內(nèi)容中心網(wǎng)絡(luò)中基于內(nèi)容流行度和節(jié)點(diǎn)屬性的協(xié)作緩存策略

霍躍華，劉銀龍

(1.中國(guó)礦業(yè)大學(xué)(北京) 現(xiàn)代教育技術(shù)中心，北京 100083；2.中國(guó)科學(xué)院 信息工程研究所，北京 100093)

內(nèi)容中心網(wǎng)絡(luò)(content-centric networking)是一種新興的以信息/內(nèi)容為中心的新型網(wǎng)絡(luò)架構(gòu)，將傳統(tǒng)的主機(jī)中心模型轉(zhuǎn)為更加靈活的數(shù)據(jù)中心模型，屬于“革命式”的未來(lái)互聯(lián)網(wǎng)體系架構(gòu)，能夠從根本上解決IP網(wǎng)絡(luò)在可擴(kuò)展性和內(nèi)容分發(fā)有效性方面存在的問(wèn)題，這種新的網(wǎng)絡(luò)架構(gòu)現(xiàn)在已經(jīng)成為了未來(lái)互聯(lián)網(wǎng)的研究熱點(diǎn)。

隨著網(wǎng)絡(luò)流量的飛速增加，網(wǎng)絡(luò)中的鏈路帶寬受到了嚴(yán)峻壓力，針對(duì)此問(wèn)題，CCN網(wǎng)絡(luò)架構(gòu)利用了泛在化的緩存技術(shù)來(lái)緩解網(wǎng)絡(luò)壓力。然而，此種緩存機(jī)制提高了內(nèi)容分發(fā)獲取能力，但同時(shí)也產(chǎn)生較多的緩存冗余，從而降低了網(wǎng)絡(luò)資源利用率和緩存能效。在CCN網(wǎng)絡(luò)中，全網(wǎng)節(jié)點(diǎn)內(nèi)嵌緩存的優(yōu)勢(shì)與緩存資源充分利用的矛盾，是緩存研究中亟待解決的問(wèn)題。

傳統(tǒng)的LCE(leave copies everywhere)，LCD(leave copy down)，ProbCache等緩存機(jī)制，雖然算法簡(jiǎn)單易行，但會(huì)使得網(wǎng)絡(luò)中內(nèi)容冗余度較高而且節(jié)點(diǎn)命中率較低[1-2]。為了改善網(wǎng)內(nèi)緩存性能，目前的緩存算法主要是基于內(nèi)容流行度[3-4]和基于復(fù)雜網(wǎng)絡(luò)計(jì)算的節(jié)點(diǎn)屬性[5-7](介數(shù)、度數(shù)、中心度等)等指標(biāo)。

文獻(xiàn)[3]提出了一種隱式協(xié)作緩存策略，該策略對(duì)內(nèi)容分塊流行度進(jìn)行分級(jí)并根據(jù)緩存節(jié)點(diǎn)位置進(jìn)行決策。該策略將內(nèi)容流行度的計(jì)算單位提升到內(nèi)容分塊的級(jí)別，將流行度變得更加細(xì)粒度，從而提高了內(nèi)容在網(wǎng)內(nèi)緩存中的命中率，降低了用戶的內(nèi)容獲取時(shí)延，用戶的服務(wù)質(zhì)量得到了提升。文獻(xiàn)[8]提出了一種緩存策略，將內(nèi)容流行度和節(jié)點(diǎn)中心度進(jìn)行匹配，綜合做出緩存決策，內(nèi)容在沿路徑傳輸時(shí)進(jìn)行緩存選擇，提高了沿路徑節(jié)點(diǎn)的緩存利用率，降低了緩存冗余。

但是這些算法存在兩個(gè)問(wèn)題：1) 無(wú)法提前獲取某一內(nèi)容的流行度，而且同一內(nèi)容在不同區(qū)域、不同時(shí)間段內(nèi)的流行度也不完全相同的；2) 已有緩存算法往往將流行度高的內(nèi)容緩存在介數(shù)、度數(shù)、中心度等屬性高的節(jié)點(diǎn)，容易導(dǎo)致這些節(jié)點(diǎn)的內(nèi)容不斷被替換，而且內(nèi)容在網(wǎng)絡(luò)中的分布不均勻。文獻(xiàn)[9]提出了一種基于閾值的緩存策略，該策略將內(nèi)容相對(duì)均勻的分布在網(wǎng)絡(luò)中，但是該方法沒(méi)有考慮節(jié)點(diǎn)的差異性，而且也沒(méi)有考慮內(nèi)容流行度的局部、實(shí)時(shí)性特點(diǎn)。此外，現(xiàn)有的緩存算法沒(méi)有考慮到用戶在地理位置上的分布，不能實(shí)現(xiàn)內(nèi)容在網(wǎng)絡(luò)中根據(jù)用戶分布的密集程度差異化分配。

基于上述考慮，本文提出了一種基于內(nèi)容流行度和節(jié)點(diǎn)屬性的協(xié)作緩存策略，該策略一方面根據(jù)內(nèi)容的實(shí)時(shí)流行度將內(nèi)容均勻分布，使實(shí)時(shí)流行度高的內(nèi)容優(yōu)先緩存在更重要的節(jié)點(diǎn)上，降低緩存冗余，提高緩存中內(nèi)容多樣性；另一方面從多個(gè)方面綜合考慮節(jié)點(diǎn)差異性，使得內(nèi)容分布更加均勻，避免內(nèi)容更替過(guò)于頻繁；同時(shí)，增大用戶密集區(qū)域的緩存密度，提高緩存命中率和用戶體驗(yàn)。

1 CCN緩存工作機(jī)制

下面介紹CCN的緩存工作機(jī)制。文中采用的網(wǎng)絡(luò)拓?fù)溆上M(fèi)者節(jié)點(diǎn)、路由節(jié)點(diǎn)和內(nèi)容服務(wù)器組成。路由節(jié)點(diǎn)又分為邊緣路由節(jié)點(diǎn)和一般路由節(jié)點(diǎn)，基本功能為名解析和路由轉(zhuǎn)發(fā)。此外，邊緣路由節(jié)點(diǎn)與該區(qū)域內(nèi)的多個(gè)消費(fèi)者節(jié)點(diǎn)連接，負(fù)責(zé)收集并轉(zhuǎn)發(fā)區(qū)域內(nèi)消費(fèi)者節(jié)點(diǎn)發(fā)起的內(nèi)容請(qǐng)求，還能夠?qū)崿F(xiàn)本文提出緩存策略中所需的功能，如緩存、用戶興趣及流行度的計(jì)算等。為了簡(jiǎn)便起見(jiàn)，如無(wú)特殊說(shuō)明，下文中的路由器指的均是邊緣路由節(jié)點(diǎn)。

CCN的網(wǎng)絡(luò)通信主要由兩種包完成：興趣包(interest packet)和數(shù)據(jù)包(data packet).CCN的網(wǎng)絡(luò)通信主要由兩種包完成：興趣包(interest packet)和數(shù)據(jù)包(data packet)。為了獲得內(nèi)容，用戶節(jié)點(diǎn)發(fā)送具有唯一內(nèi)容名字的興趣包，并且該興趣包通過(guò)轉(zhuǎn)發(fā)信息庫(kù)(forwarding information base,FIB)中的信息以最長(zhǎng)前綴匹配的方式傳遞給內(nèi)容提供節(jié)點(diǎn)，其類似于當(dāng)前的互聯(lián)網(wǎng)中的路由表[10-11]。在轉(zhuǎn)發(fā)興趣包時(shí)，路由節(jié)點(diǎn)將一個(gè)條目添加到未決請(qǐng)求表(pending interest table,PIT)中，以記錄該興趣包到達(dá)的接口信息，從而為對(duì)應(yīng)的數(shù)據(jù)包傳輸提供反向路徑。在接收到數(shù)據(jù)包后，路由節(jié)點(diǎn)查找PIT中的相應(yīng)條目，并將數(shù)據(jù)包轉(zhuǎn)發(fā)到興趣包的傳入接口。轉(zhuǎn)發(fā)數(shù)據(jù)后，路由節(jié)點(diǎn)將數(shù)據(jù)存儲(chǔ)在名為內(nèi)容存儲(chǔ)器(content store,CS)中，即俗稱的緩存。通過(guò)在網(wǎng)絡(luò)中部署緩存，任何具有所請(qǐng)求數(shù)據(jù)的網(wǎng)絡(luò)節(jié)點(diǎn)都可以提供數(shù)據(jù)包。與位置無(wú)關(guān)的數(shù)據(jù)檢索能夠有效的降低帶寬消耗，從而避免了從原始內(nèi)容提供者的重復(fù)數(shù)據(jù)請(qǐng)求。

如圖1所示，節(jié)點(diǎn)R1發(fā)出內(nèi)容請(qǐng)求，興趣包沿路徑到達(dá)內(nèi)容提供者P，節(jié)點(diǎn)P將對(duì)應(yīng)的數(shù)據(jù)包沿原路徑發(fā)送給節(jié)點(diǎn)R1，若采用CCN默認(rèn)的緩存策略，將在沿路徑節(jié)點(diǎn)處緩存該內(nèi)容。而后，節(jié)點(diǎn)R2發(fā)出對(duì)同一個(gè)內(nèi)容的請(qǐng)求，興趣包在轉(zhuǎn)發(fā)到節(jié)點(diǎn)P1時(shí)，在節(jié)點(diǎn)的CS命中，節(jié)點(diǎn)P1直接將數(shù)據(jù)包發(fā)送給節(jié)點(diǎn)R2，而無(wú)需從內(nèi)容提供者P處獲取。

圖1 網(wǎng)絡(luò)模型Fig.1 Network model

2 CPA緩存策略

2.1 CPA策略概述

CCN網(wǎng)絡(luò)由內(nèi)容源服務(wù)器，緩存路由器以及用戶組成。內(nèi)容源服務(wù)器存儲(chǔ)有網(wǎng)絡(luò)中所有的內(nèi)容數(shù)據(jù)；緩存路由器負(fù)責(zé)進(jìn)行興趣包及數(shù)據(jù)包的轉(zhuǎn)發(fā)，內(nèi)容緩存，以及緩存策略所需要的計(jì)算等能力；區(qū)域內(nèi)的用戶與緩存路由器相互連接，負(fù)責(zé)發(fā)起內(nèi)容請(qǐng)求。

當(dāng)興趣包在內(nèi)容源節(jié)點(diǎn)或緩存節(jié)點(diǎn)命中時(shí)，命中節(jié)點(diǎn)回傳數(shù)據(jù)包，且在數(shù)據(jù)包中設(shè)置指針k，并賦值為初始緩存間隔值N.當(dāng)數(shù)據(jù)包在回傳過(guò)程中，每經(jīng)過(guò)一個(gè)中間節(jié)點(diǎn)時(shí)，指針k-1，然后檢測(cè)該節(jié)點(diǎn)是否為數(shù)據(jù)的請(qǐng)求節(jié)點(diǎn)，如果是，節(jié)點(diǎn)的請(qǐng)求被滿足，流程結(jié)束；否則，判斷k值是否為0.若k≠0，則將數(shù)據(jù)包轉(zhuǎn)發(fā)至下一節(jié)點(diǎn)；如果k=0，則判斷當(dāng)前節(jié)點(diǎn)剩余緩存空間是否能容納新數(shù)據(jù)。如果當(dāng)前節(jié)點(diǎn)剩余緩存空間能容納新數(shù)據(jù)，則在該節(jié)點(diǎn)緩存數(shù)據(jù)包；否則，計(jì)算該節(jié)點(diǎn)及其相鄰節(jié)點(diǎn)的內(nèi)容替換率、緊密度指標(biāo)以及特征值向量，將數(shù)據(jù)包緩存在綜合參數(shù)值最優(yōu)的節(jié)點(diǎn)上，依次替換當(dāng)前周期內(nèi)流行度從低到高的內(nèi)容。計(jì)算緩存替換率和實(shí)時(shí)流行度的綜合屬性值，若計(jì)算結(jié)果大于閾值，則將k設(shè)置為一個(gè)較小值，否則設(shè)為相對(duì)較大值，然后繼續(xù)向下一個(gè)節(jié)點(diǎn)轉(zhuǎn)發(fā)數(shù)據(jù)包。過(guò)程不斷重復(fù)，在數(shù)據(jù)包到達(dá)請(qǐng)求節(jié)點(diǎn)時(shí)結(jié)束。圖2給出了緩存策略的流程圖。

圖2 緩存策略流程圖Fig.2 Flow chart of the caching strategy

2.2 緩存間隔計(jì)算方法

緩存間隔為緩存策略中的一項(xiàng)重要參數(shù)，用來(lái)決定緩存節(jié)點(diǎn)之間的跳數(shù)距離，下面給出緩存間隔的具體計(jì)算方法。

為了合理確定緩存間隔，一方面要增加網(wǎng)絡(luò)中高流行度內(nèi)容的副本數(shù)，以提高多數(shù)請(qǐng)求節(jié)點(diǎn)請(qǐng)求高流行度內(nèi)容的服務(wù)質(zhì)量；另一方面要減少大文件內(nèi)容的副本數(shù)，以提高網(wǎng)絡(luò)內(nèi)容的多樣性；第三，采用內(nèi)容的實(shí)時(shí)流行度，綜合考慮了內(nèi)容在之前周期的請(qǐng)求數(shù)量和頻率的影響，和當(dāng)前周期內(nèi)內(nèi)容的實(shí)時(shí)熱度。因此，緩存策略中采用的緩存間隔的計(jì)算方法為：

(1)

式中：s為內(nèi)容大小(以chunk為單位)，即單個(gè)內(nèi)容所包含的chunk數(shù)；a為比例系數(shù)；p為內(nèi)容的實(shí)時(shí)流行度。為了計(jì)算內(nèi)容的實(shí)時(shí)流行度，本文采用文獻(xiàn)[12]提出的緩存流行度，計(jì)算方法為：

(2)

a=1+c×T.

(3)

式中：p[i]表示在周期i時(shí)內(nèi)容的實(shí)時(shí)流行度；N[i]表示周期i內(nèi)的內(nèi)容緩存次數(shù)；a表示內(nèi)容緩存次數(shù)的權(quán)重，其值大于1；且與每個(gè)周期的時(shí)長(zhǎng)T的關(guān)系如公式所示；c為常數(shù)。該公式考慮了之前的緩存次數(shù)和當(dāng)前周期的緩存次數(shù)，且當(dāng)前周期的權(quán)重更高，時(shí)間越久，緩存次數(shù)的影響越小。此種計(jì)算方法較好地體現(xiàn)了內(nèi)容的實(shí)時(shí)流行度。

綜上所述，使用該方法可以得到每個(gè)內(nèi)容的緩存間隔，根據(jù)內(nèi)容的流行度和內(nèi)容大小針對(duì)性的設(shè)置緩存間隔，使內(nèi)容分布更加均勻。在命中節(jié)點(diǎn)返回?cái)?shù)據(jù)包時(shí)，將計(jì)算好的緩存間隔攜帶在數(shù)據(jù)包內(nèi)，用于在傳輸過(guò)程中指導(dǎo)緩存操作。

2.3 節(jié)點(diǎn)綜合屬性計(jì)算方法

當(dāng)節(jié)點(diǎn)的緩存空間不能容納數(shù)據(jù)包時(shí)，該節(jié)點(diǎn)將會(huì)計(jì)算與其相鄰所有鄰居節(jié)點(diǎn)的多項(xiàng)指標(biāo)，做出綜合判斷，從而選擇出最佳的緩存位置。這些指標(biāo)包括緩存替換率、緊密度以及特征向量，下面介紹各項(xiàng)指標(biāo)的定義以及作用。

1) 緩存替換率指標(biāo)

定義節(jié)點(diǎn)替換率的計(jì)算公式為：

(4)

式中：fi是緩存空間中被替換的內(nèi)容，i∈[1,m]；S(fi)是每個(gè)內(nèi)容的文件大小，以chunk為單位。C(v)表示節(jié)點(diǎn)v的緩存空間能夠容納的chunk數(shù)。

2) 緊密度指標(biāo)

Cc為某個(gè)節(jié)點(diǎn)的緊密度指標(biāo)，表示某個(gè)節(jié)點(diǎn)在網(wǎng)絡(luò)中與其它節(jié)點(diǎn)實(shí)現(xiàn)連接的難易程度，其值的計(jì)算公式為：

(5)

式中：dij表示該節(jié)點(diǎn)到達(dá)其它節(jié)點(diǎn)的跳數(shù)距離。該指標(biāo)反映了某個(gè)節(jié)點(diǎn)對(duì)網(wǎng)絡(luò)中的其他節(jié)點(diǎn)造成的間接影響力，體現(xiàn)了網(wǎng)絡(luò)結(jié)構(gòu)的緊密程度。

3) 特征向量指標(biāo)

Ce為某個(gè)節(jié)點(diǎn)的特征向量指標(biāo)，表示該節(jié)點(diǎn)通過(guò)與其它度數(shù)較高的鄰居節(jié)點(diǎn)相連接所獲得的積極影響力。Ce不僅體現(xiàn)了網(wǎng)絡(luò)的相對(duì)中心點(diǎn)，還體現(xiàn)了節(jié)點(diǎn)的長(zhǎng)期影響力。與緊密度指標(biāo)作為對(duì)比，該指標(biāo)表示某個(gè)節(jié)點(diǎn)對(duì)網(wǎng)絡(luò)中其它節(jié)點(diǎn)造成的直接影響力。如果與一個(gè)度數(shù)很大的節(jié)點(diǎn)相鄰，則該節(jié)點(diǎn)會(huì)獲得更高的影響力。

節(jié)點(diǎn)i的特征向量指標(biāo)定義為：

(6)

式中：aij為某個(gè)節(jié)點(diǎn)的鄰居節(jié)點(diǎn)度數(shù)矩陣A中的元素，且特征值為λ；e=(e1,e2,…,en)為與λ對(duì)應(yīng)的特征向量。

為了將前面幾種屬性結(jié)合考慮，定義了節(jié)點(diǎn)的綜合屬性指標(biāo)，具體公式為：

(7)

式中：M(v)表示節(jié)點(diǎn)v的綜合屬性；Cc(v)表示節(jié)點(diǎn)v的緊密度指標(biāo)；Ce(v)表示節(jié)點(diǎn)的特征向量指標(biāo)；R(v)表示節(jié)點(diǎn)v的緩存替換率指標(biāo)；α表示比例系數(shù)。

3 仿真分析

為了驗(yàn)證所提緩存策略的性能，本文采用ndnSIM平臺(tái)進(jìn)行仿真驗(yàn)證[13]。在仿真中添加了報(bào)文結(jié)構(gòu)，編寫(xiě)了緩存策略代碼，根據(jù)不同的標(biāo)記作相應(yīng)的收發(fā)處理。主要從緩存命中率、平均跳數(shù)和平均時(shí)延三方面對(duì)緩存策略的性能進(jìn)行分析。

3.1 拓?fù)洵h(huán)境及仿真參數(shù)

如圖3所示，仿照文獻(xiàn)[14]中提供的隨機(jī)網(wǎng)絡(luò)拓?fù)漕愋停捎昧薔DN項(xiàng)目組官方提供的NDN Testbed拓?fù)鋄15]，包含了33個(gè)節(jié)點(diǎn)和174條鏈路。在網(wǎng)絡(luò)中部署1個(gè)內(nèi)容源服務(wù)器，并在拓?fù)渲须S機(jī)選取1個(gè)節(jié)點(diǎn)與內(nèi)容源服務(wù)器直接連接。在拓?fù)渲须S機(jī)選取25個(gè)節(jié)點(diǎn)作為邊緣路由節(jié)點(diǎn)，每個(gè)路由節(jié)點(diǎn)處的用戶內(nèi)容請(qǐng)求到達(dá)服從泊松過(guò)程，且到達(dá)率為10個(gè)/秒，其余節(jié)點(diǎn)作為中間路由節(jié)點(diǎn)。仿真中采用的其他主要參數(shù)如表1所示。

圖3 仿真拓?fù)銯ig.3 Simulation topology

參數(shù)數(shù)值鏈路帶寬/Mbps10鏈路時(shí)延/ms10內(nèi)容源服務(wù)器1內(nèi)容數(shù)量1000請(qǐng)求到達(dá)頻率/Hz10仿真時(shí)間/s100

我們將本文所提的基于內(nèi)容流行度和節(jié)點(diǎn)屬性的協(xié)作緩存方法(cooperative caching strategy based on content popularity and node attributes,CPA)與文獻(xiàn)[16]中對(duì)比的兩種算法進(jìn)行對(duì)比：1) 一種概率式緩存算法(ProbCache)，以相同的概率在沿途所有節(jié)點(diǎn)進(jìn)行緩存，在文中緩存概率取0.3；2) 一種概率式緩存算法(UniCache)，在沿途的路由器中只保存一個(gè)副本，即以的概率沿路徑緩存內(nèi)容。

3.2 仿真性能指標(biāo)

本文采用以下性能評(píng)價(jià)指標(biāo)評(píng)估所提緩存策略性能。

1) 緩存命中率，表示節(jié)點(diǎn)發(fā)起的請(qǐng)求在服務(wù)器之外的網(wǎng)內(nèi)緩存命中的比率，體現(xiàn)了緩存算法對(duì)降低服務(wù)器負(fù)載起到的作用效果，緩存命中率越高，算法的效果越好。

2) 平均跳數(shù)，表示網(wǎng)絡(luò)中的節(jié)點(diǎn)獲取到內(nèi)容所需的平均跳數(shù)，通過(guò)與對(duì)比算法的平均跳數(shù)做對(duì)比，能夠體現(xiàn)緩存算法對(duì)減少網(wǎng)絡(luò)開(kāi)銷所起到的作用，平均跳數(shù)越小，算法的效果越好。

3) 平均時(shí)延，表示網(wǎng)絡(luò)中的節(jié)點(diǎn)獲取到內(nèi)容所需的平均時(shí)延，通過(guò)與對(duì)比算法的平均時(shí)延做對(duì)比，能夠體現(xiàn)緩存算法對(duì)提升用戶體驗(yàn)所起到的效果，平均時(shí)延越小，算法的效果越好。

4) 平均緩存替換次數(shù)，表示在仿真時(shí)間內(nèi)，每個(gè)節(jié)點(diǎn)發(fā)生緩存替換操作的平均次數(shù)。該指標(biāo)反映了緩存策略對(duì)節(jié)點(diǎn)替換操作的時(shí)間和能量消耗的作用影響。

3.3 仿真結(jié)果分析

對(duì)不同緩存空間大小下的幾種緩存策略的性能進(jìn)行了對(duì)比分析。這里采用的參數(shù)設(shè)定為：流行度參數(shù)α設(shè)為0.93.緩存空間大小從30增到50，與內(nèi)容總數(shù)相比占比從3%增加到5%.

1) 緩存空間對(duì)緩存命中率的影響

如圖4所示，CPA策略的緩存命中率在幾種算法中表現(xiàn)最好。當(dāng)節(jié)點(diǎn)緩存空間增大時(shí)，CPA比另外兩個(gè)緩存策略具有更高的緩存命中率，并且有著更高的增長(zhǎng)率。CPA算法的緩存命中率在不同的緩存空間時(shí)比UniCache策略高4.3%～6.7%；比ProbCache策略高6.0%～6.7%.CPA策略對(duì)緩存命中率的提高有著較為明顯的作用，提高了緩存內(nèi)容的利用率，降低了網(wǎng)絡(luò)開(kāi)銷。

圖4 不同緩存空間下的緩存命中率對(duì)比Fig.4 Cache hit ratio under different cache space

2) 緩存空間對(duì)平均跳數(shù)的影響

如圖5所示，CPA策略的平均跳數(shù)在幾種策略中表現(xiàn)最好。當(dāng)節(jié)點(diǎn)緩存空間增大時(shí)，CPA比另外兩個(gè)緩存策略具有具有更低的平均跳數(shù)，并且降低速率也比其他策略要快。CPA算法的平均跳數(shù)在不同的緩存空間時(shí)比UniCache策略低0.1～0.2跳，平均降低了3.6%到6.2%；比ProbCache策略低0.18～0.35跳，平均降低了7.1%到10.1%.CPA策略對(duì)平均跳數(shù)的降低有著較為明顯的作用，減少了網(wǎng)絡(luò)開(kāi)銷，提高了獲取內(nèi)容的效率。

圖5 不同緩存空間下的平均跳數(shù)Fig.5 Average hop count under different cache space

3) 緩存空間對(duì)平均時(shí)延的影響

如圖6所示，CPA策略的平均時(shí)延同樣在幾種策略中表現(xiàn)最好。當(dāng)節(jié)點(diǎn)緩存空間增大時(shí)，CPA比另外兩個(gè)緩存策略具有更低的平均時(shí)延，并且降低速率也比其他策略要快。CPA策略的平均時(shí)延在不同的緩存空間時(shí)比UniCache策略低0.9～2.0 ms；比ProbCache策略低1.8～3.5 ms.CPA策略對(duì)平均時(shí)延的降低有著較為明顯的作用，提升了網(wǎng)絡(luò)性能和用戶的服務(wù)質(zhì)量。

圖6 不同緩存空間下的平均時(shí)延Fig.6 Average delay under different cache space

4) 緩存空間對(duì)平均替換次數(shù)的影響

如圖7所示，在替換次數(shù)方面，CPA策略也優(yōu)于其他策略，整體的替換次數(shù)要少于其他策略，且替換次數(shù)隨著緩存空間的升高而降低。CPA策略的平均緩存替換次數(shù)在不同的緩存空間時(shí)比UniCache策略低420～480次左右；比ProbCache策略低750～820次左右，大大減少了緩存替換次數(shù)，節(jié)省了節(jié)點(diǎn)的能量消耗。

圖7 不同緩存空間下的平均替換次數(shù)Fig.7 Average cache replacement number under different cache space

隨著緩存空間的增加，每個(gè)節(jié)點(diǎn)能夠緩存的內(nèi)容數(shù)量也隨之增多，請(qǐng)求在網(wǎng)內(nèi)緩存中的命中率也隨之提高，而由于緩存策略充分考慮了內(nèi)容的實(shí)時(shí)流行度，能夠?qū)?jié)點(diǎn)的請(qǐng)求進(jìn)行預(yù)測(cè)，并根據(jù)緩存節(jié)點(diǎn)的屬性與能力綜合判斷緩存位置的選取，有效的均衡了內(nèi)容分布，提高了緩存效率，降低了網(wǎng)絡(luò)負(fù)載，縮短了用戶獲取內(nèi)容的時(shí)延。

4 結(jié)束語(yǔ)

由于ICN網(wǎng)絡(luò)中內(nèi)容流行度的高低差異，現(xiàn)有的緩存策略會(huì)導(dǎo)致熱門(mén)內(nèi)容集中緩存在某些節(jié)點(diǎn)之上，而其他節(jié)點(diǎn)的緩存利用率低下，針對(duì)此種網(wǎng)絡(luò)中緩存內(nèi)容分布不均的問(wèn)題，該文提出了一種基于內(nèi)容流行度和節(jié)點(diǎn)屬性的協(xié)作緩存策略，通過(guò)內(nèi)容的實(shí)時(shí)流行度和多項(xiàng)節(jié)點(diǎn)屬性對(duì)緩存內(nèi)容及緩存位置進(jìn)行選擇，降低網(wǎng)絡(luò)冗余，減少內(nèi)容替換，實(shí)現(xiàn)更均勻的內(nèi)容分布。該策略綜合考慮了內(nèi)容的實(shí)時(shí)流行度，節(jié)點(diǎn)的緩存替換率、緊密度以及特征向量等指標(biāo)，選擇最合適的位置緩存較為熱門(mén)的內(nèi)容。仿真結(jié)果表明，該策略在緩存命中率、平均跳數(shù)及時(shí)延以及緩存替換次數(shù)等方面均優(yōu)于其他對(duì)比算法，有效的利用了有限的緩存空間資源。在未來(lái)的工作中，我們計(jì)劃將更多的節(jié)點(diǎn)屬性進(jìn)行綜合考慮和判斷，以做出更優(yōu)的緩存決策，達(dá)到更好的緩存性能。

[1] 霍躍華,劉銀龍.內(nèi)容中心網(wǎng)絡(luò)中安全問(wèn)題研究綜述[J].電訊技術(shù),2016,56(2):224-232.

HUO Y H,LIU Y L.Survey on security issues in content-centric networking[J].Telecommunication Engineering,2016,56(2):224-232.

[2] IOANNOU A,WEBER S.A survey of caching policies and forwarding mechanisms in information-centric networking[J].IEEE Communications Surveys & Tutorials,2016,18(4): 2847-2886.

[3] 曾宇晶,靳明雙,羅洪斌.基于內(nèi)容分塊流行度分級(jí)的信息中心網(wǎng)絡(luò)緩存策略[J].電子學(xué)報(bào),2016,44(2):358-364.

ZENG Y,JIN M,LUO H.LICA:A Segment-popularity based caching scheme in ICN[J].Acta Electronica Sinica,2016,44(2):358-364.

[4] 黃勝,劉四軍,滕明埝,等.內(nèi)容中心網(wǎng)絡(luò)中一種基于內(nèi)容等級(jí)及流行度的緩存策略[J].電子與信息學(xué)報(bào),2017(6):1417-1423.

HUANG S,LIU S,TENG M,et al.Cache strategy based on content level and popularity in content centric networking[J].Journal of Electronics & Information Technology,2017(6):1417-1423.

[5] 霍躍華,劉銀龍.內(nèi)容中心網(wǎng)絡(luò)中傳輸開(kāi)銷最小的協(xié)作緩存策略[J].太原理工大學(xué)學(xué)報(bào),2017,48(1):116-121.

HUO Y H,LIU Y L.Collaborative caching strategy based on minimizing transmission cost in content-centric networking[J].Journal of Taiyuan University of Technology,2017,48(1):116-121.

[6] YAN H,GAO D,SU W,et al.Caching strategy based on hierarchical cluster for named data networking[J].IEEE Access,2017.

[7] KIM Y,KIM Y,BI J,et al.Differentiated forwarding and caching in named-data networking[J].Journal of Network and Computer Applications,2016,60:155-169.

[8] 芮蘭蘭,彭昊,黃豪球,等.基于內(nèi)容流行度和節(jié)點(diǎn)中心度匹配的信息中心網(wǎng)絡(luò)緩存策略[J].電子與信息學(xué)報(bào),2016,38(2):325-331.

RUI L L,PENG H,HUANG H Q,et al.Popularity and centrality based selective caching scheme for information-centric networks[J].Journal of Electronics and Information Technology,2016,38(2):325-331.

[9] ZENG Y,HONG X.A caching strategy in mobile Ad Hoc named data network[C]∥Communications and Networking in China (CHINACOM),2011 6th International ICST Conference on.Harbin,2011:805-809.

[10] JACOBSON V,SMETTERS D K,THORNTON J D,et al.Networking named content[C]∥Proceedings of the 5th international conference on Emerging networking experiments and technologies.2009:1-12.

[11] JACOBSON V,SMETTERS D K,THORNTON J D,et al.Networking named content[J].Communications of the ACM,2012,55(1):117-124.

[12] 李韜,李玉宏.一種基于內(nèi)容熱度的NDN緩存替換算法[J/OL].中國(guó)科技論文在線,2012.

LI T,LI Y H.A content popularity based cache replacement algorithm for NDN[J/OL].Sciencepaper Online,2012.

[13] MASTORAKIS S,AFANASYEV A,MOISEENKO I,et al.ndnSIM 2.0:a new version of the NDN simulator for NS-3[R].NDN,Technical ReportNDN-0028,2015.

[14] ZHANG G,LI Y,LIN T.Caching in information centric networking:a survey[J].Computer Networks,2013,57(16):3128-3141.doi:10.1016/j.comnet.2013.07.007.

[15] ZHANG L,ESTRIN D,BURKE J,et al.Named data networking (NDN) project[R].Relatório Técnico NDN-0001,Xerox Palo Alto Research Center-PARC,2010.

[16] CHO K,LEE M,PARK K,et al.WAVE:popularity-based and collaborative in-network caching for content-oriented networks[C]∥Computer Communications Workshops (INFOCOM WKSHPS).USA:Orlando,2012:316-321.