張 成,楊東風,黃 協(xié),張根耀

(延安大學a.數學與計算機科學學院;b.網絡信息中心,陜西延安716000)

內容分發(fā)網絡中基于相關內容吸引的緩存算法

張 成a,b,楊東風a,黃 協(xié)b,張根耀a

(延安大學a.數學與計算機科學學院;b.網絡信息中心,陜西延安716000)

內容分發(fā)網絡中基于內容名的緩存算法會導致路由表規(guī)模隨網絡增長而膨脹,將嚴重影響網絡路由效率和性能。針對該問題,提出一種基于相關內容吸引的節(jié)點緩存算法。利用本地緩存算法,通過節(jié)點已緩存內容對其他內容的吸引作用吸引主要特征內容,排斥具有次要特征內容,將緩存中不同特征內容的數量差異進行放大,使緩存內容表現出明顯穩(wěn)定的內容特征。同時設計相關內容生存時間相互增強的緩存策略,以減少路由通告信息量,提高內容分發(fā)網絡的路由能力。實驗結果表明,該算法在有效解決路由問題的同時,能增強緩存內容穩(wěn)定性,提高路由可信度。

內容分發(fā)網絡;緩存算法;內容吸引;緩存因子;緩存冗余;路由

1 概述

內容分發(fā)網絡(Content Delivery Network, CDN)是一種全新的網絡體系結構[1],采用了基于內容名的路由方式對內容和位置進行解耦合,使用戶能夠直接訪問內容本身而不需要關心其所在位置[2]。為了找到離用戶最近的目標內容,網絡節(jié)點需要向外通告緩存中的內容[3]。緩存內容難以進行內容名前綴聚合且產生大量路由更新消息是導致內容分發(fā)網絡的路由可擴展性問題研究中亟待解決的主要問題[4]。

針對緩存內容難以聚合且更新頻繁的問題,本文提出一種基于相關內容吸引的緩存算法(CA),通過具有相同特征的內容相互吸引,將緩存中不同特征內容的數量差異進行放大,使緩存內容表現出明顯穩(wěn)定的內容特征,從而在緩存資源有限的情況下提高緩存內容的內容名前綴聚合程度,方便通過內容特征抽象減少路由通告的信息量,同時通過相關內容的生存時間相互增強使緩存中具有主要內容特征的內容更不容易被丟棄,降低緩存內容的更新頻率,避免造成過大的網絡開銷,以提高網絡的路由擴展能力。

2 相關研究

現有網絡體系結構以地址/位置為中心的設計模式與用戶關心內容本身而非其所在位置的特點不符,從而帶來流量集中化、鏈路重復傳輸等一系列影響內容分發(fā)效率的問題[5]。已有的解決方案,如內容分發(fā)網絡[6]、P2P[7]等,都是在現有網絡架構的基礎上部署更加復雜的功能來實現,一方面帶來新的固有問題,另一方面使網絡體系結構更復雜,難以從根本上解決現網面臨的難題[8]。內容分發(fā)網絡采用流媒體服務器集群技術,提升系統(tǒng)支持的并發(fā)流,利用全局負載均衡技術將用戶的訪問指向離用戶最近的緩存服務器,由流媒體服務器直接響應用戶的請求[9]。與 IP網絡相比,內容分發(fā)網絡面臨更嚴重的路由問題,其內容的更新頻率要高得多。新內容的產生以及緩存內容的快速替換導致大量的更新消息使網絡開銷大量增加,影響路由性能。

LCE[10](Leaving Copies Everwhere)是目前內容分發(fā)網絡研究中常用的緩存算法,路由路徑上的所有節(jié)點都對內容文件進行緩存,LCE簡單且易于部署,具有良好的緩存性能。然而,LCE算法會造成非常頻繁的緩存更新和嚴重的緩存冗余,帶來巨大網絡開銷[6];ProbCache算法減小了路徑上的緩存冗余,提高了緩存資源的利用率,但是ProbCache沒有考慮到內容之間的熱門程度差異,不符合大量用戶訪問少量熱門內容的特點,因此,在緩存資源管理方面還有很大的改進空間[11];TopDown算法根據內容熱門度確定內容是否被緩存以及緩存位置,流行度高的內容被緩存在網絡的“樞紐”位置,而流行度較低的內容則被緩存在離用戶更近的位置。上述算法的共同問題是緩存中內容特征分布具有很強的隨機性,表現為沒有突出的主要內容特征以及穩(wěn)定的特征分布[12],因而難以通過內容特征抽象減少向外通告的路由信息量,導致嚴重的路由可擴展性問題。在早期的研究中,研究者們試圖將復雜網絡拓撲映射到歐氏空間[13]中,但得到的實驗結果非常不理想,路由成功率非常低。隨著研究的進展,研究者們發(fā)現雙曲空間由于具有負曲率,其空間增長服從指數分布,與復雜網絡的拓撲增長特性類似,在雙曲空間中構建的復雜網絡模型能夠天然地表現出冪律特性[14]。因此,本文根據真實網絡的拓撲連接關系確定雙曲空間中的坐標分布,從而使雙曲空間中的坐標距離關系與真實網絡的連接關系趨于一致。

3 相關內容吸引的緩存算法

3.1 算法描述

CA算法的基本原理如下:通過相關內容的相互吸引,使節(jié)點的主要內容特征更加突出一致,并排斥具有次要內容特征的內容在節(jié)點上的緩存,CA算法基于本地緩存,通過節(jié)點已緩存內容對其他內容的吸引作用影響目標內容的緩存。在緩存過程中,具有某一種特征的目標內容基于相關內容特點而更容易被節(jié)點緩存,新增緩存內容將增大其后到達該節(jié)點的相同特征目標內容被緩存的概率,形成良性循環(huán)。隨著緩存的進行,節(jié)點的內容特征逐漸突出,形成主要內容特征。另一方面,其他特征內容在緩存中所占比例逐漸減小,吸引作用也越來越弱,繼而其在緩存中所占比例進一步減小。通過這種方式,節(jié)點的主要內容特征逐漸增強,其他內容特征逐漸被削弱,形成節(jié)點的內容分布特征。如圖1所示,隨著各個節(jié)點自身特征內容的對相關內容吸引,形成了各個節(jié)點的突出內容特征。

圖1 相關內容吸引效果

緩存中相關內容之間的相互吸引能使節(jié)點的主要內容特征更加穩(wěn)定,這主要通過緩存內容丟棄策略體現出來。在已有的緩存算法中,決定緩存中的內容是否被替換和丟棄完全是由該內容被訪問情況決定的,這種方式是造成緩存更新頻繁的重要原因。緩存聚集通過緩存中相關內容的相互吸引,具有主要內容特征的內容更不容易被丟棄,由于具有主要內容特征的內容占據緩存內容的絕大多數,因此這種方式能夠大幅降低緩存更新頻率。同時,為了保證節(jié)點的緩存利用率,本文將緩存中相關內容之間的相互吸引通過相關內容生存時間相互增強的形式表現出來,并將生存時間作為緩存替換和丟棄的唯一衡量指標,保證足夠的緩存更新。

圖2是CA算法示意圖,圖中節(jié)點緩存中的內容分為主要特征內容和次要特征內容兩部分,其占據緩存空間大小用矩形框的長度表示,通過內容吸引的過程和產生的效果,具有主要內容特征的內容占據了更大的緩存空間,使節(jié)點的主要內容特征更明顯。由于緩存空間有限,若節(jié)點出現多個主要內容特征,將會導致每個主要內容特征由于吸引力不夠導致節(jié)點內容特征度降低。為了避免出現多個主要內容特征,主要特征內容之間的生存時間相互增強,次要特征內容則被丟棄。例如增強路由聚合時,如果聚合后的內容名前綴沒有覆蓋大量該前綴下的內容名,將會使路徑變長,影響路由性能。這是由于緩存空間有限,為了使內容特征抽象具有更高的可信度,節(jié)點需要集中資源大量存儲某一特征的內容,避免出現多個主要內容特征。CA算法能夠在不增強內容和位置耦合程度的條件下,達到現有的基于內容名的路由聚合效果,而且不需要全局的映射,不會引入任何信令開銷,因此,不會提高網絡的復雜度及增大內容請求時延。同時,由于緩存吸引是以單個節(jié)點為單位,因此還有助于降低域內節(jié)點的路由表規(guī)模,大幅減少路由通告的信息量,增強網絡的路由能力。

圖2 CA算法示意圖

3.2 算法應用分析

CA算法并非一種具體的緩存算法,而是改進節(jié)點緩存的思路,可用于改進內容分發(fā)網絡的節(jié)點分布,減輕網絡路由壓力,減少發(fā)布的路由信息。CA算法使具有相同內容名前綴的內容相互吸引,當相同前綴的內容吸引到一定程度時,節(jié)點就可以向外通告更短的內容名前綴,從而提高路由聚合。

由于網絡節(jié)點的內容名是一個多層的結構,因此某一完整內容名將會有不同層次的內容名前綴,此時前綴聚合涉及到如何判定相關內容的問題。內容名前綴聚合是一個逐層聚合的過程,聚合過程是從底層到頂層逐步實現的,因此相關內容吸引基于與目標內容名具有相同的最小聚合前綴的內容,是最小公約集合。為了進一步提高路由聚合程度,緩存吸引算法同樣是一個層次化的過程,如圖3所示。其中,各節(jié)點分別進行最低一層的名字聚合,然后將聚合后的內容名前綴通告出去,接收到路由通告的節(jié)點根據相關內容吸引判斷是否保存該條路由,通過這種對路由通告有選擇地接收,形成圖中所示的樹狀緩存聚集結構。

圖3 層次化緩存吸引算法

由于緩存節(jié)點根據本地信息無法獲取某一內容名前綴下的具體內容信息,因此無法判斷是否已經完全緩存了該內容名前綴下的所有內容。若在緩存該前綴下的內容數量不足時進行內容名前綴聚合,則將會因為聚合后的內容名前綴對其所包含的內容覆蓋太小而導致路徑變長,影響路由性能。然而,根據內容訪問的柏拉圖定律[15]可知,網絡中大量用戶會訪問少量熱門內容,針對這一特點,本文規(guī)定節(jié)點只需要緩存了某一內容前綴下的所有熱門內容,就可以向外通告該內容名前綴。采用這種方式不但能夠有效地解決路由聚合判定的問題,還能降低對節(jié)點緩存空間的要求,因為熱門內容僅占全部內容較小的比例。該方法采用具有某一特征的熱門內容代替全部內容,可能會導致非熱門內容訪問出現繞路行為,但是由于其訪問量較少,這種結果是可以被接受的。

為了進一步減少節(jié)點的路由表項和網絡中的路由更新消息,節(jié)點可以只向外通告吸引度最高的內容名前綴,其他未經聚合或聚合程度太低的內容名前綴將不會被通告出去。如圖2所示的CA算法過程,由于緩存吸引的作用,節(jié)點所緩存的內容多數將具有相同的內容名前綴,不具有相同前綴的內容也因生存時間造成次要內容的丟棄。

4 CA算法實現

在緩存內容吸引的基礎上,本文設計了CA算法的詳細步驟。該算法借鑒了ProbCache、TopDown等概率緩存算法的思路,采用了多種緩存因子共同用于緩存決策[6]。本文采用的緩存因子包括相關內容因子、內容流行度因子、路徑因子、剩余緩存空間因子以及生存時間因子[16],各緩存因子的作用如表1所示。

表1 緩存因子說明

本文涉及到的其他參數含義如下:

為更好地利用緩存空間達到相關內容吸引的效果,CA算法采用了4種緩存因子用于緩存決策。

式(1)表示相關內容因子等于當前節(jié)點中與目標內容相關的已緩存內容的有效數量的歸一化值。有效數量與每個相關內容的流行度有關,內容越熱門,對目標內容的吸引力越強,因此,其有效數量越趨近于1。由于非熱門內容的訪問量少,對節(jié)點內容特征的影響相對較弱,因此,此處采用指數函數這一非線性函數進一步強化熱門內容的吸引作用,弱化非熱門內容的吸引作用[17]。式(1)中的分子表示目標內容的相關內容有效數量,分母表示緩存中所有內容的有效數量。

內容流行度因子表示為目標內容流行度與內容流行度的最大值的比值,為了使熱門內容更容易被緩存,非熱門內容更不容易被緩存,本文同樣采用指數函數對其進行非線性處理[18],公式如式(2)所示。內容流行度(熱度)可以用一段時間內,內容請求經過節(jié)點的次數表示。內容的流行度是由用戶對內容的訪問決定的,內容被訪問頻率越高,內容流行度越大。每個節(jié)點需要處理的用戶請求不同,為了節(jié)點的緩存命中率,提升用戶感受,節(jié)點更應該緩存經過本節(jié)點頻次高的內容,而非全網統(tǒng)一評價出的具有更高流行度的內容,因此,這種方式是合理的。

由于經過節(jié)點的內容次數沒有固定的上限,因此本文用如下的分段函數將其映射到某一固定的區(qū)間內,如式(3)所示。

其中,n為目標內容被請求的次數;a,b為常數;threshold為內容訪問次數的閾值。采用二次函數是為了讓內容被緩存的概率隨請求次數的增長非線性遞增,當訪問次數總體較少時,增長較緩慢,訪問次數達到較高水平時,增長速率更快[19]。

路徑因子計算公式如式(4)所示。

為了獲取當前節(jié)點離用戶的距離,需要在內容查找階段記錄路徑長度。一種可行的方案是在請求數據包中增加cur_user_dis項,在內容數據包中增加cur_user_dis和path_length項。在內容查找階段,每轉發(fā)一次內容請求數據包,請求包中的cur_user_dis項加1;反之,在內容分發(fā)階段,每轉發(fā)一次,內容包中cur_user_dis項減1。目標節(jié)點接收到內容請求包時,將包中的cur_user_dis項復制到內容數據包中的cur_user_dis和path_length中。由于內容分發(fā)網絡采用對稱路由,內容查找和分發(fā)的路徑相同,因此這種方式是合理的,但不適用于IP網絡。

剩余緩存空間因子是為了使有限的緩存空間資源能夠得到更加充分的利用,其計算公式如式(5)所示。

其中,Free_Cache_Space表示當前節(jié)點的剩余緩存空間可緩存內容的數量;Cache_Space表示總的緩存空間大小;D為常數,非線性處理的目的與上述3種因子相同。

節(jié)點對目標內容的緩存概率用上述4種緩存決策因子的加權和表示[20],公式如式(6)所示。

當Cache_Probability大于某一閾值時,內容被緩存。

生存時間因子用于在緩存中維持內容。當內容被緩存時,節(jié)點為其設置一個初始生存時間T0,隨著時間的進行,生存時間減少,當生存時間減為0時,內容被丟棄。如果緩存中的某一內容在生存時間減為0之前被命中,則其生存時間重置為T0。同時,為了使節(jié)點具有更穩(wěn)定的內容特征,本文規(guī)定相關內容的生存時間相互增強,某一內容的相關內容越多,其生存時間越長,越不容易被丟棄。

已緩存的相關內容對目標內容生存時間的增強可用式(7)表示。

其中,Mf表示主要內容特征(Main Feature,MF);E為常數。

當目標內容生存時間增強時,各相關內容的生存時間在當前基礎值上增加T′,T′計算公式如下:

相對而言,那些不符合節(jié)點內容特征的內容即便被節(jié)點緩存,也更容易被丟棄。

4.1 緩存冗余避免

節(jié)點在通信的過程中通過對初始內容特征的逐步增強,最終形成穩(wěn)定的內容特征,并由于其使相同特征內容吸引的特點,當臨近的多個節(jié)點初始緩存的內容相同時,即存在緩存冗余[22],CA算法還會使初始的緩存冗余得到進一步增強,造成緩存資源的大量浪費。針對這一情況,本文提出路徑冗余避免緩存冗余的可行策略。

路徑冗余避免緩存冗余在內容數據包的包頭中增加已緩存標識字段,用于標識該內容在路徑上的緩存情況。當前節(jié)點根據這一字段判斷目標內容是否被之前的節(jié)點緩存,如果已被緩存,則不緩存目標內容或提高緩存概率的閾值。

在內容數據包的包頭中增加已緩存標識字段,用于標識該內容在路徑上被緩存的次數。在一次路由過程中,內容每被緩存一次,該字段加1。路徑上的節(jié)點在制定緩存策略時,根據已緩存標識字段的值確定緩存概率的閾值,內容在路徑上被緩存的次數越多,緩存概率的閾值越大,這樣可以有效避免在一條路徑上的重復緩存。緩存概率閾值與被緩存次數的關系如下:

其中,CPT表示緩存概率的閾值;CPT0為初始閾值; Cache_Label表示緩存標識的值;p為內容每緩存一次的增幅。

4.2 算法實現步驟

CA算法的過程如下:

Step 1 當目標內容到達節(jié)點時,CA算法首先根據路徑冗余避免緩存冗余策略判斷是否有臨近節(jié)點已緩存了相同的內容,以減少或避免緩存冗余。

Step 2 計算目標內容的緩存概率,并判斷是否大于設定的閾值。若小于閾值,則不緩存目標內容,轉Step 7;否則,轉Step 3。

Step 3 緩存目標內容,并為其設置初始生存時間。

Step 4 判斷目標內容是否具有主要內容特征,若具有,則轉Step 5;否則,轉Step 6。

Step 5 增加目標內容及緩存中已有的主要特征內容的生存時間。目標內容生存時間增加量T和已有主要特征內容生存時間增加量T′的計算公式分別為:

Step 6 若緩存空間已滿,則丟棄生存時間最小的內容。

Step 7 算法結束。

5 仿真分析

表2 仿真參數

對CA算法和經典的LCE算法能否達到使相同特征內容吸引的效果進行對比,其中,橫坐標為緩存節(jié)點,縱坐標為內容數量(內容塊),其結果如圖4所示?？梢钥闯?采用CA算法時,各節(jié)點的主要內容特征和次要內容特征對比明顯,具有主要內容特征的內容數量遠遠大于其他特征的內容數量,使節(jié)點具有鮮明的內容特征,達到了預期的效果。而采用LCE算法時,由于針對各內容特征內容的請求是隨機產生的,因此各節(jié)點緩存的每個特征的內容分布比較均勻,難以使某一類特征凸顯出來。

圖4 節(jié)點內容特征分布

對CA算法和LCE及ProbCache算法的緩存更新頻率進行對比,結果如圖5所示?？梢钥闯?CA算法的緩存更新頻率相比于另外2種算法明顯降低,這是因為CA算法通過相關內容生存時間相互增強,使占據緩存絕大多數的主要特征內容更難被丟棄,從而增強了緩存內容的穩(wěn)定性,也使其具有更高的路由可信度。

圖5 緩存更新頻率

對本文提出的2種緩存冗余避免策略進行對比驗證,結果如圖6所示。其中,CRA(Cache Redundancy Avoid)指緩存冗余避免;CRA1和CRA2分別指緩存冗余避免方案1及方案2?？梢钥闯?當CA算法不采用緩存冗余避免策略時,其緩存冗余很高,僅次于LCE算法;而采用了本文提出的緩存冗余避免后,緩存冗余性能獲得了極大的改善,符合預期效果。

圖6 緩存冗余對比

6 結束語

針對內容分發(fā)網絡不能解決緩存內容聚合的問題,本文提出一種基于相關內容吸引的緩存算法,將具有相同特征的相關內容相互吸引聚合在相同節(jié)點上,使緩存內容具有更突出、可信、穩(wěn)定的內容特征,方便對緩存內容進行特征抽象,以減少路由通知信息量。該算法可以適用于多種應用場景。本文以增強內容名前綴聚合場景為例對其進行了簡單的說明,下一步工作是研究如何將該算法應用于其他場景。

[1] Mellado A,Garcia M A,Zahariadis F,et al. Architectures for Future Media Internet[C]// Proceedings of the 2nd International Conference on User Centric Media.Palma de Mallorca,Spain:[s.n.],2012: 105-112.

[2] Pallis G,Vakali A.Insight andPerspectives for Content Delivery Networks[J].Communications of the ACM, 2006,49(1):101-106.

[3] Hei Xiaojun,Liang Chao,Liang Jian,et al.A Measurement Study of a Large-scale P2P IPTV System[J].IEEE Transactions on Multimedia,2007,9(8):1672-1687.

[4] 尹 浩,詹同宇,林 闖.多媒體網絡:從內容分發(fā)網絡到未來互聯網[J].計算機學報,2012,35(6): 1120-1130.

[5] Feldmann A.InternetClean-slateDesign:Whatand Why?[J].ACM SIGCOMM ComputerCommunication Review,2007,37(3):59-64.

[6] Ahlgren B,Dannewitz C,Imbrenda C,et al.A Survey of Infor-mation-centric Networking[J].IEEE Communications Magazine,2012,50(7):26-36.

[7] Choi J,Han J,Cho E,et al.A Survey on Contentoriented Networking for Efficient Content Delivery[J].IEEE Communications Magazine,2011,49(3):121-127.

[8] Wang Y,Lee K,Venkataraman B,et al.Advertising Cached Contents in the Control Plane:Necessity and Feasibility[C]//Proceedings of INFOCOM WKSHPS. [S.l.]:IEEE Press,2012:286-291.

[9] Koponen T,Chawla M,Chun B G,et al.A Dataoriented (and Beyond)Network Architecture[J].Proceedings of ACM SIGCOMM Computer Communication Review, 2007,37(4):181-192.

[10] Choi J,Han J,Cho E.et al.A Survey on Contentoriented Networking for Efficient Content Delivery[J].IEEE Communications Magazine,2011,49(3):121-127.

[11] Rajahalme J,S?rel? M,Visala K,et al.On Name-based Inter-domain Routing[J].Computer Networks,2011,55 (4):975-986.

[12] Jacobson V,SmettersD K,ThorntonJD,etal. Networking Named Content[J].Communications of the ACM,2012,55(1):117-124.

[13] Boguna M,Krioukov D,Claffy K C.Navigability of Complex Networks[J].Nature Physics,2008,5(1): 74-80.

[14] Yuan H,Crowley P.PerformanceMeasurementof Name-centric ContentDistribution Methods[C]// Proceeding of ANCS'11.[S.l.]:IEEE Press,2011: 223-224.

[15] Boguná M,Papadopoulos F,Krioukov D.Sustaining the Internet with Hyperbolic Mapping[J].Nature Communications,2010,(1).

[16] Fricker C,Robert P,Roberts J,et al.Impact of Traffic Mix onCachingPerformanceinaContent-centric Network[C]//Proceedings of INFOCOM WKSHPS 2012.[S.l.]:IEEE Press,2012:310-315.

[17] Lee U,Rimac I,Hilt V.Greening the Internet with Content-centric Networking[C]//Proceedings of the 1st International Conference on Energy-efficient Computing and Networking.[S.l.]:ACM Press,2010:179-182.

[18] Zhang Lixia,Estrin D,Burke J,et al.Named Data Networking(NDN)Project[Z].2010.

[19] 張 威.畢 軍.吳建平.互聯網域間路由可擴展性[J].軟件學報,2011,22(1):84-100.

[20] Arianfar S,Nikander P,Ott J.On Content-centric Router Design and Implications[C]//Proceedings of the Rearchitecting the Internet Workshop.[S.l.]:ACM Press, 2010:5.

[21] Dhamdhere A,Dovrolis C.Ten Years in the Evolution of the Internet Ecosystem[C]//Proceedings of the 8th ACM SIGCOMM Conference on Internet measurement. [S.l.]:ACM Press,2008:183-196.

[22] Hwang H,Ata S,Murata M.The Impact of FQDN Database Updates on Name-based Routing Architecture [C]//Proceedings of NOMS WKSPS.[S.l.]:IEEE Press,2010:16-21.

編輯 金胡考

Cache Algorithm Based on Related Content Attracting in Content Delivery Network

ZHANG Chenga,b,YANG Dong-fenga,HUANG Xieb,ZHANG Gen-yaoa
(a.College of Mathematics&Computer Science;b.Network&Information Center, Yan'an University,Yan'an 716000,China)

The existing content cache algorithm of Content Delivery Network(CDN)leads to the expansion of routing table with the network increasing,which will impair the routing efficiency and network performance.Therefore,based on related contents attracting,a related contents attracting algorithm is proposed.With the effect of attracting similar contents cached in other near nodes,for the purpose of apparently stable featured contents of nodes cached,the algorithm attracts major characteristic contents,rejects secondary feature contents,and enlarges the difference of different characteristic content.It also gathers the related contents on the same nodes via the mutual attraction with same contents feature,which facilitates the cache contents feature abstraction.Meanwhile,the strategy of lifetime increasement between contents with main feature is designed to deduce the routing advertisement and improve the routing scalability.Experimental results show that the proposed algorithm can reduce the update frequency of cache content,and improve the routing reliability.

Content Delivery Network(CDN);cache algorithm;contents attracting;cache factor;cache redundancy; routing

1000-3428(2014)09-0117-07

A

TN911.22

10.3969/j.issn.1000-3428.2014.09.024

國家自然科學基金資助項目(61379026);陜西省工業(yè)攻關計劃基金資助項目(2013K06-39)。

張 成(1971-),男,副教授、博士,主研方向:內容分發(fā)網絡,社交網絡,網絡安全,服務計算;楊東風,副教授;黃 協(xié),工程師;張根耀,教授。

2013-10-28

2014-03-07E-mail:zc@yau.edu.cn