移動邊緣計算中的內容分發加速策略

柳 興，楊 震，王新軍，朱 恒

（1.北京郵電大學計算機學院，北京100876； 2.中國聯合網絡通信集團有限公司聯通（湖南）產業互聯網研究院，長沙410014）（?通信作者電子郵箱liuxing_bupt@qq.com）

0 引言

隨著5G的商用，流量數據應用（如人人視頻、愛奇藝、快手等）必然愈發普及［1］。邊緣計算將以更快的網絡服務響應能力，受到各類移動用戶的青睞［2］。有研究表明，未來流量數據將是以視頻流量為主［3］，因此，如何合理設計移動邊緣計算（Mobile Edge Computing，MEC）的緩存策略是值得研究的課題。

目前，已經有多個文獻對MEC中的緩存策略進行了研究：文獻［4］基于智能域名解析設計了一種基站和核心網聯合部署的MEC架構，實現了信息技術與通信技術的融合，將上層功能下沉到網絡邊緣；文獻［5］考慮用戶訪問資源的整體代價，提出了一種基于效用的啟發式分層協作緩存策略，根據資源的效用值進行決策，可最小化用戶資源訪問代價；文獻［6］考慮MEC服務器之間的協作，提出了一種協作式緩存管理算法，可在最大化緩存命中率的同時最小化帶寬開銷。然而，上述方法都是從MEC協議或架構的角度進行設計，并沒有考慮MEC的隨機環境，僅從架構上來設計難以有效提升MEC的性能。

為了適應MEC的隨機環境，進一步提升邊緣計算的服務質量，文獻［7］利用用戶間的社交關系建立內容傳播模型，采用傳播動力學方法預測小用戶數據下的內容流行度，從個體角度出發預測內容被訪問的概率；文獻［8］為了提升時延容忍任務的用戶體驗，通過獲取移動用戶的運動軌跡及個人偏好信息，設計了移動感知的服務調度算法；文獻［9］基于移動用戶位置信息提出一種區域人群流量預測的時空網絡模型，通過融合各類外部特征信息，以短時局部流量降低對全局信息傳輸的要求；文獻［10］針對視頻應用場景，通過在邊緣計算平臺上執行視頻分析服務操作，通過視頻內容貼近用戶放置來減少響應時間。雖然上述研究在很大程度上提升了移動邊緣計算的性能，但是這些研究并沒有關注MEC服務器存儲空間的價值，因此還有一定的性能提升空間。

針對該問題，本文在考慮MEC服務器存儲空間受限的基礎上，利用移動用戶群對不同對象的興趣差異，提出了一種基于興趣的內容分發加速策略（Interest-based Content Distribution Acceleration Strategy，ICDAS）。該策略根據MEC服務器存儲空間、移動用戶群對不同對象的興趣以及對象的文件大小，選擇性地在MEC服務器上緩存對象，最大限度地滿足移動用戶群的內容需求。仿真驗證了所提策略的有效性。

1 系統模型

圖1給出了MEC的網絡架構。如圖1所示，MEC服務器位于基站附近，可直接響應移動用戶請求，也可將請求轉發至后端的云數據中心。本文研究的內容分發加速問題，考慮MEC服務器存儲空間受限、移動用戶群對不同對象的興趣差異，選擇性地緩存對象數據。

圖1 MEC網絡架構［11］Fig.1 Network framework of MEC［11］

假設MEC中的所有移動用戶群的對象需求集合為A={a1，a2，…，aN}，MEC服務器緩存任意對象ai∈A占用的存儲空間為p(ai)。假設MEC服務器的存儲空間為P，且至少能夠存儲任意一個對象，則有

考慮移動用戶群對內容分發加速的訴求是盡可能快地獲取對象數據，同一對象數據被用戶群體獲取次數越多，則認為用戶群對該對象的興趣越高。考慮到MEC服務器存儲空間受限，為了衡量用戶群對單位存儲空間內存儲的對象內容的興趣，引入興趣度的概念。

定義1 在[tj，tj+1)時段內，任意對象ai∈A占用服務器的存儲空間為p(ai)，被用戶群訪問的次數為ei，則稱該對象在[tj，tj+1)時段內的興趣度為ei p(ai)。

本文的目標是根據不同時期移動用戶群對不同對象的興趣，設計一種緩存策略，提高MEC服務器的緩存命中率，提升用戶感知。

2 方案設計

為了減少MEC中的移動用戶獲取對象的延時，則MEC服務器緩存的對象必須具備一定的興趣度。本文引入一個興趣度排序的概念，利用這一概念能使MEC服務器盡量緩存興趣度大的對象，提高MEC服務器的緩存命中率。相應的緩存特性用定理給出如下：

定理1 假設MEC服務器存儲空間為P，MEC中的所有移動用戶在[tj，tj+1)時段對集合A的對象按興趣度遞減排序為{a1'，a2'，…，aN'}，存在M＜N滿足：

證明 假設MEC服務器存儲空間為P，MEC中的所有移動用戶的對象需求集合為A={a1，a2，…，aN}，則有：

假設所有移動用戶在[tj，tj+1)時段對集合A的對象按興趣度遞減排序為｛a1'，a2'，…，a N'｝。MEC服務器至少能緩存任意一個對象，則有：

根據式（3）和（4），可推得存在M，滿足M＜N，使得式（1）成立。 證畢。

由定理1可知，MEC服務器根據對象興趣度排序便能極大地提升緩存命中率。由于MEC服務器是分布式架構，服務器會根據用戶的需求做出響應，同時根據對象的興趣度進行緩存。本文主要考慮被動拉的方式在MEC服務器上緩存用戶感興趣的對象，緩存控制策略的具體過程如下：

步驟1 MEC服務器接收用戶發起的對象ai的請求，并判斷是否存儲對象ai：若MEC服務器緩存了對象ai，則跳至步驟2；否則跳至步驟3。

步驟2 判斷MEC服務器緩存的對象ai是否為最新：若對象ai為最新，則跳至步驟5；否則跳至步驟3。

步驟3 判斷MEC服務器是否有緩存空間存儲對象ai最新版本，即P(tj)+P(ai(tj))≤P是否成立：若成立，則跳至步驟5；否則跳至步驟4。

步驟4 判斷MEC服務器用對象ai替換其他對象，是否可減少云數據中心的訪問量，即P(aj')＜P(ai)≤P(aj')&&ej P(aj')＜ei P(ai)：若成立則跳至步驟 5；否則跳至步驟6。

步驟5 MEC服務器刪除對象{aj'|y＜j＜M}，緩存并交付對象ai，跳至步驟7。

步驟6 云數據中心交付對象ai，跳至步驟7。

步驟7 控制策略結束。

該策略中，P(tj)表示MEC服務器在tj時刻緩存的數據量，P(ai(tj))表示對象ai在tj時刻版本需要占用的緩存空間。由于策略采用用戶拉的方式來緩存并更新MEC服務器的對象，因此在系統啟動時，MEC服務器不會緩存任何對象的數據。

3 仿真實驗

仿真中，考慮移動用戶向最近的MEC服務器發起申請，MEC服務器與后端云數據中心同步數據的場景。假設總共有1億個對象，所有對象的大小固定為p(ai)=10 MB，蜂窩小區為1 000臺移動終端在線，MEC服務器存儲空間P=100 TB。本文從緩存命中率［12］和延時兩方面對所提策略的性能進行分析，并將所提策略與主動推送策略和周期同步策略進行比較。

圖2給出了三種策略在緩存命中率方面的比較。從圖中可以看出：1）周期同步策略的緩存命中率會周期性地達到最大值，然后隨著時間的推移遞減；2）主動推送策略的緩存命中率圍繞某一值波動，驗證了主動推送策略是將最新的對象推送給MEC服務器緩存，但是最新的對象不一定是用戶最感興趣的對象；3）所提策略的緩存命中率隨著仿真時間的推移而增加并逐漸趨于一個穩定值，這是因為所提策略是采用被動拉的方式進行緩存；4）當所提策略的緩存命中率達到穩定后，所提策略要優于主動推送策略和周期同步策略，驗證了采用移動用戶對對象的興趣度進行緩存的方式可有效提升緩存命中率。

圖3給出了平均延時與用戶數之間的關系。從圖中可以看出：1）隨著用戶數的增加，三種策略的延時都有所增加，這是因為MEC服務器的存儲空間有限，用戶數越大則對對象的種類需求大，必然導致部分用戶到后端云數據中心取數據；2）主動推策略優于周期同步策略，這主要是主動推策略能將最新的對象及時緩存至MEC服務器；3）所提策略優于主動推策略，這是因為所提策略能根據小區用戶興趣在MEC服務器緩存對象。

圖2 三種策略的緩存命中率比較Fig.2 Comparison of cache hit ratioof three strategies

圖3 三種策略的平均延時與用戶數的關系Fig.3 Relationship between averagedelay and user number of three strategies

圖4給出了平均延時與小區數之間的關系。從圖中可以看出：1）三種策略的平均延時隨小區數的增加而增加，驗證了不同小區用戶感興趣的對象不同，導致緩存命中率下降造成的結果；2）所提策略的平均延時相對較平穩，且明顯低于另外兩種策略，這主要是因為所提策略充分考慮了不同小區用戶需求的差異，能根據不同小區用戶的需求，盡量緩存興趣度高的對象；3）結合圖3和圖4的仿真比較可得出結論，當系統運行達到穩定后，所提策略較另外兩種策略，用戶獲取對象數據的時延可減少20%。

圖4 三種策略的平均延時與小區數的關系Fig.4 Relationship between averagedelay and cell number of three strategies

4 結語

本文對MEC中的內容分發加速問題進行了研究，提出了一種ICDAS策略，該策略可根據不同小區用戶對不同對象的興趣的不同進行差異化緩存，能夠較好地適應MEC服務器存儲受限的場景。仿真結果表明，所提策略在緩存命中率和延時方面均優于現有策略，在復雜的MEC環境中具有較好的應用前景。文中所考慮的應用場景具有一定的合理性和有效性，在某種程度上可以提升移動邊緣計算的性能。然而，在實際應用中，移動用戶通常在一個區域內活動，相鄰MEC服務器上緩存的對象存在一定的關系。下一步研究工作的重點是，針對這種相鄰MEC服務器緩存的對象存在一定關系的情況設計聯合緩存，以提高策略的實用性。