论文部分内容阅读
信息中心网络作为一种革命性的网络体系结构，它将传统的面向主机的端到端通信模式转变为以内容为中心的通信模式。作为一个崭新的概念，信息中心网络带给网络的革命性改变引人关注，已成为当前的研究热点。信息中心网络的体系结构可以概括为四个方面:对内容进行命名、路由、传输和内嵌缓存。其中内嵌缓存作为信息中心网络的重要组成部分，其主要设计思想是:每个路由器节点都部署缓存设备，并能按照一定的策略对经过本地的数据包进行缓存，从而为后续到来的请求服务。内嵌缓存是提升信息中心网络性能的重要手段，如缓解网络流量的快速增长对网络带宽造成的严峻压力;减少用户对内容的访问时延、降低服务器负载等。 然而，信息中心网络的内嵌缓存具备不同于传统缓存系统（如网页缓存、P2P）的特点:广域性、无结构、数据块细颗粒度、线速要求，使得以往的缓存技术无法直接应用到信息中心网络中。应对信息中心网络内嵌缓存的特点，如何进行缓存资源在网络不同节点的分配以实现缓存资源配置的最优化、如何设计缓存节点之间的协作机制来提升缓存系统的整体效率并同时保证缓存空间的内容多样性、以及探索引入内嵌缓存后对网络整体耗能的影响，是研究信息中心网络内嵌缓存必须考虑的问题。围绕这一问题，本文从提高内嵌缓存资源利用率、降低网络能耗开销、降低网络内容的获取时延等角度出发，深入研究信息中心网络内嵌缓存优化的关键技术，梳理了相关问题，并提出了相应的解决办法。本文的主要工作和贡献包括: 1、在全面阅读相关文献的基础上，深入分析信息中心网络内嵌缓存的特点，并探索影响内嵌缓存性能的不同因素，包括网络拓扑、缓存大小设计、缓存放置算法、缓存替换算法等，重点从节点协作的缓存决策、内嵌缓存资源的优化配置、以及内嵌缓存能耗三个方面研究内嵌缓存优化的关键技术。 2、针对节点协作的缓存决策问题。我们借鉴图论中的连通支配集概念，对无结构特征的内嵌缓存网络进行子网分解和节点分类。基于分解的子网，我们不仅通过构建索引标签的方式设计节点间的缓存协作，而且利用非线性整数规划为每个子网建立最小化网络带宽代价的缓存节点协作模型。通过对模型的求解，我们得到了最小化网络带宽代价的内容放置和请求转发策略。 3、针对内嵌缓存资源的优化配置问题，提出了基于流形学习的异构缓存资源分配算法。我们采用数据挖掘机制，利用流形学习的办法分析影响缓存资源分配的多个因素，包括网络拓扑、网络流量分布、用户访问行为等。根据数据挖掘的结果，我们对内嵌缓存节点进行分析并聚类，区分网络中的重要节点和普通节点并设计异构的缓存资源分配方案。 4、信息中心网络的内嵌缓存虽然减少了网络的内容传输，但是又引入了额外的缓存能耗。缓存能耗不是一成不变的，而是受到缓存决策、存储介质的缓存能效等多方面因素的影响。从节约网络总能耗的角度出发，本论文给出缓存能耗与传输能耗的定义式，并建立了最小化网络能耗的内容放置和请求转发模型。仿真实验发现最小化网络能耗的系统模型相比现有的LCE算法和随机算法，能够降低网络的总能耗约28％，但在缓存能效较大时请求的路径伸展百分比参数不太理想。进而，我们提出兼顾用户体验的最小化网络能耗模型，在最小化网络能耗以及用户的网络体验之间做均衡。