0 引言

    隨著網絡技術的發展以及互聯網用戶的快速增加，網絡應用的主體正逐步向內容獲取和信息服務演進。早期為解決端到端通信問題而設計的基于TCP/IP的體系架構對計算機網絡性能的限制使得傳統互聯網難以滿足海量的網絡數據處理需求，這激發了人們對未來網絡架構設計的重新思考與研究。信息中心網絡(Information-Centric Networking，ICN)^[1]作為一種“革命性”體系架構，其以內容為中心的特點無縫迎合了未來網絡的發展趨勢，因而受到研究學者的廣泛關注。在ICN體系的諸多部署方案中，命名數據網絡(Named Data Networks，NDN)因其先進的設計理念、靈活的路由轉發機制以及分布式的網內緩存方式等良好特性已經成為ICN中的研究熱點。

    為了滿足高效的內容分發與獲取的需求，NDN在設計時通過引入網內緩存(in-network caching)機制來減少不必要的網絡數據傳輸，從而提高數據傳輸效率，增強網絡的可擴展性。在NDN中，每個網絡節點都具有一個內容存儲庫(Content Store，CS)，用于緩存經過本地節點的數據，從而為后續與數據對應的相關請求提供路徑緩存服務。然而，與海量的數據相比，網絡節點中CS的容量相當有限，因此如何合理地進行內容放置和緩存決策，是影響NDN性能的關鍵因素。

    NDN在設計之初默認采用處處緩存(Cache Everything Everywhere，CEE)策略^[2]，但該方法會導致節點緩存內容趨于同質化，故無法充分發揮網內緩存效率。近年來，學術界圍繞NDN緩存技術的研究已經取得了不少成果。文獻[3]針對CEE策略的緩存冗余問題，提出只在請求命中節點的直接下一跳緩存數據(Leave Copy Down，LCD)，一定程度上提高了網絡緩存的利用率，但流行度高的內容需要被訪問多次才能緩存到邊緣節點上。文獻[4]提出了一種基于內容流行度的協作緩存策略(WAVE)，它根據內容請求次數以指數方式逐步增加沿途節點上所緩存的數據包個數，從而實現數據在空間存儲位置上的差異化，但該方案并沒有考慮內容請求序列的相關性。文獻[5]通過估算路徑的剩余存儲能力來計算同一路徑上的不同數據流在沿途各節點上的緩存概率，從而提出了一種兼顧不同數據流間存儲公平性的概率緩存策略(ProbCache)。文獻[6]提出了一種分布式沿途緩存策略，即最大增益網內緩存(MAGIC)。網絡節點基于內容流行度和路由跳數來計算內容的緩存增益，并在數據傳輸路徑上選擇具有最大緩存增益的節點進行內容緩存，從而達到減少網絡帶寬消耗的目的。但該方案在進行緩存決策時需要重新計算各內容的流行度，因此計算量大，執行復雜度高。文獻[7]提出了一種主動緩存策略，其主要思想是利用熵來衡量移動性預測的不確定性，并定位最佳的預取節點，從而降低服務器負載，并減少緩存冗余。

    針對NDN的網絡架構特性，本文提出了一種基于Dec-POMDP的NDN緩存策略。首先利用Dec- POMDP理論框架對NDN網絡的緩存問題進行建模，該模型考慮了緩存節點間的相互協作，以實現降低緩存內容冗余度和內容優化存儲的目的。在此基礎上，通過限制節點的協作域的方法來避免引入過量的額外通信開銷，進而降低模型求解的復雜度。最后，本文給出了一種基于強化學習的局部近似最優緩存策略的求解算法。仿真結果表明，該方法能夠有效增加緩存內容的多樣性，提升緩存命中率，進而減小用戶請求內容的總跳數。

本文詳細內容請下載:http://m.viuna.cn/resource/share/2000003100

作者信息:

姚進發

(銳捷網絡股份有限公司 銳捷研究院，福建 福州350002)