一種基于SDN的CCN集中控制緩存決策方法

曲樺，李巖松，劉軍，趙季紅,2，郭涯

?

一種基于SDN的CCN集中控制緩存決策方法

曲樺1，李巖松1，劉軍1，趙季紅1,2，郭涯1

（1. 西安交通大學，陜西西安 710049；2. 西安郵電大學，陜西西安 710061）

在軟件定義網絡（SDN）和內容中心網絡（CCN）融合架構下，為了充分利用控制層對網絡拓撲和緩存資源的全局感知，在全網中實現緩存資源的優(yōu)化使用，提出了一種集中控制的緩存決策優(yōu)化方案。在該方案中，應用粒子群優(yōu)化算法（PSO）并且根據節(jié)點邊緣度、節(jié)點重要度以及內容流行度對緩存資源和內容進行集中緩存決策，使得內容在不同的節(jié)點進行合理的緩存。仿真結果表明，通過評估緩存大小對緩存性能的影響，PSO緩存決策方法取得了比LCE、PROB緩存決策策略更優(yōu)的緩存命中率和路徑延展率，明顯降低了緩存節(jié)點的緩存替換數，使得緩存達到了整體緩存優(yōu)化。

軟件定義網絡；內容中心網絡；緩存；粒子群優(yōu)化；節(jié)點邊緣度；節(jié)點重要度；內容流行度

1 引言

隨著社交網絡、云存儲、視頻網站和數據類應用等的流行，網絡呈現出以信息內容為中心的發(fā)展趨勢。根據思科虛擬網絡指數的預測，到2018年各種形式的多媒體流量會達到網絡流量的90%[1]，網絡的使用已經偏離了現有網絡當初的設計原則和設想，現有網絡在安全性、移動性、可靠性、可用性、可擴展性等方面存在著極大的挑戰(zhàn)[2]。

面對上述問題，內容中心網絡（content centric networking，CCN）[3]應運而生，CCN是一種能夠滿足用戶信息傳遞需求的新型體系架構，它采用以內容為中心的通信方式。區(qū)別于傳統(tǒng)網絡主機到主機的通信，用戶不再關注內容的位置，而只關注內容本身，傳輸模式由傳統(tǒng)通信中的“推”改為適合內容海量傳輸的“拉”，提高了內容獲取的傳輸效率和網絡內容資源的利用率。在CCN架構中，網絡內置緩存是其核心的思想之一，引起了研究者們的廣泛關注。

目前的緩存策略分為路徑緩存和鄰域緩存[4,5]，緩存決策使用的信息為傳輸路徑上或鄰域上節(jié)點和內容的信息，雖然提高了緩存的命中率和路徑延展率，但是這些信息來源于傳輸路徑或鄰域等局部網絡，具有局限性。CCN中的緩存呈現泛在化、網絡化的新特征，緩存的拓撲結構需用任意圖的網狀結構來描述，增加了數學建模和分析的難度，也使緩存協(xié)同變得更為困難[6]，節(jié)點在緩存決策時獨立做出決策，因此不能很好地提高緩存效率。CCN中的緩存是工作在網絡層的串聯設備，要求以線速執(zhí)行，因此要求緩存管理策略簡單，極大地降低了緩存的有效性。

將軟件定義網絡（software defined networking，SDN）[7]的概念加入CCN中，能夠有效地解決CCN中的緩存問題。SDN是一種當下熱門的網絡架構，在SDN中將網絡控制和數據轉發(fā)進行解耦，數據層由網絡基礎設備組成，僅提供簡單的數據轉發(fā)功能，可以快速處理匹配的數據分組；控制層具有邏輯中心化和可編程的控制器，掌握全局網絡信息。兩層之間采用開放的統(tǒng)一接口進行交互。控制器通過標準接口向網絡基礎設備下發(fā)統(tǒng)一標準規(guī)則，網絡基礎設備僅需按照這些規(guī)則執(zhí)行相應的動作即可。因此SDN具有動態(tài)管理和編程控制網絡的能力。將SDN和CCN進行融合，既可以發(fā)揮SDN邏輯中心化和集中控制的優(yōu)勢，又可以發(fā)揮CCN在內容獲取方面的優(yōu)勢。最近，研究者們發(fā)表了很多關于SDN和CCN融合的科研成果[8-10]，在SDN和CCN的融合架構下，緩存決策有了更加高效和智能的方法。粒子群優(yōu)化（particle swarm optimization，PSO）算法[11]是近年來發(fā)展起來的一種新的群智能優(yōu)化算法，是通過群體中個體之間的協(xié)作和信息共享來尋找最優(yōu)解，粒子群算法簡單、容易實現，并且沒有過多參數需要調整。

本文在SDN和CCN融合架構下，提出了一種基于SDN的CCN下的緩存決策方法，利用控制器具有邏輯中心化以及對全網感知的優(yōu)勢，根據全局網絡拓撲和網絡內容的信息，對內容和緩存進行集中和整體的優(yōu)化；控制器周期性地對緩存信息進行統(tǒng)計，并在接收到數據層緩存請求后進行緩存決策；本方法還將節(jié)點的重要度和邊緣度以及內容的流行度對節(jié)點和內容進行整體的數學建模，并應用粒子群優(yōu)化算法進行優(yōu)化。仿真結果表明，通過控制層對內容的集中緩存決策，使得內容在不同的節(jié)點進行合理的緩存，相比于傳統(tǒng)網絡的緩存方法，PSO緩存決策方法明顯地提高了緩存命中率、降低了路徑延展率，并且能夠極大地降低緩存替換數。

2 相關研究

內置緩存技術是信息中心網絡（information centric networking，ICN）的關鍵技術，它充分利用網內緩存資源，節(jié)約網內帶寬，改善整體網絡性能。CCN最初采用的處處緩存（leave copy everywhere，LCE）機制[3]，將請求內容緩存到沿途傳輸的所有節(jié)點中，該方法會產生大量的冗余副本，對緩存空間的利用率不高。

針對傳統(tǒng)緩存機制的弊端，Bernardini等人[12]將突破點放在內容的流行度上，提出了一種基于內容流行度（most popular content，MPC）的緩存管理策略，即節(jié)點只緩存流行度高的內容。這可以減少每個節(jié)點的緩存負載，實現了高緩存命中率，提高了網絡資源的利用率。但是該方案也沒有考慮內容流行度的實時性問題。參考文獻[4]提出了一種基于加權概率的緩存機制，返回路徑中沿途節(jié)點緩存內容的概率與節(jié)點和用戶的距離成反比，此方法提高了內容在用戶附近節(jié)點緩存的概率，但是也增加了不同內容在邊緣緩存處的競爭。參考文獻[5]提出了基于中介中心度的緩存策略，用戶請求通過中介中心度大的節(jié)點的概率比較高，通過在中介中心度高的節(jié)點處緩存內容可以提高緩存命中率，但內容在中介中心度大的節(jié)點處的替換率較高，反而降低了緩存命中率。

黃勝等人[13]將節(jié)點分為兩類：“邊緣”類節(jié)點和“核心”類節(jié)點，提出了一種基于節(jié)點分類（based node classification，BNC）的數據存儲策略，對不同類型的節(jié)點按照不同的存儲策略進行存儲，并考慮用戶請求數據時的實時性。數據的緩存位置由節(jié)點位置與數據在節(jié)點中的流行度共同決定，適合層次化結構網絡。當多用戶同時請求內容時，不同的下載速度會降低緩存命中率，為此，Sasano等人[14]在流量控制下對多用戶的內容下載進行了仿真，發(fā)現通過延長節(jié)點上內容的緩存時間，可以提高CCN中多用戶同時請求內容的下載完成時間，但是它只在含有兩個用戶的簡單拓撲中實現。

引入“協(xié)作”概念，Wang等人[15]提出了一種自治系統(tǒng)域內協(xié)作的緩存模式，在自治系統(tǒng)內進行問題的構建，消除鄰域節(jié)點中的緩存冗余，并提出當用戶請求未得到響應時，向鄰域節(jié)點發(fā)出請求。這種方法充分利用了網內資源，但向鄰居節(jié)點周期性地發(fā)送通告以及AS內緩存冗余的消除，則需要額外的系統(tǒng)開銷。SDN架構具有全局視野，通過集中控制對網絡的邏輯控制功能和高層策略靈活地進行動態(tài)、優(yōu)化配置，進而實現網絡資源的優(yōu)化配置。借助SDN的優(yōu)勢，雷方元等人[16]提出了一種基于SDN的ICN高效緩存機制，將網絡中的緩存節(jié)點根據社團重要度劃分成重要度不一的社團，利用SDN控制面感知全網狀態(tài)，SDN控制器根據感知網絡社團的重要性和社團網絡節(jié)點的重要度來取定緩存位置策略，并在此基礎上生成概率替換策略。在這種方法中，重要度較高的社團負載比較大，同時也存在較大的緩存后路由代價。

基于傳統(tǒng)緩存機制的弊端，研究者通過尋找不同的創(chuàng)新點，突破原始的緩存框架，借鑒了不同的解決方法，引入了新穎的概念思路，從沿路緩存到旁路緩存，從非協(xié)作模式到協(xié)作模式，從分布式獨立運行到集中控制，緩存機制的性能得到很大的提高，網絡的整體性能也得到了充分的發(fā)揮。本文在SDN和CCN融合架構下，提出了一種在路徑域上對內容進行集中緩存決策的方法，通過SDN控制層對全局的感知和集中控制，將內容合理地緩存在不同節(jié)點上，能夠有效地提高網絡中緩存的利用率。

3 基于SDN的CCN緩存決策方法

3.1 相關定義

定義1 （節(jié)點重要度）交換機在接收到控制器下發(fā)的流表時，對下發(fā)的流表信息進行統(tǒng)計，根據交換機統(tǒng)計的信息可以得到每個內容的路由路徑經過此交換機的次數，次數越多則節(jié)點對于該內容的重要度越大。用表示節(jié)點對于內容的重要度，并將其歸一化，可表示為，表示節(jié)點對于內容的最大節(jié)點重要度。節(jié)點重要度能夠真實地反映出不同緩存節(jié)點對于內容的請求次數，次數越多，節(jié)點對于該內容的重要度越大。

定義2 （節(jié)點邊緣度）控制器進行緩存決策時應用了節(jié)點邊緣度的概念，節(jié)點離用戶越近，邊緣度越大。將內容緩存在節(jié)點邊緣度較大的節(jié)點，則用戶終端請求該節(jié)點內容時的時延更短，能夠為用戶提供更好的用戶體驗。節(jié)點的邊緣度定義為，表示節(jié)點距離內容服務器的跳數。節(jié)點的邊緣度歸一化可表示為，表示所有節(jié)點中最大的邊緣度。

定義3（內容流行度）每個節(jié)點通過對內容請求分組的統(tǒng)計，得到每個內容的請求次數，將節(jié)點在一個周期內的內容請求次數作為內容在該節(jié)點處的內容流行度。內容流行度越大，說明內容在該節(jié)點處將來被請求的概率越大。用表示內容在節(jié)點處的流行度，其歸一化為，表示內容在節(jié)點處的最大流行度。

網絡內置緩存的功能由網絡內的節(jié)點承載，根據現有網絡研究，網絡呈冪律分布[17]，因此，節(jié)點在網絡拓撲中處于不同位置，導致了節(jié)點在網絡中的重要程度不同，而節(jié)點的重要程度決定了緩存的價值，當節(jié)點處于重要位置時，緩存的價值就更大，內容緩存在該位置被命中的概率就更大。本文中的節(jié)點重要度不僅考慮節(jié)點在網絡中的位置，還考慮了內容的請求路徑。節(jié)點邊緣度反映了網絡拓撲中節(jié)點離用戶的遠近程度，內容傾向于緩存距離用戶比較近的節(jié)點。通過節(jié)點重要度和節(jié)點邊緣度甄別出價值更大的緩存。內容流行度則體現了每個節(jié)點對于不同內容的需求，內容流行度越高，則說明內容在此節(jié)點的需求就越大。本文中，SDN控制器通過感知全網拓撲信息，計算節(jié)點重要度、節(jié)點邊緣度以及內容流行度等參數信息，并將其轉化為PSO模型的輸入，經過該算法決策后，輸出為一個或多個內容的最優(yōu)緩存節(jié)點。所以，PSO和SDN之間存在著很強的依賴關系。

3.2 緩存決策機制

基于SDN的CCN緩存決策實施流程如圖1所示，控制層中的控制器負責數據層緩存信息的收集以及緩存決策，數據層中的交換機負責對信息的統(tǒng)計以及執(zhí)行控制器緩存決策后的緩存動作。控制層和數據層之間通過OpenFlow協(xié)議進行通信。SDN控制器和CCN節(jié)點的通信通過OpenFlow協(xié)議進行交互，采用CCN方式，通過流表下發(fā)告知CCN交換節(jié)點緩存決策結果。

數據層中的交換機實時地對緩存信息進行統(tǒng)計，交換機中包含以下兩張表：節(jié)點重要度表，記錄各個內容經過此交換機的路由路徑數量，主要包括內容名和路由路徑數量兩項；內容流行度表，記錄各個內容的請求次數，包括內容名和請求次數兩項。除了收集信息外，交換機還負責執(zhí)行緩存決策后緩存的動作，當數據層的交換機接收到內容分組后，首先對內容分組進行判斷，若內容分組已標記為已記錄緩存決策結果，則從內容分組中讀取緩存決策結果，并判斷緩存結果是否有自身節(jié)點，若有，則緩存該內容，若沒有，則繼續(xù)傳輸該內容分組；若內容分組未標記，說明該內容分組中沒有緩存決策結果，則交換機向控制器發(fā)送包含該內容名的緩存決策請求。例如，當用戶c1發(fā)出內容請求后，請求沿著s1→s3→ s5→s9→s16路徑進行傳輸，最后在交換機s16處命中，s16沿著原路徑發(fā)出內容分組，因為是首次請求，該內容分組未標記，所以s16會向控制層發(fā)出請求決策消息，控制器通過粒子群優(yōu)化算法計算后，通過流表下發(fā)，將緩存決策結果發(fā)送給s16，s16隨后將該內容標記為已決策，并將緩存結果封裝到該內容分組中，處理完畢后，將內容分組發(fā)出，沿原路徑返回，s16、s9、s5、s3、s1依次讀取該內容分組中的緩存結果，若緩存結果中包含自身節(jié)點，則緩存該內容并繼續(xù)傳輸，反之則不緩存，只需繼續(xù)傳輸該內容分組即可，最終將該內容返回給用戶c1。

控制層中的控制器周期性地收集緩存信息節(jié)點重要度和內容流行度，并根據網絡拓撲模塊提供的信息計算每個節(jié)點的節(jié)點邊緣度。當控制器接收到數據層的緩存決策請求后，首先判斷相關內容是否有緩存結果，若沒有，則根據緩存信息進行粒子群優(yōu)化算法，得到結果后將結果下發(fā)給提出緩存決策請求的交換機；若有，則直接將結果下發(fā)給交換機。

3.3 緩存決策目標模型

通過節(jié)點重要度和節(jié)點邊緣度將網絡拓撲中的節(jié)點分為重要節(jié)點和非重要節(jié)點，通過內容流行度也將內容進行區(qū)分，通過將不同流行度的內容合理地緩存在不同重要程度的節(jié)點中，可以明顯地優(yōu)化節(jié)點緩存。其優(yōu)化過程充分利用SDN和CCN融合架構下邏輯中心化的優(yōu)勢，對節(jié)點和內容應用粒子群優(yōu)化算法進行集中的優(yōu)化處理，將不同流行度的內容合理地緩存在不同重要程度的節(jié)點。其優(yōu)化單位為內容的傳輸路徑，對路徑上的節(jié)點和內容進行集中緩存決策。

根據節(jié)點重要度和節(jié)點邊緣度以及內容流行度對緩存決策進行數學建模。節(jié)點重要度高的節(jié)點代表內容的路由路徑數量多，內容請求經過此節(jié)點的概率比其他節(jié)點大，邊緣節(jié)點為節(jié)點邊緣度比較高的節(jié)點，緩存在此節(jié)點的內容被請求時可以為用戶提供較低的時延。將流行度較高的內容緩存在節(jié)點重要度和節(jié)點邊緣度高的節(jié)點，將流行度較低的內容緩存在節(jié)點重要度和節(jié)點邊緣度低的節(jié)點，能夠明顯地優(yōu)化緩存決策。根據以上分析得到將內容緩存在節(jié)點的優(yōu)化函數為：

（2）

其中，表示路徑上節(jié)點的集合，C表示節(jié)點上緩存內容的集合。

3.4 緩存決策算法

具有代表性的CCN緩存決策算法有LCE算法、PROB算法，在用戶內容請求初期，能夠表現出較快的響應速度，但隨著用戶內容請求的增加，帶來較高的緩存替換率，會造成較高的時延。而PSO可以同時對多個內容進行緩存決策，將多個內容合理地緩存到緩存節(jié)點上，提高了緩存效率，雖然緩存決策過程需要一定的決策時間，但從整體上來看，PSO能夠滿足用戶內容請求的實時性要求。

控制器接收到緩存決策請求后，根據收集到的緩存信息以及內容傳輸路徑上的節(jié)點，采用PSO進行緩存決策優(yōu)化過程，PSO應用的具體過程如下。

（1）定義編碼方式

緩存策略的優(yōu)化變量是內容類，對路徑上節(jié)點統(tǒng)計的內容按照內容流行度進行排序，并且根據排序對內容進行分類，每個類中包含一定數量的流行度相近的內容。PSO根據適應度函數將路徑上的節(jié)點和分類后的內容集進行匹配，PSO中的每個粒子包括3個組成部分：位置、速度和適應度值。針對第個粒子，采用整數編碼，其編碼形式為：

（2）初始化粒子群

隨機初始化所有粒子的位置和速度，根據粒子的最大速度，在速度域值內隨機選擇一個值作為粒子的初始化速度，根據內容集合編號，在內容集合編號值域內隨機選擇值作為粒子的初始化位置，將其作為每個粒子的最優(yōu)解，通過搜索粒子群得到全局最優(yōu)解。

（3）位置、速度更新策略

根據粒子群的最優(yōu)解和每個粒子的局部最優(yōu)解更新每個粒子的速度，通過粒子的速度對粒子群中的每個粒子進行位置的更新，從而進入下代粒子群。粒子的速度和位置更新公式為：

（5）

（4）解碼策略和收斂性檢查

由于標準PSO適用于求解連續(xù)解空間問題，可以將粒子由連續(xù)非整型變量轉化為離散整型變量，方法是將非整數解碼為最相近的整數值。由于PSO收斂速度較快，判斷收斂的方法為：可以預先定義最大迭代次數來判斷；判斷全局最優(yōu)解在特定的迭代次數之內沒有變化則收斂。

4 實驗仿真與結果分析

4.1 仿真環(huán)境和性能評價指標

本文使用ndnSIM仿真工具，并用C++編程實現了SDN和CCN融合架構的內容傳輸模型以及CCN內容傳輸模型。為了驗證PSO緩存策略方法是否達到預期效果，選擇CCN中具有代表性的LCE、PROB兩種緩存策略作為對比。主要仿真參數設置見表1。

表1 主要仿真參數設置

盡管CCN支持多徑路由傳輸，本文僅在單徑路由前提下對緩存策略進行性能分析，并采取以下測量參數作為性能評價指標。

（1）緩存命中率

緩存命中率（CHR）越高，表示緩存響應用戶緩存請求的概率就越大，從而提升緩存系統(tǒng)效率，改善網絡負載。可表示為：

（2）路徑延展

路徑延展（PS）反映了用戶請求得到響應的節(jié)點距離用戶的遠近，PS越低，表示響應用戶請求的節(jié)點離用戶越近，這不僅能夠明顯改善用戶的體驗，而且能有效降低網絡負載。可表示為：

（3）緩存替換數

通常情況下，網內緩存容量有限，遠遠小于內容的大小，這勢必會產生大量的替換操作。替換操作不僅會消耗計算資源，還會導致緩存副本在節(jié)點的存活時間太短，從而影響緩存命中率。因此減少緩存命中率（CRN）也是一個需要考慮的問題。

4.2 仿真結果

當緩存大小變化時，觀察LCE、PROB、PSO 3種緩存決策策略的緩存命中率、路徑延展和緩存替換數的變化情況。

緩存命中率隨節(jié)點緩存大小的變化情況如圖2所示，其中橫坐標表示緩存與內容的比率，即每個節(jié)點的緩存大小除以內容數。假設內容集合為1~100共100個，緩存大小為1（1個緩存單元緩存1個內容），則緩存與內容的比率為1%。由圖2可知，隨著節(jié)點緩存的不斷增大，3種機制的緩存命中率不斷提高，而PSO取得了明顯高于其他2種機制的緩存命中率。路徑延展率隨節(jié)點緩存大小的變化情況如圖3所示，由圖3可知，隨著節(jié)點緩存的不斷增大，3種機制的路徑延展率不斷降低，PSO的路徑延展率取得了更好的結果。與傳統(tǒng)的2種緩存策略機制相比，PSO對路徑域上的節(jié)點和內容進行集中緩存決策，不僅實現了節(jié)點之間的有效協(xié)同，還對內容在節(jié)點上進行了更加合理的布局，因此在緩存命中率和路徑延展率方面取得了更好的效果。

緩存替換數隨節(jié)點緩存大小的變化情況如圖4所示。由圖4可知，當節(jié)點緩存不斷增大時，3種緩存機制的緩存替換數不斷減小，而PSO相比其他2種緩存決策機制取得了更穩(wěn)定和更優(yōu)的結果。PSO緩存決策方法周期性地根據目標模型對緩存進行集中決策，能夠合理地將內容緩存在相應的節(jié)點上，有效地減少了內容的替換。

5 結束語

本文在SDN和CCN融合架構下，提出了一種利用SDN框架全局感知和集中控制優(yōu)勢的PSO緩存決策方法，并在該方法中引入節(jié)點重要度、節(jié)點邊緣度以及內容流行度的概念，通過問題構建對路徑域上的內容進行集中的緩存決策，同時考慮了節(jié)點之間的協(xié)同和內容在節(jié)點上的合理分布。SDN和CCN結合的網絡架構，是未來網絡研究的一個方向，要實現和現網的融合，可以將CCN的通信模式改為傳統(tǒng)IP方式，這個問題的解決可以采用散列的方法[18]。此外，仿真結果表明，PSO緩存決策方法隨著節(jié)點緩存大小的變化都表現出了比其他2種緩存決策策略更好的緩存性能。雖然本文提出的緩存決策方法充分考慮了內容感知和集中控制的優(yōu)勢，對路徑域內進行了集中優(yōu)化，但是仍然屬于局部的整體優(yōu)化，在全局內整體進行緩存優(yōu)化則能取得更好的緩存性能。下一步將考慮在全局范圍內利用路由和緩存進行聯合優(yōu)化。

[1] INDEX V N. Cisco visual networking index: forecast and methodology, 2010-2015[J]. White Paper Cisco Systems Inc, 2011: 1-16.

[2] FELDMANN A. Internet clean-slate design: what and why?[J]. Acm Sigcomm Computer Communication Review, 2007, 37(3): 59-64.

[3] JACOBSON V, SMETTERS D K, THORNTON J D, et al. Networking named content[C]// International Conference on Emerging Networking Experiments and Technologies, December 1-4, 2009, Rome, Italy. New York: ACM Press, 2009: 117-124.

[4] PSARAS I, CHAI W K, PAVLOU G. Probabilistic in-network caching for information-centric networks[C]// Edition of the ICN Workshop on Information-Centric Networking, August 13-17, 2012, Helsinki, Finland. New York: ACM Press, 2012:55-60.

[5] WEI K C, DILIANG H, IOANNIS P, et al. Cache “l(fā)ess for more” in information-centric networks[M]. Berlin: Springer Berlin Heidelberg, 2012.

[6] ZHANG G Q, YANG L I, TAO L, et al. Survey of in-network caching techniques in information-centric networks[J]. Journal of Software, 2014, 25(1): 154-175.

[7] ONF. Software-defined networking: the new norm for networks[S/OL]. (2012-04-13)[2017-01-17]. http://bigswitchnet works.com/sites/default/files/sdn_resources/onf-whitepaper.pdf.

[8] EUM S, JIBIKI M, MURATA M, et al. A design of an ICN architecture within the framework of SDN[C]// International Conference on Ubiquitous and Future Networks, July 7-10, 2015,Sapporo, Japan. New Jersey: IEEE Press, 2015: 141-146.

[9] VELTRI L, MORABITO G, SALSANO S, et al. Supporting information-centric functionality in software defined networks[C]// IEEE International Conference on Communications, June 10-15, 2012, Ottawa, Canada. New Jersey: IEEE Press, 2012: 6645-6650.

[10] SUN Q, WANG W, HU Y, et al. SDN-based autonomic CCN traffic management[C]// GLOBECOM Workshops, December 8-12, 2014, Austin, USA. New Jersey: IEEE Press, 2015: 183-187.

[11] 楊維, 李歧強. 粒子群優(yōu)化算法綜述[J]. 中國工程科學, 2004, 6(5): 87-94.

YANG W, LI Q Q. Survey on particle swarm optimization algorithm[J]. Engineering Sciences, 2004, 6(5): 87-94.

[12] BERNARDINI C, SILVERSTON T, FESTOR O. Cache management strategy for CCN based on content popularity[M]. Berlin: Springer Berlin Heidelberg, 2013.

[13] 黃勝, 滕明埝, 吳震, 等. 命名數據網絡中一種基于節(jié)點分類的數據存儲策略[J]. 計算機研究與發(fā)展, 2016(6): 1281-1291.

HUANG S, TENG M N, Wu Z, et al. A data caching scheme based on node classification in named dtat networking[J]. Journal of Computer Research and Development, 2016(6): 1281-1291.

[14] SASANO K, BANDAI M, YAMAMOTO M. A cache management method for simultaneous downloading from multiple receivers for content centric networking[C]// International Conference on Advanced Information Networking and Applications Workshops, March 23-25, 2016, Crans-Montana, Switzerland. New Jersey: IEEE Press, 2016: 872-877.

[15] WANG J M, ZHANG J, BENSAOU B. Intra-AS cooperative caching for content-centric networks[C]// ACM Sigcomm Workshop on Information-Centric Networking, August 12-16, Hong Kong, China. New York: ACM Press, 2013: 61-66.

[16] 雷方元, 蔡君, 羅建楨, 等. 一種基于SDN的ICN高效緩存機制[J]. 計算機科學, 2016, 43(8): 74-78.

LEI F Y, CAI J, LUO J Z, et al. Efficient caching mechanism based on soft defined information-centric networks[J]. Computer Science, 2016, 43(8): 74-78.

[17] BARABASI A L, ALBERT R. Emergence of scaling in random networks[J]. Science, 1999, 286(5439): 509.

[18] OOKA A, ATA S, KOIDE T, et al. OpenFlow-based content-centric networking architecture and router implementation[C]// Future Network and Mobile Summit, July 3-5, 2013, Lisbon, Portugal. New Jersey: IEEE Press, 2013: 1-10.

A method of CCN centralized control cache decision based on SDN

QU Hua1, LI Yansong1, LIU Jun1, ZHAO Jihong1,2, GUO Ya1

1. Xi’an Jiaotong University, Xi’an 710049, China 2. Xi’an University of Posts and Telecommunications, Xi’an 710061, China

In the software defined networking and content centric networking integration framework, a cache optimization scheme of centralized control was proposed to make full use of global awareness of the control layer for network topology and cache resources, and achieve the optimal use of caching resources in the entire network. In this scheme, the particle swarm optimization (PSO) was applied for centralized cache decision-making depending on node edge degree, node importance degree and content popularity. Therefore, the contents were cached in different nodes reasonably. Simulation result shows that the proposed PSO caching scheme achieves larger cache hit rate and lower path stretch than that of LCE scheme, PROB scheme by evaluating the impact of cache size and content popularity on the caching performance. It also shows that PSO scheme significantly reduces the number of cache nodes to replace the cache, making the cache to achieve the overall cache optimization.

software defined networking, content centric networking, caching, particle swarm optimization, node edge degree, node importance degree, content popularity

TN915.9

A

10.11959/j.issn.1000?0801.2017132

2017?01?17；

2017?05?07

國家自然科學基金資助項目（No.61371087，No.61531013）；教育部—中國移動科研基金資助項目（No.MCM20150102）

The National Natural Science Foundation of China (No.61371087, No.61531013), Joint Research Foundation of Ministry of Education and China Mobile (No.MCM20150102)

曲樺（1961?），男，博士，西安交通大學教授、博士生導師，主要研究方向為現代通信網、計算機網絡體系結構。

李巖松（1992?），男，西安交通大學碩士生，主要研究方向為基于軟件定義網絡的內容中心網絡及其緩存策略。

劉軍（1989?），男，西安交通大學碩士生，主要研究方向為基于軟件定義網絡的內容中心網絡及其緩存策略。

趙季紅（1963?），女，博士，西安交通大學、西安郵電大學教授，主要研究方向為寬帶通信網、新一代網絡的管理與控制。

郭涯（1991?），男，西安交通大學博士生，主要研究方向為軟件定義網絡、網絡虛擬化。