú)效緩存越來(lái)越嚴(yán)重，導(dǎo)致通過(guò)內(nèi)容緩存加快用戶響應(yīng)的作用逐漸減弱.盡管如此，CPBSC的平均接入代價(jià)明顯低于其他3種緩存機(jī)制.同樣以5 000個(gè)內(nèi)容時(shí)的情況為例，CPBSC的平均接入代價(jià)僅為7.55跳，相比ProbCache、Betw和LCE分別減少了約7.9%、18.6%和34.1%.這與上節(jié)中關(guān)于緩存大小對(duì)兩種緩存性能指標(biāo)的影響的分析結(jié)果是一致的.

2.2.3 用戶訪問(wèn)模式的影響

用戶對(duì)內(nèi)容的訪問(wèn)具有一定的偏好性，本小節(jié)我們進(jìn)一步研究用戶偏好對(duì)不同機(jī)制的緩存命中率的影響，如圖3所示.Zipf參數(shù)α越大，意味著用戶的偏好越發(fā)地向流行度高的內(nèi)容集中.由于3種緩存機(jī)制均采用了優(yōu)先保證高流行度內(nèi)容緩存時(shí)間的

相關(guān)策略，因此，由圖3（a）可見，它們的緩存命中率隨著α值的增大均呈現(xiàn)上升的趨勢(shì).其中，CPBSC在α取不同值時(shí)的緩存命中率相比其他3種緩存機(jī)制均具有明顯的優(yōu)勢(shì).在α取值為0.6時(shí)，CPBSC的緩存命中率相比LCE、Betw和ProbCache分別提高了約105.2%、75.2%和14.1%，而在α值增大到1.2時(shí)，其緩存命中率的提高比例也分別達(dá)到了近63.5%、19.5%和4.1%.

在平均接入代價(jià)方面，從圖3（b）中的結(jié)果可以發(fā)現(xiàn)用戶偏好性的增強(qiáng)導(dǎo)致了平均接入代價(jià)的下降.這是由于流行度高的內(nèi)容得到了較多的緩存機(jī)會(huì)，隨著α值的增大，用戶請(qǐng)求對(duì)高流行度內(nèi)容的偏向性使得這部分請(qǐng)求更多地通過(guò)中間緩存節(jié)點(diǎn)得到滿足，因此平均接入代價(jià)逐漸減小，響應(yīng)速度提高.同樣，CPBSC的平均接入代價(jià)明顯低于其他緩存機(jī)制，獲得了最快的內(nèi)容獲取速度.

3 結(jié) 論

為了合理、充分地利用網(wǎng)絡(luò)的緩存資源，提升系統(tǒng)的緩存性能，本文提出了一種基于緩存壓力的選擇性緩存機(jī)制CPBSC.該機(jī)制利用節(jié)點(diǎn)的緩存占用率及替換率較準(zhǔn)確地估計(jì)節(jié)點(diǎn)的緩存壓力，并結(jié)合內(nèi)容流行度實(shí)現(xiàn)了緩存內(nèi)容的合理放置.同時(shí)，根據(jù)內(nèi)容的請(qǐng)求率和興趣分組的剩余生存時(shí)間評(píng)估不同內(nèi)容的緩存價(jià)值，以此實(shí)現(xiàn)緩存內(nèi)容的合理替換.仿真結(jié)果表明CPBSC有效地優(yōu)化了緩存資源利用率，并顯著提高了系統(tǒng)的整體緩存性能.在今后的工作中，我們將對(duì)CPBSC在實(shí)際網(wǎng)絡(luò)環(huán)境下的性能進(jìn)行驗(yàn)證和優(yōu)化，同時(shí)進(jìn)一步研究如何將其擴(kuò)展到移動(dòng)網(wǎng)絡(luò)以及其他復(fù)雜的網(wǎng)絡(luò)環(huán)境.

參考文獻(xiàn)

[1] JACOBSON V，SMETTERS D K，THORNTON J D，et al.Networking named content[J].Communications of the ACM，2012，55（1）：117-124.

[2] AHLGREN B，DANNEWITZ C，IMBRENDA C，et al.A survey of informationcentric networking[J].IEEE Communications Magazine，2012，50（7）：26-36.

[3] LAOUTARIS N，SYNTILA S，STAVRAKAKIS I.Meta algorithms for hierarchical web caches[C]//Proceedings of the IEEE International Performance Computing and Communications Conference （IEEE IPCCC）.Piscataway，NJ： IEEE，2004：445-452.

[4] JMAL R，F(xiàn)OURATI L C.An open flow architecture for managing contentcentricnetwork （OFAMCCN） based on popularity caching strategy[J].Computer Standards & Interfaces，2017，51：22-29.

[5] LIU T，ABOUZEID A A.Content placement and service scheduling in femtocell caching networks[C]//Proceedings of the 59th IEEE Global Communications Conference （GLOBECOM）.Piscataway，NJ： IEEE，2016：1-6.

[6] CHANG D，KWAK M，CHOI N，et al.Cflow：An efficient content delivery framework with OpenFlow[C]// Proceedings of the 28th IEEE International Conference on Information Networking（ ICOIN2014）.Washington DC： IEEE Computer Society，2014： 270-275.

[7] 胡騫，武穆清，郭嵩，等.一種用于內(nèi)容中心網(wǎng)絡(luò)的緩存隨機(jī)放置策略[J].西安電子科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2014，41（6）：131-136，187.

HU Q，WU M Q，GUO S，et al.Random cache placement strategy for contentcentric networking[J].Journal of Xidian University（Natural Sciences），2014，41（6）： 131-136，187.（In Chinese）

[8] CHO K，LEE M，PARK K，et al.WAVE： Popularitybased and collaborative innetwork caching for contentoriented networks[C]//Proceedings of the IEEE INFOCOM 2012 Computer Communications Workshops.Piscataway，NJ： IEEE，2012：316-321.

[9] DOMINGUES G，EDSE S，RMM L，et al.Enabling opportunistic search and placement in cache networks[J].Computer Networks，2017，119：17-34.

[10]SIRICHOTEDUMRONG W，KUMWILASAK W，TARNOI S，et al.Prioritized probabilistic caching algorithm in content centric networks[C]//Proceedings of the 12th International Conference on Computing and Information Technology.Berlin：SpringerVerlag，2016：255-265.

[11]葛國(guó)棟，郭云飛，劉彩霞，等.CCN 中基于業(yè)務(wù)類型的多樣化內(nèi)容分發(fā)機(jī)制[J].電子學(xué)報(bào)，2016，44（5）：1124-1131.

GE G D，GUO Y F，LIU C X，et al.A diverse content delivery scheme based on traffic types in content centric networking[J].Acta Electronica Sinica，2016，44（5）：1124-1131.（In Chinese）

[12]張果，汪斌強(qiáng)，張震，等.基于節(jié)點(diǎn)動(dòng)態(tài)內(nèi)容流行度的緩存內(nèi)容管理策略[J].電子學(xué)報(bào)，2016，44（11）：2703-2711.

ZHANG G，WANG B Q，ZHANG Z，et al.A strategy based on dynamical content popularity for cache management[J].Acta Electronica Sinica，2016，44（11）：2703-2711.（In Chinese）

[13]羅熹，安瑩，牛碧諾.內(nèi)容中心網(wǎng)絡(luò)中一種基于內(nèi)容擴(kuò)散的主動(dòng)緩存機(jī)制[J].湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，43（8）： 142-150.

LUO X，AN Y，NIU B N.Content diffusion based proactive caching in contentcentric networks[J].Journal of Hunan University（Natural Sciences），2016，43（8）： 142-150.（In Chinese）

[14]CHAI W K，HE D，PSARAS I，et al.Cache“l(fā)ess for more”in informationcentric networks （extended version）[J].Computer Communications，2013，36（7）：758-770.

[15]LI Y，ZHANG T，XU X，et al.Content popularity and node level matched based probability caching for content centric networks[C]//Proceedings of IEEE/CIC International Conference on Communications in China.Piscataway，NJ： IEEE，2016：1-6.

[16]LI J，WU H，LIU B，et al.RBCCC：RBCbased cascade caching scheme for contentcentric networking[J].Journal of Network & Systems Management，2017，25（2）：375-396.

[17]PSARAS I，CHAI W K，PAVLOU G.Probabilistic innetwork caching for informationcentric networks[C]//Proceedings of the 2nd ICN Workshop on InformationCentric Networking.New York： ACM，2012： 55-60.

[18]LEE J，LIM K，YOO C.Cache replacement strategies for scalable video streaming in CCN[C]// Proceedings of the 19th AsiaPacific Conference on Communications （APCC 2013）.Washington DC：IEEE Computer Society，2013： 160-165.

[19]MASTORAKIS S，AFANASYEV A，MOISEENKO I，et al.ndnSIM 2.0：A new version of the NDN simulator for NS3[R].Los Angeles：University of California，2015.http：//nameddata.net/techreport/ndn00281ndnsimv2.pdf.