CN113489779A - 一种基于网络拓扑分层的精确缓存放置方法 - Google Patents

一种基于网络拓扑分层的精确缓存放置方法 Download PDF

Info

Publication number
CN113489779A
CN113489779A CN202110749130.5A CN202110749130A CN113489779A CN 113489779 A CN113489779 A CN 113489779A CN 202110749130 A CN202110749130 A CN 202110749130A CN 113489779 A CN113489779 A CN 113489779A
Authority
CN
China
Prior art keywords
content
cache
global
node
nodes
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.)
Pending
Application number
CN202110749130.5A
Other languages
English (en)
Inventor
桂易琪
陈永康
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.)
Yangzhou University
Original Assignee
Yangzhou 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 Yangzhou University filed Critical Yangzhou University
Priority to CN202110749130.5A priority Critical patent/CN113489779A/zh
Publication of CN113489779A publication Critical patent/CN113489779A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/56—Provisioning of proxy services
    • H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明公开了一种基于网络拓扑分层的精确缓存放置方法，步骤包括：对ICN中原始的兴趣包和数据包的数据包结构进行改造；在ICN网络中的路由器内添加缓存信息记录表；在ICN中原始的边缘路由器内添加请求信息记录表；根据节点在网络拓扑中的静态信息，使用K‑means算法对节点进行分类，并根据分类结果对网络拓扑进行分层；将内容流行度进一步分类；根据命中节点类型，包括服务器节点和非服务器节点，对不同类型的流行内容执行不同的缓存放置策略。本发明详细考虑内容流行度，并以轻量级的方式进行计算，能够在低缓存资源条件下明显提高网络中的整体缓存命中率、降低时延、降低链路负载以及提高用户体验，具有切实可行的实用价值和广泛的应用前景。

Description

一种基于网络拓扑分层的精确缓存放置方法
技术领域
本发明涉及内容中心网络领域，尤其涉及一种基于网络拓扑分层的精确缓存放置方法。
背景技术
互联网在我们的生活中发挥着越来越重要的作用，根据思科年度互联网报告，2023年互联网用户总数将增至53亿(全球人口的66％)，高于2018年的39亿(全球人口的51％)。互联网用户的逐年增长带来了一系列网络问题。目前，尽管内容分发网络(ContentDelivery Network，CDN)和对等互联网络(Peer-to-Peer，P2P)技术能够通过将流行内容缓存到网络边缘的方式，在一定程度上缓解了海量内容分发所带来的网络问题。然而，CDN和P2P的内容交付模式本质上是基于TCP/IP的传统网络架构。随着用户应用的关注点转移(如短视频的快速获取)、新的网络应用场景的复杂化(如无人驾驶场景)、不断扩张的网络规模使得传统的TCP/IP网络架构存在着一定的不足，为了解决这个问题，近年来研究人员提出了以内容为中心的网络架构(Information Centric Networking，ICN)来提高网络服务质量。内容中心网络(ICN)是一种新的互联网架构，有可能处理当前IP网络固有缺陷的问题，并有望满足未来的要求，以提高互联网的质量。
ICN的研究大多集中在缓存策略的设计方面，其目的主要是在有限的缓存空间内提高海量数据包的利用效率，用户和互联网服务提供商(ISP)都可以从网内缓存中获得巨大收益。此外，网络内缓存还可以与边缘云计算、雾计算、车载自组织网络、物联网、第五代(5G)移动蜂窝网络等相结合，以实现灵活、高效和可扩展的网络服务。因此，针对内网内缓存策略的研究一直是ICN领域关注的热点之一。目前，在ICN缓存策略领域中，有LCE、LCD、ProCache、CL4M等等，但是存在需要解决的问题有：
(1)没有充分考虑缓存策略的详细适用场景；
(2)没有充分考虑内容流行度以及详细研究缓存放置位置。
发明内容
发明目的：本发明目的是克服现有技术存在的缺陷，提供一种基于网络拓扑分层的精确缓存放置方法，提高网络中的整体缓存命中率、降低延迟、降低链路负载，以优化提高用户体验。
技术方案：一种基于网络拓扑分层的精确缓存放置方法，包括如下步骤：
步骤1：对ICN中原始的兴趣包和数据包的数据包结构进行改造；
步骤2：在ICN网络中的路由器内添加缓存信息记录表；
步骤3：在ICN中原始的边缘路由器内添加请求信息记录表；
步骤4：根据节点在网络拓扑中的静态信息，使用K-means算法对节点进行分类，并根据分类结果对网络拓扑进行分层；
步骤5：将内容流行度进一步分类；
步骤6：根据命中节点类型，包括服务器节点和非服务器节点，对不同类型的流行内容执行不同的缓存放置策略。
进一步地，步骤1中的兴趣包结构改造内容为：
在原始的兴趣包中添加Hop字段、Level字段和Flag字段，
Hop字段用于记录兴趣包经过的跳数；Level字段是一个列表，用于记录请求路径中分别有几类节点；Flag字段为缓存标记。
进一步地，如果Flag＝0，表示数据包不可用于缓存。
进一步地，步骤1中的数据包结构改造内容为：
在原始的数据包中添加Hop字段、H字段、Level字段和Flag字段；
Hop字段、Level字段和Flag字段从改造后的兴趣包中获得；H字段用于记录数据包返回时的实际经过的跳数。
进一步地，步骤2中的缓存信息记录表包括用于记录缓存内容的名称Datapacket，用于记录缓存命中次数Cachehit count。
进一步地，步骤3中请求信息记录表用于记录用户的请求信息，包括用于记录用户请求内容的名称Interest packet，用于记录对应请求内容的数量Number of requests。
进一步地，步骤4具体包括：
根据节点在拓扑中的节点介数、节点连接用户数、节点距连接用户的平均跳数这三种静态属性，使用K-means算法对节点进行分类，并按节点的类别对拓扑进行分层，步骤如下：
步骤4.1：选择初始化的k个节点样本作为初始聚类的中心v＝{v1,v2,…,vk}；
步骤4.2：根据节点的三个静态属性，对于任意的节点vi，计算vi与k个聚类中心的欧式距离，并将其分配到与其距离最小的Vk类中；
步骤4.3：根据如下公式，重新计算其聚类中心：
Figure BDA0003143829550000021
其中，j＝1,2,…,k，vj是聚类中心，Vj是划分的第j个类，x是Vj类中的节点；
步骤4.4：重复步骤4.2和步骤4.3，直到聚类中心不再变化。
进一步地，步骤5具体包括：内容流行度被分为全局内容流行度和局部内容流行度，
全局内容流行度用于减少相同内容的历史内容流行度对当前内容流行度的影响，即n个周期内所有内容的全局加权内容流行度将作为第n+1个周期的全局内容流行度的参考标准，全局内容流行度的计算公式：
Figure BDA0003143829550000022
其中，n是当前周期数，
Figure BDA0003143829550000031
是第n个周期中对内容c的全局请求数，β为权重参数，β∈(0，1)，β计算公式：
Figure BDA0003143829550000032
局部内容流行度用于最大化内容流行度带来的缓存收益，降低获取局部流行内容的额外成本，局部流行内容为单个节点内内容的缓存命中数，直接从节点内的缓存信息表中获取，根据Zipf分布原则，将单个节点中缓存命中数前20％的内容作为局部流行内容。
进一步地，在计算全局内容流行度后，将全局内容流行度分为两类：全局流行内容和全局潜在流行内容，全局潜在流行内容用于表示随着消费者请求数量的增加，有可能成为全局流行内容的内容，全局潜在流行内容为获取全局流行内容后，剩余内容中排名前20％的内容。
进一步地，步骤6具体为：根据网络拓扑分层结果将全局流行内容放置在拓扑中的最高层并靠近服务器的节点中，根据后续的命中情况将局部流行内容逐渐放置在靠近用户的层级中。
有益效果：与现有技术相比，本发明具有如下显著的优点：
(1)通过对复杂结构的网络拓扑进行分层，在低缓存资源条件下实现流行内容的准确放置，从而提高缓存资源的利用率；
(2)详细考虑内容流行度，并以轻量级的方式进行计算，针对真实拓Tiscali-3257(泛欧ISP)进行了大规模的仿真，仿真结果表明与传统的主流方法相比，本发明能够在低缓存资源条件下明显提高网络中的整体缓存命中率、降低时延、降低链路负载以及提高用户体验。
附图说明
图1是本发明中改造后的兴趣包；
图2是本发明中改造后的数据包；
图3是Tiscali-3257网络拓扑节点聚类结果图；
图4是本发明的仿真拓扑图；
图5、图6是本发明与其它方法的缓存命中率变化趋势比较图；
图7是本发明与其它方法的用户延迟变化趋势比较图；
图8本发明与其它方法的链路负载变化趋势比较图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
基于TOPSIS熵权法的轻量级缓存策略，包括如下步骤：
(1)对ICN中原始的兴趣包和数据包的数据结构进行改造；
(2)在ICN网络中的路由器内添加缓存信息记录表；
(3)在ICN中原始的边缘路由器内添加请求信息记录表；
(4)根据节点在网络拓扑中的静态信息，使用K-means算法对节点进行分类，并根据分类结果对网络拓扑进行分层；
(5)将内容流行度进一步分类；
(6)根据命中节点类型(服务器节点和非服务器节点)对不同类型的流行内容执行不同的缓存放置策略。
其中，步骤(1)对ICN中原始的兴趣包和数据包的数据结构进行改造，其中改造后的兴趣包数据结构如图1所示：
如图1所示图中Hop字段、Level字段和Flag字段被添加到原始的兴趣包中。Hop字段用于记录兴趣包经过的跳数。Level字段是一个列表用于记录请求路径中分别有几类节点。Flag字段为缓存标记，如果Flag＝0则表示数据包不可用于缓存。
Hop字段、H字段、Level字段和Flag字段被添加到原始的数据包中。Hop字段、Level字段和Flag字段可从兴趣包中获得。H字段用于记录数据包返回时的实际经过的跳数。改造后的数据包如图2所示。
其中，步骤(2)在ICN网络中的路由器内添加缓存信息记录表：
缓存信息记录表如表1所示，其中第一列Datapacket为缓存的内容的名称，第二列Cachehit count为缓存命中次数。
表1缓存信息记录表
Data packet Cache hit count
/net/news/A.txt 60
/net/videos/B.mp4 35
/net/videos/D.mp4 12
其中，步骤(3)在ICN中原始的边缘路由器内添加请求信息记录表：
ICN网络中的路由器没有记录用户请求信息的记录表，本发明在边缘路由器内添加请求信息记录表以记录用户的请求信息。请求信息记录表如表2所示，其中第一列Interest packet为用户请求内容的名称，第二列Number of requests为对应请求内容的数量。
表2请求信息记录表
Interest packet Number of requests
/net/news/C.txt 85
/net/videos/E.mp4 66
/net/videos/F.mp4 38
其中，步骤(4)根据节点在网络拓扑中的静态信息，使用K-means算法对节点进行分类，并根据分类结果对网络拓扑进行分层：
在ICN中，大多数缓存性能的研究主要是根据拓扑类型展开，其中拓扑可以根据节点组合类型分为线性结构、层次结构与任意拓扑结构这三种。线性结构最为简单，其由有一条链路、一个服务器和若干用户组成。层次结构大多都是单服务器的树形拓扑。任意拓扑结构(例如本发明中用于性能评估Tiscali-3257拓扑)最为复杂，其中包含了多个服务器和位置分布不同的用户。在这三种拓扑中，树形拓扑是ICN中用于缓存策略研究的最常用的拓扑，有很大一部分的缓存策略都是基于树形拓扑的分层结构而实现的。由于在节点关系较为复杂的多服务器任意拓扑中的分层较为困难，使得这些缓存策略很难实施。因此，本发明根据节点的在拓扑中的三个静态属性(节点介数、节点连接用户数、节点距连接用户的平均跳数)使用K-means算法对节点进行分类，并按节点的类别对拓扑进行分层。其中步骤如下：
步骤4.1：选择初始化的k个节点样本作为初始聚类的中心v＝{v1,v2,…,vk}。
步骤4.2：根据节点的三个静态属性，对于任意的节点vi，计算vi与k个聚类中心的欧式距离，并将其分配到与其距离最小的Vk类中。
步骤4.3：根据如下公式，重新计算其聚类中心：
Figure BDA0003143829550000051
其中j＝1,2,…,k，vj是聚类中心，Vj是划分的第j个类，x是Vj类中的节点。
步骤4.4：重复步骤4.2和步骤4.3，直到聚类中心不再变化。
根据上述步骤，本发明对Tiscali-3257拓扑中的节点进行了聚类，聚类结果如图3所示。根据聚类结果，本发明将节点分为3类。其中第1类节点的特征为介数大、连接用户数量多、距离用户的远，这类节点大多距离服务器较近服务的用户数量最多，且位于用户请求路径的上游，因此本发明将第1类节点划分为拓扑中的第3层。第2类节点的介数、连接用户数量、距用户距离都较为适中，因此本发明将第2类节点划分为拓扑中的第2层。第3类节点的介数、连接用户数量、距用户距离都是最低，且位于用户请求路径的下游，服务的用户较少，因此本发明将第3类节点划分为拓扑中的第1层。在将拓扑分层后，每个节点所属的类别将被记录在节点中。
其中，步骤(5)将内容流行度进一步分类：
在本发明中，内容流行度分为两种类型：全局内容流行度和局部内容流行度。
①全局内容流行度
为了减少相同内容的历史内容流行度对当前内容流行度的影响，本发明用指数加权移动平均模型来计算全局内容流行度。用于计算全局内容流行度的请求信息是从多个周期收集的。n个周期内所有内容的全局加权内容流行度将作为第n+1个周期的全局内容流行度的参考标准。计算全局内容流行度的公式如下：
Figure BDA0003143829550000052
其中n是当前周期数。
Figure BDA0003143829550000053
是第n个周期中对内容c的全局请求数。β为权重参数β∈(0，1)，β的计算公式如下：
Figure BDA0003143829550000061
在计算全局内容流行度后，本发明进一步将全局内容流行度分为两类：全局流行内容和全局潜在流行内容。全局潜在流行内容表示，随着消费者请求数量的增加，它有可能成为全局流行内容。全局潜在流行内容为获取全局流行内容后，剩余内容中排名前20％的内容。
②局部流行内容
由于本发明中的全局内容流行度只能表示内容的历史流行度，因此难以反映当前周期中内容流行度的实时变化。因此，本发明还充分考虑了局部内容的流行度，以最大化内容流行度带来的缓存收益。为了降低获取局部流行内容的额外成本，局部流行内容被定义为单个节点内内容的缓存命中数，可以直接从节点内的缓存信息表中获取。根据Zipf分布原则，本发明将单个节点中缓存命中数前20％的内容作为局部流行内容。
其中，步骤(6)根据命中节点类型(服务器节点和非服务器节点)对不同类型的流行内容执行不同的缓存放置策略：
①缓存命中节点为服务器节点
在系统初始阶段，拓扑内的所有节点均未缓存内容，此时用户的大多数请求均在服务器命中。所以本发明的思想就是在将在服务器命中的内容根据其流行度，将其缓存在拓扑的最高层(即请求路径的上游)以便后续服务更多的用户。但是在复杂拓扑中，可能会出现请求路径中仅有1种类别或者仅有2种类别的节点(即只能分为1层或2层)的极端情况，此时很难按照拓扑中预先分好的1、2、3层对内容进行逐层放置。因此，可以根据兴趣包的Level字段中记录的节点类别进行判断该请求路径中的节点一共可以划分为几层。具体地，如果所请求的内容属于全局流行内容，则在将其缓存在请求路径中的最高层中(即级别最高的节点中，在本发明中节点级别从高到低依次为1、2、3)。如果所请求的内容属于全局潜在流行内容，则在将其缓存在拓扑中的次高层中(如果存在2种以上分层)一次，用于服务后续请求的部分的用户。
另外，在本发明中，当节点vi发生缓存替换时，将根据缓存信息表中各内容的缓存命中数替换出缓存命中数最低的内容。之后将新缓存的内容对象在缓存信息表中的缓存命中数设置为所有内容缓存命中数的中位数，以确保缓存空间的高效使用。
上述缓存命中节点为服务器节点的算法如下：
步骤6.1.1：如果内容C属于全局流行内容，那么将兴趣包C的中的Flag设置为1。如果内容C属于全局潜在流行内容，那么将兴趣包C的中的Flag设置为2。
步骤6.1.2：当发生缓存命中时，如果兴趣包C的中的Flag不为0，那么将兴趣包C中的Level字段和Flag字段分别复制到数据包C中的Level字段和Flag字段。
步骤6.1.3：当数据包C返回到节点vi时，如果数据包C中的Flag等于1或者等于2，那么将内容C缓存在节点vi处，并且将内容C在节点vi处的缓存命中数设置为所有内容缓存命中数的中位数。另外，如果节点vi不是Level字段中最高级别的节点，那么在执行缓存命令之后，数据包C的中的Flag会被设置为0。
②缓存命中节点为普通节点
经过初始阶段后，大部分的全局流行内容基本上被缓存在拓扑的高层节点中，但是在拓扑的低层节点中仍有大量未使用的缓存空间，而这些低层节点大多只服务于极少量的用户。因此，当缓存命中节点为普通节点时，要尽可能的利用请求路径上的低层节点来缓存后续的命中内容，以其中提高缓存的利用率和减少用户延迟。当缓存命中发生在普通节点时，此时命中节点的局部流行度能够比全局流行度更好的反映出内容的实时流行度变化。因此，对于在普通节点命中的流行内容，本发明采用一种基于缓存收益的概率缓存方法，该方法仅将缓存对象缓存在请求路径上级别最低的节点一次。其中节点vi缓存收益的计算公式如下：
Figure BDA0003143829550000071
其中，
Figure BDA0003143829550000072
表示命中缓存命中节点与节点vi的距离，Hop表示用户与缓存命中节点之间的总距离。
上述缓存放置策略执行流程如下：
步骤6.2.1：如果内容C属于局部流行内容，那么将兴趣包的中的Flag设置为3。
步骤6.2.2：当发生缓存命中时，如果兴趣包C的中的Flag不为0，那么分别将兴趣包C中的Level字段、Flag字段和Hop字段复制到数据包C中的Level字段、Flag字段和Hop字段。
步骤6.2.3：如果数据包C中的Flag等于3且节点vi是Level字段中最低级别的节点，那么计算节点vi处的缓存收益
Figure BDA0003143829550000073
步骤6.2.4：生成随机概率p。如果随机概率p小于节点vi处的缓存收益
Figure BDA0003143829550000074
那么将内容C缓存在节点vi处，将内容C在节点vi处的缓存命中数设置为所有内容缓存命中数的中位数，并且将数据包C的中的Flag设置为0。
为了真实的模拟ICN网络，本发明采用Tiscali-3257(泛欧商业ISP)实际拓扑结构进行仿真实验。如图4所示，Tiscali-3257在拓扑中具有240个节点和404个边，其中包括44个服务器节点(中间白色)，36个用户节点(边缘白色)和160个路由器节点(黑色)。用户请求内容的到达过程服从泊松分布，全局平均请求率为12个兴趣包/秒。内容流行度服从Zipf分布，Zipf参数α的默认值为0.8，范围从0.7到1.1。网络中有100,000种类型的内容对象，每个内容在缓存时需要占用一个缓存单元。网络中缓存总容量与内容对象类型数量的比率为S，只有请求路径上的路由器节点具有缓存功能。在系统的初始阶段，所有路由器节点都不缓存内容。路由器节点之间的链路延迟为2毫秒，服务器节点和路由器节点之间的链路延迟为34毫秒。本发明在性能比较分析中采用LCE、ProCache、CL4M和LCD四种缓存策略，它们都采用了LRU缓存替换策略。内容请求总数为300,000，前50,000个请求用于缓存预热，后250,000个请求用于性能评估。本发明总共进行了5次仿真实验，最后用5次实验结果的平均值作为最终结果。
(1)缓存命中率性能评估
图5显示了本发明与其它方法的缓存命中率变化趋势比较图，随着缓存资源的增加，五种缓存策略的缓存命中率都呈现出增加的趋势。在所有缓存策略中，LCE的缓存性能最差。原因是LCE盲目缓存所有路由器节点的内容，造成节点内容冗余严重，内容更换频繁，大大降低了系统的缓存性能。ProCache和CL4M可以在一定程度上提高缓存资源的利用率，所以这两种缓存策略的缓存命中率略高于LCE。在系统长期运行的情况下，LCD可以潜在地缓存网络上的热门内容，所以LCD性能是次优的。由于本发明详细考虑了内容流行度，能够有效利用有限的缓存空间，性能最好。具体来说，当Zipf参数α＝0.8，参数S∈[0.01，0.05]时，本发明的平均缓存命中率为25.5％，比LCD(18％)高7.5％，比CL4M(14.4％)高11.1％，比ProbCache(14％)高11.5％，比LCE(12.1％)高13.4％。
图6显示了本发明与其它方法的缓存命中率变化趋势比较图。图中横坐标为Zipf参数α，整个拓扑的缓存空间大小与内容总数的比值S固定为0.01。从图中可以看出，对于每种缓存策略，通过改变参数S获得的性能增益明显小于通过改变Zipf参数α获得的性能增益。之所以会出现这种情况，是因为随着Zipf参数α的增大，用户对流行内容的请求趋势会增大。当α＝1.1时，本发明的缓存命中率为59.9％，比性能第二好的LCD(51.0％)高8.9％，比性能最差的LCE(43.1％)高16.8％。综上，在缓存资源较少的情况下，本发明可以获得更好的缓存命中率性能。
(2)用户延迟性能评估
延迟也是衡量ICN性能的一个重要指标。延迟越低，意味着用户可以从距离较近的路由器节点快速获取内容。图7展示出了在Zipf参数α＝0.8，缓存填充比S在0.01到0.05之间变化的条件下，五种缓存策略的延迟性能比较。从图中可以看出，随着网络中缓存容量的增加，所有缓存策略的延迟都会降低。当来自用户的请求数量增加时，本发明的方案可以逐渐地将来自用户的请求内容缓存在靠近用户的路由器节点中，特别是有效地利用请求路径上的较低层节点来为少量用户服务。因此，本发明在所有情况下都表现最佳。具体来说，就平均延迟而言，本发明为72.89毫秒，与排名第二的LCD(77.47毫秒)和排名最差的LCE(82.73毫秒)相比，分别减少了5.9％和11.9％。
(3)链路负载性能评估
图8展出了在缓存填充比参数S从0.01变化到0.05并且Zipf参数α＝0.8条件下的链路负载性能比较。就平均链路负载而言，本发明的平均链路负载为283.61字节，比LCD(281.64字节)高0.7％，比CL4M(284.68字节)低0.38％，比ProbCache(292.39字节)低3％，比LCE(298.21字节)低4.9％。在上述仿真条件下，本发明的链路负载性能略低于LCD。但与其他三种缓存策略相比，该本发明的链路负载性能有一定的提高。
本发明的具体实施方式中，未涉及到的说明属于本领域的公知技术，可参考公知技术加以实施。

Claims (10)

1.一种基于网络拓扑分层的精确缓存放置方法，其特征在于，包括如下步骤：
步骤1：对ICN中原始的兴趣包和数据包的数据包结构进行改造；
步骤2：在ICN网络中的路由器内添加缓存信息记录表；
步骤3：在ICN中原始的边缘路由器内添加请求信息记录表；
步骤4：根据节点在网络拓扑中的静态信息，使用K-means算法对节点进行分类，并根据分类结果对网络拓扑进行分层；
步骤5：将内容流行度进一步分类；
步骤6：根据命中节点类型，包括服务器节点和非服务器节点，对不同类型的流行内容执行不同的缓存放置策略。
2.根据权利要求1所述的基于网络拓扑分层的精确缓存放置方法，其特征在于，所述步骤1中的兴趣包结构改造内容为：
在原始的兴趣包中添加Hop字段、Level字段和Flag字段，
所述Hop字段用于记录兴趣包经过的跳数；所述Level字段是一个列表，用于记录请求路径中分别有几类节点；所述Flag字段为缓存标记。
3.根据权利要求2所述的基于网络拓扑分层的精确缓存放置方法，其特征在于，如果Flag＝0，表示数据包不可用于缓存。
4.根据权利要求1述的基于网络拓扑分层的精确缓存放置方法，其特征在于，所述步骤1中的数据包结构改造内容为：
在原始的数据包中添加Hop字段、H字段、Level字段和Flag字段；
所述Hop字段、Level字段和Flag字段从改造后的兴趣包中获得；H字段用于记录数据包返回时的实际经过的跳数。
5.根据权利要求1述的基于网络拓扑分层的精确缓存放置方法，其特征在于，所述步骤2中的缓存信息记录表包括用于记录缓存内容的名称Datapacket，用于记录缓存命中次数Cachehit count。
6.根据权利要求1述的基于网络拓扑分层的精确缓存放置方法，其特征在于，所述步骤3中请求信息记录表用于记录用户的请求信息，包括用于记录用户请求内容的名称Interest packet，用于记录对应请求内容的数量Number of requests。
7.根据权利要求1述的基于网络拓扑分层的精确缓存放置方法，其特征在于，所述步骤4具体包括：
根据节点在拓扑中的节点介数、节点连接用户数、节点距连接用户的平均跳数这三种静态属性，使用K-means算法对节点进行分类，并按节点的类别对拓扑进行分层，步骤如下：
步骤4.1：选择初始化的k个节点样本作为初始聚类的中心v＝{v1，v2，…，vk}；
步骤4.2：根据节点的三个静态属性，对于任意的节点vi，计算vi与k个聚类中心的欧式距离，并将其分配到与其距离最小的Vk类中；
步骤4.3：根据如下公式，重新计算其聚类中心：
Figure FDA0003143829540000021
其中，j＝1，2，…，k，vj是聚类中心，Vj是划分的第j个类，x是Vj类中的节点；
步骤4.4：重复步骤4.2和步骤4.3，直到聚类中心不再变化。
8.根据权利要求1所述的基于网络拓扑分层的精确缓存放置方法，其特征在于，所述步骤5具体包括：内容流行度被分为全局内容流行度和局部内容流行度，
所述全局内容流行度用于减少相同内容的历史内容流行度对当前内容流行度的影响，即n个周期内所有内容的全局加权内容流行度将作为第n+1个周期的全局内容流行度的参考标准，全局内容流行度的计算公式：
Figure FDA0003143829540000022
其中，n是当前周期数，
Figure FDA0003143829540000023
是第n个周期中对内容c的全局请求数，β为权重参数，β∈(0，1)，β计算公式：
Figure FDA0003143829540000024
所述局部内容流行度用于最大化内容流行度带来的缓存收益，降低获取局部流行内容的额外成本，局部流行内容为单个节点内内容的缓存命中数，直接从节点内的缓存信息表中获取，根据Zipf分布原则，将单个节点中缓存命中数前20％的内容作为局部流行内容。
9.根据权利要求8述的基于网络拓扑分层的精确缓存放置方法，其特征在于，在计算所述全局内容流行度后，将全局内容流行度分为两类：全局流行内容和全局潜在流行内容，所述全局潜在流行内容用于表示随着消费者请求数量的增加，有可能成为全局流行内容的内容，全局潜在流行内容为获取全局流行内容后，剩余内容中排名前20％的内容。
10.根据权利要求1述的基于网络拓扑分层的精确缓存放置方法，其特征在于，所述步骤6具体为：根据网络拓扑分层结果将全局流行内容放置在拓扑中的最高层并靠近服务器的节点中，根据后续的命中情况将局部流行内容逐渐放置在靠近用户的层级中。
CN202110749130.5A 2021-07-01 2021-07-01 一种基于网络拓扑分层的精确缓存放置方法 Pending CN113489779A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110749130.5A CN113489779A (zh) 2021-07-01 2021-07-01 一种基于网络拓扑分层的精确缓存放置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110749130.5A CN113489779A (zh) 2021-07-01 2021-07-01 一种基于网络拓扑分层的精确缓存放置方法

Publications (1)

Publication Number Publication Date
CN113489779A true CN113489779A (zh) 2021-10-08

Family

ID=77940185

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110749130.5A Pending CN113489779A (zh) 2021-07-01 2021-07-01 一种基于网络拓扑分层的精确缓存放置方法

Country Status (1)

Country Link
CN (1) CN113489779A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114025020A (zh) * 2022-01-06 2022-02-08 中南民族大学 一种基于二分法的命名数据网络缓存方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104348665A (zh) * 2014-09-17 2015-02-11 电子科技大学 基于聚类判断准则的节点对融合网络拓扑估计方法
CN105245370A (zh) * 2015-10-13 2016-01-13 湘潭大学 一种物联网中自适应分层跨媒体数据融合方法
CN107343304A (zh) * 2017-05-15 2017-11-10 中国科学院信息工程研究所 内容中心网络的协作缓存方法
CN111294394A (zh) * 2020-01-19 2020-06-16 扬州大学 基于复杂网络交汇点的自适应缓存策略
CN112822275A (zh) * 2021-01-08 2021-05-18 扬州大学 基于topsis熵权法的轻量级缓存策略

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104348665A (zh) * 2014-09-17 2015-02-11 电子科技大学 基于聚类判断准则的节点对融合网络拓扑估计方法
CN105245370A (zh) * 2015-10-13 2016-01-13 湘潭大学 一种物联网中自适应分层跨媒体数据融合方法
CN107343304A (zh) * 2017-05-15 2017-11-10 中国科学院信息工程研究所 内容中心网络的协作缓存方法
CN111294394A (zh) * 2020-01-19 2020-06-16 扬州大学 基于复杂网络交汇点的自适应缓存策略
CN112822275A (zh) * 2021-01-08 2021-05-18 扬州大学 基于topsis熵权法的轻量级缓存策略

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王永功;李振宇;武庆华;谢高岗;: "信息中心网络内缓存替换算法性能分析与优化", 计算机研究与发展, no. 09 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114025020A (zh) * 2022-01-06 2022-02-08 中南民族大学 一种基于二分法的命名数据网络缓存方法

Similar Documents

Publication Publication Date Title
CN107911711A (zh) 一种考虑分区的边缘缓存替换改进方法
CN105049254B (zh) 一种ndn/ccn中基于内容等级及流行度的数据缓存替换方法
CN112020103B (zh) 一种移动边缘云中的内容缓存部署方法
CN108881445B (zh) 一种雾计算中基于古诺博弈的协作缓存方法
CN111654712B (zh) 适用于移动边缘计算场景的动态自适应流媒体组播方法
CN112218337A (zh) 一种移动边缘计算中的缓存策略决策方法
CN107105043B (zh) 一种基于软件定义网络的内容中心网络缓存方法
Guan et al. Caca: Learning-based content-aware cache admission for video content in edge caching
CN107276788B (zh) 一种基于休眠控制的带缓存基站通信模型构建方法
CN111294394B (zh) 基于复杂网络交汇点的自适应缓存策略方法
Gui et al. A cache placement strategy based on compound popularity in named data networking
Gui et al. A cache placement strategy based on entropy weighting method and TOPSIS in named data networking
Anamalamudi et al. Cooperative caching scheme for machine-to-machine information-centric IoT networks
CN111491175A (zh) 一种基于视频内容特征的边缘网络缓存方法和装置
CN113489779A (zh) 一种基于网络拓扑分层的精确缓存放置方法
CN113472420B (zh) 一种基于区域用户兴趣感知的卫星网络缓存放置方法
Zhang et al. DENA: An intelligent content discovery system used in named data networking
CN112911614A (zh) 基于动态请求d2d网络中的协作编码缓存方法
Zeng et al. Space4time: Optimization latency-sensitive content service in cloud
CN112822275B (zh) 基于topsis熵权法的轻量级缓存策略
CN103974082B (zh) 子节点、父节点以及用于多层次视频网络的缓存方法及系统
Zhang A literature survey of cooperative caching in content distribution networks
Zhang et al. Intelligent resources management system design in information centric networking
Fang et al. Mobile Edge Data Cooperative Cache Admission Based on Content Popularity
CN112631789B (zh) 面向短视频数据的分布式内存系统及视频数据管理方法

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