移动边缘网络中基于内容信息年龄和流行度的缓存机制

2019-03-17邱娅蔡岳平谭兵

网络空间安全 2019年11期

邱娅，蔡岳平，谭兵

（重庆大学微电子与通信工程学院, 重庆 400044）

1 引言

随着信息技术和电信技术的进步，移动蜂窝网络在过去20年里经历了1G到4G的演进，用户的偏好逐步从传统的手机到智能手机，从笔记本电脑到平板电脑。因此，随着智能设备和新移动应用程序的爆炸式增长[1]，用户对移动网络的需求也越来越严格，如超高的数据速率和极低的延时，然而传统的以基站中心的网络结构已经不能满足用户日益增长的需求。在下一代5G系统中，移动蜂窝网络的架构将以基站为中心向以用户为中心和以内容为中心的网络演进，即将网络的重心从核心向边缘转移。

对于此，学术界和产业界相继提出了Cloudlet[2～4]、雾计算[5～7]、边缘计算[8]，旨在移动网络边缘提供IT服务环境和云计算能力，使其更加靠近终端处理业。在满足计算要求的同时有效地降低业务延时，其中边缘计算[9]作为第五代移动通信技术的关键技术之一，将通信、存储与计算资源放置于互联网边缘接近用户或设备，按需提供应用与服务。移动边缘计算[10](Mobile Edge Computing，MEC)则是将边缘计算技术应用至移动互联网，在无线移动网络边缘靠近移动用户或设备的地方，提供按需访问共享可配置虚拟计算池或提供与之交互服务的一种新型移动计算模式。通过这种新型的计算模式将服务迁移到距离用户较近的位置，能有效降低服务的通信延时[11]。由于边缘设备本身具有一定的计算能力和存储能力，因此能够直接在边缘设备上进行一部分的数据处理和分析。在移动通信网络结构中将直接进行数据处理和分析的网络结构称为移动边缘网络。如图1所示，主要包括移动前传网络(RU至DU间)和移动中传网络(DU至CU间)两部分，用户设备和物联网物体通过远端射频端RRH或WiFi接入点方式接入移动网络，移动边缘计算功能可根据需求部署在移动边缘网络内的任何位置。因此，将部分用户经常访问的数据内容提前存储在移动边缘网路上，用户就能更加方便、快捷地获取所需内容，即移动边缘缓存。

移动边缘缓存的重点是解决节点选取和内容选取的问题，以最大化内容缓存命中率及最小化用户获取内容时延。针对上述问题，本文提出一种基于内容信息年龄和内容流行度的移动边缘网络缓存机制AoIPC，用于提高缓存命中率，降低核心网流量，从而提高移动边缘网络性能。

2 研究现状

对于移动边缘网络缓存机制的设计，主要解决的问题可归纳为三点：

（1）如何挑选缓存的节点；

（2）如何确定需要缓存的内容；

（3）采用何种方式获取所需内容。

其中，缓存决策策略很大程度上影响着用户获取所需内容的速率，是移动边缘缓存的重要研究方向。

图1 移动通信网络总体架构图

在缓存地点的选择研究上，文献[12]提出一种DPC(Distributed Probabilistic Caching )策略，选择位于关键位置的节点作为缓存节点，以平衡数据的可访问性和缓存开销，在DPC中每个节点独立做出缓存决策，节点通过挖掘用户需求，接收者和发送者的相对运动及自身的度中心性和介数中心性决定出需要缓存的内容，从而做出缓存决策。DPC算法虽然考虑到了缓存节点移动性的问题，却忽略了缓存节点的容量有限的问题。文献[13]提出的PCBCS(Popularity and Centrality Based Caching Scheme)缓存策略根据内容的流行度和节点的中心度匹配来进行缓存决策，在考虑内容流行度的基础上加入了节点中心性考量，将内容与节点进行排名匹配后再决定是否要对其进行缓存，从而实现更合理的资源分配。PCBCS没有考虑节点的位置信息，不能保证内容缓存在靠近用户的节点上，可能会导致流行度高的内容只缓存在中心度高且离用户较远的节点上，使得用户获取内容的时延增大。文献[14]提出的基于内容流行度和节点重要性的CCN(Content Centric Network)缓存策略解决了这一问题，将节点中心度与内容流行度相结合，节点的中心度反应了节点在网络中的重要性。中心度等于路由器节点的度，即与该路由器相关联的链路的条数，节点的中心度越高表示该节点在缓存位置的选取中越重要。在节点重性高的节点内生成内容流行度排名之后，将新到达的大于最大流行度的内容放在此重要节点的下一级节点，将小于最小流行度的内容放在此重要节点的上一级节点，从而减缓重要节点的缓存替换率和负荷，让流行的内容逐渐靠近用户，减少内容冗余。

在缓存内容的选择上，大多数学者将内容的流行度作为参考指标，但是用户对内容的偏好程度在不同的上下文环境中可能有所不同，因此需要对内容的流行度进行预测。文献[15]设计一种基于位置自定义的缓存方案，以最大限度地提高内容的命中率，针对零均值噪声的情况，提出了一种基于脊回归的正扰动在线算法，然而随着时间增长，该算法的命中率与最优缓存策略的命中率逐步接近，无法体现出其优势。文献[16]提出了一种新的用于块级的缓存替换方法PPC(Popularity Prediction Caching)，分析用户行为获得视频块之间的联系，作为流行度预测的基础，预测和缓存未来最流行的块，并以线性复杂度驱逐那些未来最不受欢迎的块。结果表明，研究所提出策略性能高于最近最少使用(LRU)，最不频繁使用(LFU)和先进先出(FIFO)等缓存策略。但是，未考虑在存储空间有限的节点中如何度量以替换出流行度较低的内容。文献[17]使用深度学习来学习和预测未来内容的流行程度，以支持缓存决策。通过预测每个内容的未来类标签，得出每个内容的流行度分数，最后缓存流行度分数高的内容，该方案能有效提高内容的缓存命中率，然而没有考虑缓存节点选取的问题。

3 AoIPC机制

3.1 边缘节点属性分析

在AoIPC中，通常将移动边缘网络中的射频单元和分布单元作为缓存节点，射频单元节点将充当接入点（Access Point，AP）功能。与移动系统类似[18]，边缘节点的核心属性包括通信、计算和缓存，这三者将构成移动系统的主要资源，因此本文将重点讨论节点的三种属性。

（1）通信能力

移动系统的通信能力是由数据速率来衡量的，无线通信中电波在传输时接收功率强度与传输距离存在某种关系，因此在AoIPC中使用的用户节点到边缘节点的距离来表征通信能力。孙佩刚等人[19]采用混合定位法得出了功率与传输距离的变化关系，当传输距离较近时，采用最小二乘曲线拟合法计算出用户节点到边缘节点的距离；当传输距离较远时，通过信号强度分布法，查询接收到的接收信号强度显示RSSI(Receive Signal Strength Indicator)值较大边缘节点的采样值数据库，从而计算出用户节点到边缘节点的距离。计算公式[18]为：

其中，E表示接收到的信号功率，K为常数取值为15.4，ui表示某个用户，vj表示某个节点，D(uivj)表示某个用户用户与某个节点间的传输距离。用户距离边缘节点越近，无线信道越稳定，支持的上下行速率就越高，从而节点的通信能力就越强。在无向图中，将用户到某个节点的距离除以用户到所有节点的距离总和进行归一化。

（2）计算能力

计算是边缘节点的主要资源之一，节点的计算能力反映了其快速处理、转发和路由数据流的能力，节点高效的计算能力能够带来高效的数据传输能力，从而实现节点对单个用户的服务。节点的计算能力越强，在处理用户请求内容的时间越短，则用户从节点处获取内容的平均时延就越短。文献[18]提出节点的计算能力是由参与操作的节点数和信息流来度量的，将其称之为“计算度”(Degree of Computing，DoC)，当需要计算单个节点的计算能力时，DoC=1；当计算两个或两个以上节点的计算能力时，DoC=2+，因此本文的DoC为参与到数据处理的边缘节点数量。在无向图中，将DoC除以边缘节点总数n进行归一化。

（3）缓存能力

节点的缓存能力主要是由缓存容量和空闲缓存容量决定的。缓存能力的上限是由缓存容量决定的，缓存容量越大则缓存的内容越多样，从而缓存命中率越高，节点的缓存容量越小则导致无法完整的缓存文件，从而降低缓存命中率。空闲缓存容量是指节点在不刷新就缓存的前提下进行缓存的能力，对于空闲缓存容量大的节点，优先考虑为缓存节点，从而能提高缓存利用率。由此，将缓存空闲率C(vi)表示为某个节点的综合缓存能力，计算公式为：

其中，Cfree(vi)表示该节点的空闲缓存容量，Ctotal(vi)表示该节点的总缓存容量。

通过本文分析综合节点的通信能力、计算能力和缓存能力选择出合适的节点来缓存用户所需内容：

得到节点重要性度量结果后控制器对各边缘节点进行排序，从而得到节点的重要性排名。

3.2 缓存替换机制

边缘节点缓存空间的容量是有限的，无法将用户请求的所有内容缓存在节点中，在缓存空间不足时为了能缓存新到达的缓存资源，传统的缓存替换算法最近最少使用（Least Recently Used，LRU）或使用频率最少（Least Frequently Used，LFU）会导致文件下载时延较长，降低内容的缓存命中率。因此，本文将从内容信息年龄和内容流行度两方面选择出需要被替换的内容。

（1）内容的信息年龄

边缘节点缓存内容的指标之一，是内容的热度。为了提高移动边缘网络缓存的性能，缓存节点需要尽可能及时的获取用户感兴趣的内容，即监测数据的实时更新状态。数据的新鲜度量采用信息年龄标准，其定义[20]为在源端生成带时间戳的状态更新消息并通过通信系统传输到监视器，当监视器在时刻t收到时间戳为u(t)的状态更新消息时，则状态更新年龄为t-u(t)。在移动边缘网络中，由于用户所需内容缓存在靠近用户的节点，所以用户或者设备在获取实时信息更新的时延会有所减小。因此，在AIAPC中将内容的信息年龄引申为边缘节点对用户兴趣偏好的监控，当用户发出内容请求被命中时，此刻产生用户信息更新且边缘节点将接收到更新的状态信息，边缘节点上内容的信息年龄表示为：

其中，t表示边缘节点接收用户信息更新的时间，u(t)表示用户发出内容请求的时间戳，T(k)越小表示该内容热度越高以及边缘节点获取用户信息更新的时延越小。

（2）内容流行度

边缘节点缓存内容的指标之二，是内容的流行度，以提高用户获取内容的命中率，内容的流行度主要受过去一段时间内被请求的次数的影响。假设内容k在节点vi上在过去T时间内被用户请求的次数为fi(k)，则内容k在节点vi上的流行度为：

综上分析，记节点中缓存内容的度量为S(k)。

其中，α为控制因子，控制内容信息年龄和内容流行度的权重，出于公平考虑，取α=0.5，即不偏袒其中任意度量，但在实际应用中，根据实际网络，α需要进行修改。得到节点中内容的度量后，对S(k)较小的内容进行缓存替换。

其算法流程图如图2所示。

3.3 AoIPC算法实现

图2 AoPC算法流程图

按照建议对AoIPC算法的复杂性进行适当分析。如表1所示，是对AoIPC缓存机制的算法描述。首先根据控制器的全局视角获得全局网络拓扑，然后分别计算各个节点的D(uivj)、DoC和C(vi)，并进行归一化处理，依据不同的需求确定三个度量所占的权重分别为α、β和γ，并依据公式(3)计算得出各个节点的度量总分I(vi)，仔根据度量总分对节点的缓存优先级进行排序，并按顺序依次选出k个节点并发出主动缓存指令。因此，在选择最佳缓存节点时的时间复杂度为O(n3)，在缓存空间不足时，计算出节点中已缓存内容的Pi(k)和T(k)，并依据公式(6)计算出已缓存内容的度量总分S(k)，最后按排序选择出需要替换的内容，因此在决定缓存替换的内容的时间复杂度时O(n)。综上分析，此AIAPC算法可知时间复杂度为O(n3)+O(n)，当n足够大时，该算法的复杂度为O(n3)。

4 仿真与分析

4.1 实验设置

实验硬件环境为Intel（R）Core（TM）i3-4170cpu@3.7.GHz，12GB内存；操作系统是Ubuntu14.04LTS 64 bit。将仿真数据导入Matlab软件中处理，与处缓存机制LCE(Leave Copy Everywhere)、概率缓存机制Prob（Copy with Probability）进行比较，主要指标为缓存命中率、内容源节点平均请求次数和平均请求时延等三个评价指标上进行了定量的比较和分析。

表1 AoIPC缓存机制的算法描述

（1）拓扑设置

设置一个深度为4，固定节点数为14，移动节点（即用户设备）数为100的随机树状拓扑，移动节点初始随机放置于边缘节点覆盖范围内，其中射频单元和分布单元作为边缘缓存节点，固定节点拓扑连接示意图如图3所示。

（2）实验参数设置

图3 固定节点拓扑连接示意图

设置网络提供的内容数量为10000个，用户数量为100个，用户的请求模式为Zipf分布，其参数设置为0.7，Zipf越大说明用户的偏好越集中，用户的请求过程服从泊松分布，即请求的间隔时间服从指数分布。假设每个节点的缓存容量相同均为C，仿真主要参数设置如表2所示。

4.2 仿真结果

表2 仿真参数设置

（1）缓存命中率

缓存命中率是评价缓存机制的性能指标之一，缓存命中率越大，缓存机制的效率越高。定义缓存命中率为：

其中，N为边缘节点接收到的请求内容总数，Ki为边缘节点vi接收到的请求命中数，Ch为边节点的缓存命中率。横轴变化量为相对缓存容量R，给出R的定义为：

其中，Ctotal为节点缓存能力总量，U为总内容数大小。

对各缓存机制的缓存命中率对比如图4所示。从图4中可以看出，随着R的增加，三种缓存机制的缓存命中率也逐渐增加。LCE的缓存命中率最低，这是因为该缓存策略要求所有节点均缓存所需内容，就会导致出现大量缓存内容冗余，从而降低缓存内容多样性；其次是Prob，该策略要求所有节点以固定的概率缓存所需内容对象，虽然能增加节点的空间利用率，但是仍然存在大量冗余缓存；缓存命中率最高的是AoIPC，该机制可以有效的减少缓存冗余，提高节点中缓存内容的多样性，从而响应较多的内容请求，体改缓存命中率。

（2）内容源节点平均接收请求次数

图4 边缘节点缓存命中率分析

边缘节点的缓存命中率越高，表明内容源节点接收到的请求次数降低，源节点的请求负载也就越低，从而流向核心网络的流量减少，相应的网络内缓存性能就越好。

对各缓存机制的内容源节点平均请求次数对比如图5所示。从图5中可以看出，随着R的增加，三种缓存机制的内容源节点平均请求次数均逐渐减少，因为用户将直接从边缘节点处获取所需内容，其中AoIPC减小的幅度最大，流向核心网的流量最少，Prob次之，LCE减少的最少。

（3）平均请求时延

图5 内容源节点平均接受请求次数分析

平均请求时延是指用户发出请求信息到返回内容所经历的平均时延，反映了请求的反应速度。由于边缘节点最靠近用户，所以具有较快的反应速度。反应速度越快，说明缓存机制的缓存效率越高。定义Ti为内容fi的请求时延，Tmean为所有内容的平均请求时延，其计算方法为：

对各缓存机制的平均请求时延对比如图6所示。从图6中可以看出，随着R的增加，三种缓存机制的平均请求时延逐渐减小。对比分析可以看出，三种缓存机制中，平均请求时延最大的是LCE，其次是Prob，而AoIPC的平均请求时延最小。因为，LCE的大多数请求需要在内容源节点处获得响应；Prob通过增加缓存内容的多样性，使得较多的请求在边缘处获得；而AoIPC可以有效的利用缓存的多样性，提高缓存内容的多样性，响应大量的内容请求，从而有效降低获取内容的平均时延。

5 结束语

为了提高移动边缘网络的缓存性能，本文提出了一种基于内容信息年龄和流行度的移动边缘网络缓存机制AoIPC。该机制分析提取了边缘节点的属性，通过节点的通信能力、计算能力和缓存能力三个参数综合计算出边缘节点在内容缓存方面的重要性并加以降序排序，最后根据排名顺序选择重要节点进行主动缓存。同时，对节点中已缓存的内容做流行度和信息年龄表征，对节点中流行度和信息年龄较低的内容进行缓存替换。