面向ICN切片的视频缓存与传输服务*

李云扬，周金和

(北京信息科技大学 信息与通信工程学院，北京 100101)

0 引 言

在第五代移动通信(5G)网络中，网络切片被视为5G中的关键技术。网络切片技术可以根据网络切片提供商的需求，将一个物理网络划分为多个虚拟网络分片，从而提高网络资源利用率，降低网络运营商的成本和能源消耗，提高网络用户的体验质量[1-2]。随着视频流量爆炸式地增长，如何在5G网络中高效地为移动用户提供高质量的服务变得越来越具有挑战性。在今天的网络中，大量的视频流量是由社交和移动应用程序产生的。然而，此类流行视频内容很大一部分重复传输至用户终端，增加了网络的负载。所以，降低网络延迟和减少冗余的视频流量是提高用户体验质量和降低网络负载的关键因素。以信息为中心的网络(Information Center Network,ICN)作为一种先进的网络范例，不再是以IP网络的主机位置为中心[3]，而关注命名数据。ICN已经提出了许多体系结构，但命名数据网络(Named Data Networking,NDN)是目前占主导地位的体系结构，已经被研究界广泛接受[4]。ICN的基础概念是将名称与位置分离，将名称绑定到内容，并提供一个发布/订阅模型来按名称检索内容。同时，网内高速缓存使ICN中的每个路由器都能够缓存内容，可以显著减少检索时间和网络流量。

在5G网络移动视频的无线接入网络(Radio Access Network,RAN)缓存方面，文献[5]提出了一个边缘计算的协作感知框架，在基站上执行计算、协作处理和缓存视频等操作，该框架能显著降低核心网的访问率和计算量，文献[6]将主动缓存建立成一个缓存管理问题的模型，利用马尔科夫链决策，动态地将每个基站的缓存分配给移动用户，但是面对移动的用户时，主动缓存的成本很高，也会造成冗余传输；文献[7]提出了一种网络感知的边缘缓存更新算法，该算法综合了客户端信道状态和流行度，但是没有充分考虑到用户的兴趣偏好，用户检索视频时缓存的命中率并不高，所以可能会导致视频检索时间增加，降低了用户的体验质量；文献[8]提出了大数据辅助缓存架构，核心站点的大数据平台负责跟踪和预测用户的需求，基站拥有缓存功能，并存储大数据平台预测的内容；文献[9]提出了一种移动边缘缓存网络的架构，利用矩阵分解技术动态预测和更新用户的内容需求；文献[10]提出了基于ICN的分层缓存网络体系结构;文献[11]提出了一种利用移动边缘计算(Mobile Edge Computing,MEC)和网络功能虚拟化(Network Functions Virtualization,NFV)实现服务功能链接的边缘缓存体系结构。上述文献的工作更加关注缓存位置，然而，在这种支持缓存的网络中，合适的网络架构、内容传递协议以及面向内容的信息管理仍然是一个开放的问题，需要进一步研究。

基于目前国际标准化组织3GPP已经在5G中定义的增强型移动带宽(Enhanced Mobile Broadband,eMBB)、超可靠、低时延通信(Ultra Reliable Low Latency Communications,uRLLC)和海量机器类通信(Massive Machine Type Communications,mMTC)三大应用场景，利用ICN与5G切片的优势，可将ICN与5G网络切片相融合[12-14]。本文对5G系统架构进行ICN改进，ICN切片由部署在边缘云上的NFV组成。ICN切片负责服务请求接收、本地数据缓存和流行内容的交付，本地数据网络连接虚拟化基础设施管理器，以满足缓存内容大小和特定的服务级别性能需求。同时，本文对ICN缓存策略进行改进，该缓存策略记录密集区域用户内一个月内与一周内的请求历史，并与互联网中的视频流行度结合，构建服务区域缓存函数，将区域内用户的共同兴趣偏好视频主题内容缓存到本地ICN数据网络,用户将不必再访问互联网中的视频内容，可显著地减少网络流量和视频检索延迟。

1 ICN切片架构

1.1 问题描述

本文所解决方法的典型业务场景是对密集和拥挤场所提供高效的视频传输服务，如大学城、图书馆、生活小区等。该场景的系统架构如图1所示，分为用户终端、接入网、本地ICN数据网络、核心网四个部分。在这一架构中，视频提供商存储着视频内容。该系统架构图的核心在于本地ICN数据网络侧。本文对5G的切片架构中位于控制平面的接入和移动管理功能(Access and Mobility Management Function,AMF)、网络切片选择功能(Network Slice Selection Function,NSSF)、会话管理功能(Session Management Function,SMF)、策略控制功能(Policy Control Function,PCF)、鉴权服务功能(Authentication Server Function,AUSF)、网络开放功能(Network Exposure Function,NEF)和位于用户平面的用户平面功能(User Plane Function,UPF)进行ICN改进。本地ICN数据网络具有ICN全部协议的功能，满足缓存视频功能，可以称为ICN节点，同时拥有待定请求表(Pending Interest Table,PIT)、转发信息表(Forward Information Base,FIB)、内容存储表(Content Store,CS)三部分。此外，图1添加了ICN网关(ICN-Gateway,ICN-GW)功能单元。ICN-GW具有ICN和IP之间的协议转换功能，将视频内容传送至ICN-UPF功能单元，最终将视频内容传输至用户终端。同时，ICN-GW能够监控用户请求视频的名称并进行记录与处理。

图1 系统架构

1.2 系统架构

本文所提出的架构通过快速灵活的编程能够适应各种用户的需求，同时能够确保提供更好的服务。

ICN服务编排器：该组件是架构的主要组成部分，负责管理整个本地数据网络。服务编排器允许视频内容提供商动态部署本地数据网络实例。订阅者可以在特定的服务区域请求视频，并创建本地ICN数据网络。ICN数据网络由虚拟网络功能(Virtual Network Function,VNF)组成，适当地将VNF实例连接在一起，为特定服务的目标进行资源配置。

VNF管理器:该组件是本地数据网络的核心。VNF管理器与ICN管理器相互通信，报告节点的虚拟资源使用情况。如果ICN节点缓存内容过载，相应的管理器将会向VNF管理器报告需求。VNF管理器将验证请求，并将其发送给编排器，以便通过连接到各自的虚拟化基础设施管理器添加更多资源。

虚拟化基础设施管理器:该组件负责执行资源管理并为VNF分配虚拟资源。虚拟资源包括计算资源、存储资源和网络资源。NFV编排器与虚拟化基础设施管理器通信，以控制切片对虚拟资源的需求。

ICN-GW:本地ICN数据网络会分配ICN-GW，ICN-GW具有ICN和IP之间的协议转换功能,该网关作用是将互联网中的视频内容转换和发布到ICN切片内部,并将其逐块传输到下一个节点。

ICN节点:ICN节点位于本地数据网络内部，本文的ICN节点功能单元是具备ICN全部协议功能的单元，其转发、缓存功能都满足网络资源和底层网络配置策略。ICN节点利用PIT储存信息包及接收到的匹配信息的接口集；FIB基于内容名转发请求(基于名称转发);CS作为ICN节点的网络内缓存存储。ICN节点具有将用户请求聚合到相同内容对象的功能，以减少相同内容对象的网络流量的负载，缩短响应时间。

ICN-UPF功能单元：该功能单元负责将视频内容分发至用户平面，将用户请求传到本地ICN数据网络。

ICN管理器：负责网络管理功能。它处理关键的网络管理功能，如配置、网络性能、拥塞控制和容错管理。

N1接口是用户设备(User Equipment,UE)与AMF之间的连接，主要用于传递非接入层信令。N2接口为RAN和ICN-AMF间的信令面接口。N4接口为ICN-SMF和ICN-UPF与ICN-GW间的接口，用于传输ICN-SMF和ICB-UPF、ICN-GW间的控制面信息。N6接口为UPF与DN的接口，用于传递UPF与DN之间的上下行用户数据流，基于ICN和路由协议与数据网络通信。

在ICN服务的实现中，运营商可以向多域编排器进行身份验证，将ICN数据网络切片创建分布在人员密集和拥挤的场所；通过N6接口，将ICN-GW、ICN-UDP与本地ICN数据网络相连接。当密集区域的用户请求视频时，将查看位于本地ICN数据网络内的CS表，如果视频存在，将缓存的视频内容传送至用户；若不存在，则将服务请求记录在PIT表中，ICN切片将通过核心网进入ICN数据网络中的视频内容提供商进行视频内容检索，并进行缓存策略分析，决定是否进行缓存。进行缓存后，对于来自同一区域的相同请求，视频内容会直接从本地ICN数据网络内部传输至请求者。因此，同一区域的多个相同请求将不会到达互联网端进行视频内容检索。

2 缓存模型

2.1 用户对单个视频对象和视频主题偏好

本文收集中国最大的视频提供商之一哔哩哔哩的一些真实视频请求记录，分析了用户对单个视频对象和视频主题偏好的数据。尽管单个视频对象的受欢迎程度存在高度的不稳定，但我们对类似主题的视频进行分组后，用户对某类视频偏好更加稳定。

从图2中我们得出用户对视频类型的偏好比对单个视频的偏好更加稳定。本文每次选取前10%最受欢迎的视频，同时选取前10%最热门的主题，并记录下它们在30天内受欢迎程度。前15天内，排名前10%的视频内容请求率从58%大幅下降到15.6%，而排名前10%的话题请求率则保持在37%～47.2%之间。

图2 排名前10%的视频与排名前10%的视频类型在30天内的请求变化

基于以上事实，本文得出结论，视频话题的受欢迎程度更加稳定，更容易进行用户预测，也不会造成过多的缓存浪费。

2.2 互联网视频流行度

在特定密集区域部署的ICN切片在选择缓存视频内容时，首先通过该区域中用户的视频主题请求历史，并判断其服务区域内所有用户的共同兴趣偏好。最后，综合互联网中的视频流行度与用户的共同兴趣，再构建该特定区域的有效缓存内容。

互联网中的视频主题请求是一直变化的，在不同的时刻，所得到的请求也是不同的。文献[15]指出，不同的内容类型具有不同的缓存性，因为内容类型与重新访问率是息息相关的，这就表明重新访问率直接决定了缓存性。因此，本文采用累计法去衡量互联网中的视频受欢迎程度。重访次数越多的视频主题，受欢迎程度越高。定义重新访问率，即内容流行度[16]为

(1)

式中：Vall代表视频提供商中所有视频主题的数量；time(v)表示视频v的请求次数；α表示内容流行度的偏度系数，α∈[0,1]，α越大说明该视频主题被重新访问的次数占据互联网中请求次数的比列更大，流行度更高。

2.3 用户兴趣预测

(2)

(3)

部署ICN切片的特定区域的用户兴趣偏好由一个月内和一周内的视频兴趣所构成。本文定义ICN切片s所在区域内的用户对n类视频主题的有效兴趣函数为

(4)

式中：θ1与θ2分别代表一个月内、一周内偏好视频的权重因子，且满足θ1+θ2=1。

2.4 构建服务区域缓存函数

(5)

2.5 缓存决策算法

缓存决策模型(Caching Decision Model,CDM)算法利用本文构建的服务区域缓存函数决定缓存哪些视频，并且本文使用最近最少使用(Least Recently Used，LRU)算法作为替换策略。算法伪代码如下：

输入：视频主题请求服务，αθ1,θ2,ω1,ω2

1:一个视频请求到达ICN-GW

2:记录该视频主题的请求数量

3:查看本地ICN数据网络是否存在该视频主题

4:if已经缓存then

5: 将视频内容传送回用户

6:else if视频请求被记录到历史请求列表中，决定是否缓存then

7: if达到缓存函数阈值then

8: if本地ICN数据网络有足够的缓存空间then

9: 将该视频主题缓存至本地ICN数据网络

10: else if本地ICN数据网络没有足够的缓存空间

11: 启用LRU算法，再次缓存该视频主题

12: else

13: 不进行缓存

14:else

15: ICN-GW通过核心网连接至视频提供商，将视频内容传送至用户

3 仿真与分析

3.1 仿真设置

3.2 实验分析

实验开始前，互联网中含有大量的视频内容，这些视频与基于nginx的媒体服务器相连，以进行内容交付。在实验开始时，ICN切片内部不会缓存任何内容。

本文所提出的切片架构与缓存方法是基于ICN的，因此本文选择了基于IP的RAN缓存[17]，对比两者在本文的缓存策略下的检索时延。

首先，对互联网中的内容流行度和特定区域的用户权重因子ω1、ω2进行对比，当缓存大小都为30 GB时，分析权重因子对缓存命中率的影响。从图3中可得出，当更偏重用户偏好时，即权重因子ω1=0.4、ω2=0.6时可以到达缓存命中率最佳的效果。随后，对用户一月内及一周内的历史兴趣偏好参数θ1与θ2进行对比，当缓存大小为30 GB时，从图4中可得出，当历史兴趣更偏向一周内的记录时，即θ1=0.3、θ2=0.7时，缓存命中率达到最佳效果。所以后续的实验仿真都将选取ω1=0.4、ω2=0.6、θ1=0.3、θ2=0.7进行实验仿真。

图3 权重因子ω2对缓存命中率的影响

图4 权重因子θ2对缓存命中率的影响

设定服务密集区域A基于IP的RAN缓存策略和特定密集区域B基于ICN切片的缓存策略都使用本文所提出的缓存策略，A、B两区域的用户同时检索相同的视频内容。从图5可以看出，当缓存大小在1～30 GB范围内，检索时延是体验质量(Quality of Experience，QoE)的关键因素。从图中可以看出，两者都是随着缓存大小的增大而减少检索时延，然而，基于ICN切片的视频检索时延明显小于基于IP的检索时延。这是因为基于IP的缓存策略并不具有ICN的CS、PIT、FIB表，每次请求只能到达互联网进行请求并进行请求记录，因此，增加了检索延迟，说明基于ICN切片的视频传输能够提高用户的QoE。

图5 缓存大小对平均检索延迟的影响

特定密集区域A、B、C分别使用本文所提出的缓存策略与文献[18]所提出的支持虚拟类聚类的最流行缓存策略(Cluster Most Popular Caching,CMCP)和文献[19]提出的基于MEC分组的协作缓存策略进行缓存平均命中率和平均检索时延的对比。

本文提出的策略与CMCP、基于MEC分组的协作缓存策略的平均命中率进行对比，结果如图6所示。从图6可知，当设定的缓存容量较小时，三者缓存策略的命中率都明显偏低；随着缓存容量的增大，三者的缓存策略的命中率都显著地增高。值得注意的是，由于本文提出的缓存策略考虑到了密集区域的用户兴趣偏好与互联网中的视频流行度，因此与其他策略比较时，缓存命中率明显高于其他策略。

图6 缓存容量对命中率的影响

三种策略的平均检索时延对比结果如图7所示。图7表明，当缓存容量较小时，基于ICN的三种缓存策略的平均检索时延都明显偏高。这是因为当缓存容量较小时，ICN切片内部没有足够的空间去缓存，要通过互联网去检索视频内容。随着缓存容量的增大，检索时延明显减小，但是基于本文的缓存策略的检索时延明显低于其他两者。这是因为其他策略的命中率偏低，缓存的内容不能满足用户的需求。

图7 缓存容量对检索时延的影响

此外，在设计的缓存决策算法时，算法的效率也是必须考虑的。本文对比CMCP算法的时间复杂为O(N2)，基于MEC分组的协作缓存策略算法的时间复杂度为O(N3)，而本文所提出的基于ICN切片缓存策略在用户兴趣偏好和互联网内容流行度的基础上考虑的，其时间复杂度为O(N2)。因此，本文的算法复杂度优于基于MEC分组的协作缓存策略算法的复杂度；在时间复杂度均为O(N2)的情况下，本文算法的缓存命中率优于CMCP算法。

4 结束语

本文针对密集区域检索视频延迟较长、网络负载量较大的问题，提出了面向5G的ICN切片架构并改进ICN缓存策略。该系统架构分为用户终端、接入网、本地ICN数据网络、核心网四个部分。通过对密集区域用户一个月内与一周内的历史访问记录，生成区域用户的有效兴趣函数，并结合互联网中的视频内容流度构建服务区域缓存函数，针对性地为区域用户缓存所需的视频内容。仿真实验表明，本文提出的架构并结合缓存策略相比CMCP算法，ICN切片缓存策略最多可提升16%的缓存命中率，最多可降低20.9%的检索时延；与MEC分组协作缓存策略相比，最多可降低15.5%时延并提高19.3%的缓存命中率。

在未来的工作中，将研究切片间的资源共享与高效的服务编排，使之能够在视频缓存及传输服务中发挥更好的作用。