CN109831791B - 一种雾无线接入网中基于平均场博弈的分布式边缘缓存方法 - Google Patents

一种雾无线接入网中基于平均场博弈的分布式边缘缓存方法 Download PDF

Info

Publication number
CN109831791B
CN109831791B CN201910164221.5A CN201910164221A CN109831791B CN 109831791 B CN109831791 B CN 109831791B CN 201910164221 A CN201910164221 A CN 201910164221A CN 109831791 B CN109831791 B CN 109831791B
Authority
CN
China
Prior art keywords
access point
cache
fog
fog access
file
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910164221.5A
Other languages
English (en)
Other versions
CN109831791A (zh
Inventor
蒋雁翔
胡雅白
郑福春
尤肖虎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201910164221.5A priority Critical patent/CN109831791B/zh
Publication of CN109831791A publication Critical patent/CN109831791A/zh
Application granted granted Critical
Publication of CN109831791B publication Critical patent/CN109831791B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种雾无线接入网中基于平均场博弈的分布式边缘缓存方法，该方法包括：(1)每个用户根据距离确定默认服务的雾接入点，并形成每一雾接入点的默认服务用户簇；(2)每一时隙内，各用户发出文件请求，并根据信道情况与缓存状态选择雾接入点进行关联；(3)雾接入点记录每时隙用户对每一文件的请求数，迭代求解微分方程组至收敛，得出各文件关于缓存状态的缓存策略与成本值函数；(4)雾接入点将各文件根据价值大小比值降序排序，依次缓存直至达到雾接入点缓存容量。本发明可以减少前传负载，降低服务时延，满足时变的用户请求。

Description

一种雾无线接入网中基于平均场博弈的分布式边缘缓存方法
技术领域
本发明涉及无线传感网络，尤其涉及一种雾无线接入网中基于平均场博弈的分布式边缘缓存方法。
背景技术
为应对移动数据爆炸式增长对前传链路造成的巨大压力，边缘缓存技术通过在用户附近存储流行内容，能够显著降低前传负载和服务时延，已成为研究的热点。而分布式的缓存布置使得雾接入点无需与控制中心进行通信，而可在掌握自身及少数邻近接入点的信道与缓存信息的情况下自主地完成缓存，能够充分利用边缘计算和缓存资源，降低复杂度，并进一步减小前传负载和时延。
然而目前对分布式边缘缓存方法的研究大多存在雾接入网之间的信息交互，在雾接入点密集分布的情况下带来额外的通信开销；另外，许多目前方案假设用户对不同文件的请求服从静止的概率分布，与通常时变的用户实际请求情况不符。因此如何设计动态的完全分布式缓存布置方案，使得雾接入点仅根据本地信息满足动态的用户请求，实现减少前传负载与服务时延的优化缓存布置，是一个迫切需要解决的关键问题。
发明内容
本发明针对现有技术存在的问题，提供一种雾无线接入网中基于平均场博弈的分布式边缘缓存方法，该方法为完全分布式的动态布置方案，可以减少前传负载，降低服务时延。
本发明所采用的技术方案是：一种雾无线接入网中基于平均场博弈的分布式边缘缓存方法，包括以下步骤：
S1：每个用户根据距离确定默认关联的雾接入点，具有同一默认关联的雾接入点的用户形成该雾接入点的默认服务用户簇；
S2：各用户根据当前时隙请求内容、默认关联的雾接入点的缓存状态，及邻近其它雾接入点的信道与缓存状态，选择雾接入点进行关联；
S3：雾接入点记录每时隙用户对每一文件的请求数，依据用户对各文件的请求数，得到各文件关于缓存状态的缓存策略与成本值函数；
S4：根据S3得到的各文件的成本值函数与相应的缓存策略，按照缓存带来的成本值函数降低量与缓存策略的比值，将各个文件按照降序排列；按照排列顺序，进行依次缓存，直至达到雾接入点缓存容量。
进一步的，S2中，当默认关联的雾接入点缓存有请求的文件时，选择默认关联的雾接入点进行关联；当默认关联的雾接入点未缓存请求的文件，且有邻近的其它雾接入点缓存有该文件时，选择其中能够提供最大传输速率的雾接入点进行关联；当默认关联与邻近的其它雾接入点均未缓存请求的文件时，选择默认关联的雾接入点进行关联；
进一步的，S3中对每一文件建立相应的HJB微分方程进行求解得到成本值函数，并得到与成本值函数对应的缓存策略。
进一步的，S3具体包括以下步骤：
S3-1：雾接入点记录每时隙用户对每一文件的请求数qn(t)；
S3-2：对每一文件建立相应HJB与FPK微分方程组；
所述HJB微分方程：
Figure BDA0001985742330000021
其中，
Figure BDA0001985742330000022
分别为成本值函数vn关于时间t、缓存状态sn的偏导，S为每个文件的大小，a为缓存清除速率参数，Dn(t),On(t)分别为服务时延、前传负载函数，ω1,ω2分别为服务时延与前传负载在总成本中的权重，η1,η2为前传链路负载函数中的数值参数；
其中，服务时延函数为：
Figure BDA0001985742330000023
前传负载函数为：
Figure BDA0001985742330000024
其中，Ui为雾接入点i的默认服务用户簇，Rk(t)表示雾接入点与用户之间的传输速率，RF表示前传链路传输速率，η为数值参数，s-,n(t)为其它雾接入点的缓存状态，C1(t,sn(t)),C2(t,sn(t),s-,n(t)),C3(t,sn(t),s-,n(t))分别对应S2中的三种雾接入点关联情况：当默认关联的雾接入点缓存有请求的文件时，选择默认关联的雾接入点进行关联；当默认关联的雾接入点未缓存请求的文件，且有邻近的其它雾接入点缓存有该文件时，选择其中能够提供最大传输速率的雾接入点进行关联；当默认关联与邻近的其它雾接入点均未缓存请求的文件时，选择默认关联的雾接入点进行关联；
根据HJB微分方程解出的成本值函数vn(t,sn(t))按照式(4)得到与缓存状态相关的缓存策略
Figure BDA0001985742330000035
Figure BDA0001985742330000034
所述FPK微分方程：
Figure BDA0001985742330000031
其中，
Figure BDA0001985742330000032
分别为平均场分布mn关于时间t、缓存状态sn的偏导；
根据FPK微分方程解出的平均场分布mn(t,sn(t))，按照式(6)更新其它雾接入点的缓存状态s-,n(t)，进而更新HJB方程中的服务时延、前传负载函数Dn(t),On(t)：
s-,n(t)＝∫sn(t)mn(t)dsn (6)
对HJB微分方程和FPK微分方程组进行迭代求解，直到成本值函数vn(t,sn(t))与平均场分布mn(t,sn(t))达到收敛，得到最终每一文件相对应的与缓存状态相关的缓存策略
Figure BDA0001985742330000033
与成本值函数vn(t,sn(t))。
进一步的，S4具体包括：根据S3得到各文件的最终收敛的成本值函数vn(t,sn(t))与相应的缓存策略
Figure BDA0001985742330000036
按照缓存带来的成本值函数降低量与缓存策略的比值，将各个文件按照降序排列；按照排列顺序，依次缓存相应文件，当剩余缓存容量大于当前文件缓存策略时，按照缓存策略缓存；当剩余缓存容量小于当前文件缓存策略且大于零时，按剩余的缓存容量进行缓存；当剩余缓存容量等于零时，结束缓存。
有益效果：本发明具有以下优点：
1、本发明实现的缓存布置方法采用了完全分布式的实现方式，各雾接入点无需与云中心或邻近其它雾接入点进行信息交互，能够仅根据本地信息完成缓存布置，避免了额外的通信开销、前传负载与时延，适用于雾接入点密集部署的雾无线接入网。
2、考虑到用户对不同文件的请求随时间变化这一实际情况，本方法以时隙划分的系统，在每一时隙均根据实际的请求进行不同文件相应的缓存更新，能够实现动态的最优缓存布置。
3、对前传链路负载与用户服务时延进行联合优化，并设置两种指标的分别权重，可通过权重调节来获得负载与时延之间的折中权衡，以适应具体的场景需求。
附图说明
图1是本发明的流程示意图；
图2是本发明求解缓存策略与成本值函数的流程示意图。
图3是本发明实施例得出的性能比较图。
具体实施方式
下面结合附图和实施例进一步阐述本发明。
如图1所示，本实施例的一种雾无线接入网中基于平均场博弈的分布式边缘缓存方法，包括以下步骤：
S1：每个用户距离最小的雾接入点作为默认关联的雾接入点，具有同一默认关联的雾接入点的用户形成该雾接入点的默认服务用户簇；
S2：各用户根据当前时隙请求内容、默认关联的雾接入点的缓存状态，及邻近其它雾接入点的信道与缓存状态，按照如下规则进行选择关联的雾接入点；规则为：当默认关联的雾接入点缓存有请求的文件时，选择默认关联的雾接入点进行关联；当默认关联的雾接入点未缓存请求的文件，且有邻近的其它雾接入点缓存有该文件时，选择其中能够提供最大传输速率的雾接入点进行关联；当默认关联与邻近的其它雾接入点均未缓存请求的文件时，选择默认关联的雾接入点进行关联；
S3：雾接入点记录每时隙默认服务用户簇对每一文件的请求数，迭代求解微分方程组至收敛，得出各文件关于缓存状态的缓存策略与成本值矩阵；具体包括：
雾接入点记录每时隙默认服务用户簇对每一文件的请求数qn(t)，即时隙t内对文件n的请求数量；
参见图2，设置雾接入点缓存状态初始值sn(t0)，即文件n在时隙t0缓存的比特数，以及平均场初始值mn(t0)；
对雾接入点的每一文件建立对应的HJB微分方程和FPK微分方程组；
HJB微分方程：
Figure BDA0001985742330000041
其中，
Figure BDA0001985742330000042
分别为成本值函数vn关于时间t、缓存状态sn的偏导，S为每个文件的大小，a为缓存清除速率参数，Dn(t),On(t)分别为服务时延、前传负载函数，ω1,ω2分别为服务时延与前传负载在总成本中的权重，η1,η2为前传链路负载函数中的数值参数，
服务时延函数为：
Figure BDA0001985742330000043
前传负载函数为：
Figure BDA0001985742330000051
其中，Ui为雾接入点i的默认服务用户簇，Rk(t)表示雾接入点与用户之间的传输速率，RF表示前传链路传输速率，η为数值参数，s-,n(t)为其它雾接入点的缓存状态，C1(t,sn(t)),C2(t,sn(t),s-,n(t)),C3(t,sn(t),s-,n(t))分别表示步骤2中所述的三种雾接入点关联情况。
HJB微分方程为标准抛物型偏微分方程，可使用雾接入点运算模块进行求解，并根据方程解出的成本值函数vn(t,sn(t))按照：
Figure BDA0001985742330000052
更新每一文件相对应的与缓存状态相关的缓存策略
Figure BDA0001985742330000053
即对文件n在时隙t，缓存状态为sn(t)时的缓存策略与成本值；
FPK微分方程：
Figure BDA0001985742330000054
其中，
Figure BDA0001985742330000055
分别为平均场分布mn关于时间t、缓存状态sn的偏导；
FPK微分方程为标准抛物型偏微分方程，可使用雾接入点运算模块进行求解，并根据FPK微分方程解出的平均场分布mn(t,sn(t))，按照式(6)更新其它雾接入点的缓存状态s-,n(t)，进而更新HJB方程中的服务时延、前传负载函数Dn(t),On(t)：
s-,n(t)＝∫sn(t)mn(t)dsn (6)
对HJB微分方程和FPK微分方程组进行迭代求解，直到成本值函数vn(t,sn(t))与平均场分布mn(t,sn(t))达到收敛。
S4：根据S3得到的最终收敛的成本值函数vn(t,sn(t))与相应的缓存策略
Figure BDA0001985742330000056
按照缓存带来的成本值函数降低量与缓存策略的比值，将各个文件按照降序排列；按照排列顺序，依次缓存相应文件，当剩余缓存容量大于当前文件缓存策略时，按照缓存策略缓存；当剩余缓存容量小于当前文件缓存策略且大于零时，按剩余的缓存容量进行缓存；当剩余缓存容量等于零时，结束缓存。
通过实验验证，本发明实施例相比传统的静态流行度优先缓存法(MPC)、随机缓存法(RC)与最近最少使用缓存法(LRU)，能够实现约25-30％的服务时延与前传负载总成本降低，如图3所示。

Claims (1)

1.一种雾无线接入网中基于平均场博弈的分布式边缘缓存方法，其特征在于：包括以下步骤：
S1：每个用户根据距离确定默认关联的雾接入点，具有同一默认关联的雾接入点的用户形成该雾接入点的默认服务用户簇；
S2：各用户根据当前时隙请求内容、默认关联的雾接入点的缓存状态，及邻近其它雾接入点的信道与缓存状态，选择雾接入点进行关联；
S3：雾接入点记录每时隙用户对每一文件的请求数，依据用户对各文件的请求数，得到各文件关于缓存状态的缓存策略与成本值函数；
S4：根据S3得到的各文件的成本值函数与相应的缓存策略，按照缓存带来的成本值函数降低量与缓存策略的比值，将各个文件按照降序排列；按照排列顺序，进行依次缓存，直至达到雾接入点缓存容量；
其中，所述S2中，当默认关联的雾接入点缓存有请求的文件时，选择默认关联的雾接入点进行关联；当默认关联的雾接入点未缓存请求的文件，且有邻近的其它雾接入点缓存有该文件时，选择其中能够提供最大传输速率的雾接入点进行关联；当默认关联与邻近的其它雾接入点均未缓存请求的文件时，选择默认关联的雾接入点进行关联；
其中，S3中对每一文件建立相应的HJB微分方程进行求解得到成本值函数，并得到与成本值函数对应的缓存策略；
S3具体包括以下步骤：
S3-1：雾接入点记录每时隙用户对每一文件的请求数qn(t)；
S3-2：对每一文件建立相应HJB与FPK微分方程组；
所述HJB微分方程：
Figure FDA0003174977630000011
其中，
Figure FDA0003174977630000012
分别为成本值函数vn关于时间t、缓存状态sn的偏导，S为每个文件的大小，a为缓存清除速率参数，Dn(t),On(t)分别为服务时延、前传负载函数，ω1,ω2分别为服务时延与前传负载在总成本中的权重，η1,η2为前传链路负载函数中的数值参数；
其中，服务时延函数为：
Figure FDA0003174977630000021
前传负载函数为：
Figure FDA0003174977630000022
其中，Ui为雾接入点i的默认服务用户簇，Rk(t)表示雾接入点与用户之间的传输速率，RF表示前传链路传输速率，η为数值参数，s-,n(t)为其它雾接入点的缓存状态，C1(t,sn(t)),C2(t,sn(t),s-,n(t)),C3(t,sn(t),s-,n(t))分别对应S2中的三种雾接入点关联情况：当默认关联的雾接入点缓存有请求的文件时，选择默认关联的雾接入点进行关联；当默认关联的雾接入点未缓存请求的文件，且有邻近的其它雾接入点缓存有该文件时，选择其中能够提供最大传输速率的雾接入点进行关联；当默认关联与邻近的其它雾接入点均未缓存请求的文件时，选择默认关联的雾接入点进行关联；
根据HJB微分方程解出的成本值函数vn(t,sn(t))按照式(4)得到与缓存状态相关的缓存策略
Figure FDA0003174977630000023
Figure FDA0003174977630000024
所述FPK微分方程：
Figure FDA0003174977630000025
其中，
Figure FDA0003174977630000026
分别为平均场分布mn关于时间t、缓存状态sn的偏导；
根据FPK微分方程解出平均场分布mn(t,sn(t))，按照式(6)更新其它雾接入点的缓存状态s-,n(t)，进而更新HJB方程中的服务时延、前传负载函数Dn(t),On(t)：
s-,n(t)＝∫sn(t)mn(t)dsn (6)
对HJB微分方程和FPK微分方程组进行迭代求解，直到成本值函数vn(t,sn(t))与平均场分布mn(t,sn(t))达到收敛，得到最终每一文件相对应的与缓存状态相关的缓存策略
Figure FDA0003174977630000027
与成本值函数vn(t,sn(t))；
其中，所述S4具体包括：根据S3得到各文件的最终收敛的成本值函数vn(t,sn(t))与相应的缓存策略
Figure FDA0003174977630000028
按照缓存带来的成本值函数降低量与缓存策略的比值，将各个文件按照降序排列；按照排列顺序，依次缓存相应文件，当剩余缓存容量大于当前文件缓存策略时，按照缓存策略缓存；当剩余缓存容量小于当前文件缓存策略且大于零时，按剩余的缓存容量进行缓存；当剩余缓存容量等于零时，结束缓存。
CN201910164221.5A 2019-03-05 2019-03-05 一种雾无线接入网中基于平均场博弈的分布式边缘缓存方法 Active CN109831791B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910164221.5A CN109831791B (zh) 2019-03-05 2019-03-05 一种雾无线接入网中基于平均场博弈的分布式边缘缓存方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910164221.5A CN109831791B (zh) 2019-03-05 2019-03-05 一种雾无线接入网中基于平均场博弈的分布式边缘缓存方法

Publications (2)

Publication Number Publication Date
CN109831791A CN109831791A (zh) 2019-05-31
CN109831791B true CN109831791B (zh) 2021-11-12

Family

ID=66865384

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910164221.5A Active CN109831791B (zh) 2019-03-05 2019-03-05 一种雾无线接入网中基于平均场博弈的分布式边缘缓存方法

Country Status (1)

Country Link
CN (1) CN109831791B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111314960B (zh) * 2020-02-19 2023-04-07 东南大学 一种雾无线接入网中基于社交意识的协同缓存方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104618506A (zh) * 2015-02-24 2015-05-13 庄奇东 一种众包的内容分发网络系统、方法与装置
CN106101199A (zh) * 2016-06-02 2016-11-09 西安电子科技大学 一种基于sdn的云/雾混合网络架构
CN108156218A (zh) * 2017-11-28 2018-06-12 东南大学 雾无线接入网的双层分布式缓存方法
CN108184252A (zh) * 2017-11-28 2018-06-19 东南大学 一种雾无线接入网非同步请求编码缓存方法
CN108881444A (zh) * 2018-06-22 2018-11-23 东南大学 一种内容流行度分布不一致的雾无线接入网非同步编码缓存方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10243878B2 (en) * 2016-06-16 2019-03-26 Cisco Technology, Inc. Fog computing network resource partitioning

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104618506A (zh) * 2015-02-24 2015-05-13 庄奇东 一种众包的内容分发网络系统、方法与装置
CN106101199A (zh) * 2016-06-02 2016-11-09 西安电子科技大学 一种基于sdn的云/雾混合网络架构
CN108156218A (zh) * 2017-11-28 2018-06-12 东南大学 雾无线接入网的双层分布式缓存方法
CN108184252A (zh) * 2017-11-28 2018-06-19 东南大学 一种雾无线接入网非同步请求编码缓存方法
CN108881444A (zh) * 2018-06-22 2018-11-23 东南大学 一种内容流行度分布不一致的雾无线接入网非同步编码缓存方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Distributed Edge Caching in Ultra-dense Fog Radio Access Networks: A Mean Field Approach;Yabai Hu,et al;《https：//arxiv.org/abs/1806.09076》;20180624;全文 *

Also Published As

Publication number Publication date
CN109831791A (zh) 2019-05-31

Similar Documents

Publication Publication Date Title
CN107911711B (zh) 一种考虑分区的边缘缓存替换改进方法
CN111385734B (zh) 一种车联网内容缓存决策优化方法
JP2008140184A (ja) データセンタ、キャッシュサーバ及び方法
CN112218337A (zh) 一种移动边缘计算中的缓存策略决策方法
CN110138836B (zh) 一种基于优化能量效率的线上协作缓存方法
WO2018218850A1 (zh) 文件大小异构的分布式编码缓存放置方法及系统
CN108093435B (zh) 基于缓存流行内容的蜂窝下行链路网络能效优化系统及方法
CN110147407A (zh) 一种数据处理方法、装置及数据库管理服务器
CN111698732B (zh) 微蜂窝无线网中面向时延的协作缓存优化方法
CN109831791B (zh) 一种雾无线接入网中基于平均场博弈的分布式边缘缓存方法
CN115665804B (zh) 一种协同无人机-智能车群的缓存优化方法
CN111935783A (zh) 一种基于流量感知的边缘缓存系统和方法
CN110365801A (zh) 信息中心网络中基于分区的协作缓存方法
CN109067920A (zh) 一种用于服务器内容更新的负载均衡及路由方法
CN110597598B (zh) 一种云环境中的虚拟机迁移的控制方法
CN110062356B (zh) 一种d2d网络中的缓存副本布设方法
CN111314960A (zh) 一种雾无线接入网中基于社交意识的协同缓存方法
CN111556531B (zh) 一种微蜂窝无线网中的协作缓存优化方法
CN112887943B (zh) 一种基于中心度的缓存资源分配方法及系统
CN108668261A (zh) 一种基于用户分组需求多样性的中继d2d数据包缓存方法
CN111314349B (zh) 雾无线接入网中基于联合最大距离可分码与簇协作的编码缓存方法
CN111447506B (zh) 云边环境下基于延迟和成本均衡的流媒体内容放置方法
CN110913430B (zh) 无线网络中文件的主动式协作缓存方法及缓存管理装置
CN110248386B (zh) 一种面向大规模密集无线网络的分层式负载均衡方法
CN115484314B (zh) 一种移动边缘计算网络下推荐赋能的边缘缓存优化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant