趙國鋒，邢 媛，段 潔，田瑞林

(1. 重慶郵電大學 未來網(wǎng)絡(luò)研究中心，重慶 400065; 2. 重慶市光通信與網(wǎng)絡(luò)高校重點實驗室，重慶 400065)

0 引 言

隨著互聯(lián)網(wǎng)技術(shù)與應(yīng)用的飛速發(fā)展以及互聯(lián)網(wǎng)用戶的快速增長，傳統(tǒng)的因特網(wǎng)體系架構(gòu)逐漸暴露出可擴展性差、安全性低、移動性支持不足等諸多問題。為了解決這些問題，學術(shù)界提出了一類以內(nèi)容為中心的新型網(wǎng)絡(luò)體系架構(gòu)，統(tǒng)稱為信息中心網(wǎng)絡(luò)(information centric networking, ICN)，典型的ICN研究項目有data-oriented network architecture (DONA)[1]，publish-subscribe internet routing paradigm (PSIRP)[2]，network of information (NetInf)[3]，content-centric networking (CCN)[4]和 named data networking (NDN)[5]。在這類ICN架構(gòu)設(shè)計中，每個路由器都具有內(nèi)置緩存的功能，旨在為消費者提供各種各樣的緩存服務(wù)，同時緩解快速增長的網(wǎng)絡(luò)流量對網(wǎng)絡(luò)帶寬造成的嚴峻壓力。由于ICN采用基于名字的路由方式，因此，消費者可以通過內(nèi)容名從緩存節(jié)點直接獲取請求的信息。

ICN網(wǎng)絡(luò)級內(nèi)置緩存的特性能夠減輕網(wǎng)絡(luò)負載、降低內(nèi)容傳播時延和提高緩存資源利用率[6]，因此，眾多研究者期望將ICN思想應(yīng)用到物聯(lián)網(wǎng)(internet of things, IoT)架構(gòu)設(shè)計中，目的是實現(xiàn)因特網(wǎng)中數(shù)據(jù)的快速交互[7]。Pentikousis等[8]提出了ICN機制部署于物聯(lián)網(wǎng)環(huán)境的因特網(wǎng)草案，草案中描述了幾個ICN應(yīng)用場景，討論了將ICN機制應(yīng)用于IoT架構(gòu)存在的關(guān)鍵問題，提出了在IoT中運用命名數(shù)據(jù)的思想。使用命名數(shù)據(jù)無疑是將ICN思想應(yīng)用于IoT部署的關(guān)鍵因素。命名數(shù)據(jù)可以使信息對網(wǎng)絡(luò)層透明、可識別，并且能夠有效地管理IoT內(nèi)的協(xié)作。事實證明，因特網(wǎng)草案中的研究成果對ICN應(yīng)用于IoT領(lǐng)域的科學研究作出了突出貢獻。相應(yīng)地，Heidemann等[9]也證實了命名數(shù)據(jù)在IoT中的諸多優(yōu)勢，同時描述了一種支持命名數(shù)據(jù)和網(wǎng)內(nèi)處理的軟件架構(gòu)。

大量異質(zhì)緩存節(jié)點參與物聯(lián)網(wǎng)應(yīng)用將會引起可擴展性及兼容性等問題。特別地，有限的硬件資源將使大量網(wǎng)絡(luò)設(shè)備在存儲、計算和通信能力等方面受到限制。Song等在文獻[10]中解決了硬件資源限制問題，主要依據(jù)CCN基本模型和核心思想提出了以內(nèi)容為中心的方案，將資源有限的弱網(wǎng)絡(luò)設(shè)備中的超載任務(wù)(如存儲、發(fā)布和獲取)映射到資源充足的強網(wǎng)絡(luò)設(shè)備中，最終實現(xiàn)了資源的共享和信息的交互。節(jié)點映射方案雖然解決了弱網(wǎng)絡(luò)設(shè)備資源受限問題，但強弱網(wǎng)絡(luò)設(shè)備間頻繁的任務(wù)調(diào)度容易產(chǎn)生大量的信號交換開銷。

ICN網(wǎng)絡(luò)內(nèi)置緩存及移動性支持等特性使其可以很好地支持物聯(lián)網(wǎng)應(yīng)用場景(如家庭網(wǎng)絡(luò)，車聯(lián)網(wǎng)等)。Ravindran等[11]詳細說明了如何將ICN機制應(yīng)用于家庭網(wǎng)絡(luò)，同時強調(diào)了構(gòu)建一個能夠處理家庭網(wǎng)絡(luò)中設(shè)備、服務(wù)和用戶需求等多樣性的同質(zhì)平臺的重要性。ICN基于名字的路由方式和網(wǎng)絡(luò)內(nèi)置緩存的特性使其在克服車聯(lián)網(wǎng)(vehicular ad hoc networks, VANETs)[12]中諸如快速變化的拓撲、短暫和間接的車輛連接等方面具有明顯優(yōu)勢。對于VANET-ICN中的緩存策略，Deng等[13]認為采用簡單的處處緩存策略(leave copy everywhere, LCE)[14]會降低緩存利用率，進而浪費緩存資源。因此，提出了VANETs中運用NDN思想的分布式概率緩存(distributed probabilistic caching, DPC)策略。DPC策略中，節(jié)點依據(jù)用戶需求、車輛重要性以及接收者和發(fā)送者間的相對運動共同做出緩存決策。分布式策略中每個節(jié)點獨立地執(zhí)行緩存策略，減少了節(jié)點間不必要的信號交換開銷。

Quevedo等[15]認為IoT環(huán)境中的用戶更趨向于請求最新的信息，因此，提出了用戶驅(qū)動的信息新鮮度機制，其中信息新鮮度指內(nèi)容在緩存中逗留的時間。首先IoT用戶在興趣包中添加請求內(nèi)容的新鮮度值，其次內(nèi)容源依據(jù)不同用戶的新鮮度要求為內(nèi)容設(shè)置恰當?shù)男迈r度值。緩存節(jié)點中的內(nèi)容在新鮮度值到期前被移除，從而避免了網(wǎng)絡(luò)中存儲過時的信息。然而，用戶請求過去某時刻產(chǎn)生的歷史信息時，新鮮度機制中的節(jié)點通過簡單地內(nèi)容名匹配，誤解為緩存中已存有請求的信息，進而不斷地用最新的信息作為應(yīng)答，而不是將興趣包轉(zhuǎn)發(fā)至內(nèi)容源。最糟糕的情況為用戶永遠接收不到正確的信息。

為了滿足物聯(lián)網(wǎng)用戶對信息準確度，尤其是時間維度的嚴格要求，本文采用以信息為中心的ICN思想，提出了IoT環(huán)境中時間驅(qū)動的普適性緩存方案。方案主要由時間匹配算法和緩存策略兩部分組成，時間匹配算法用于向消費者返回時間容忍閾值內(nèi)的內(nèi)容，緩存策略用于對到達節(jié)點的數(shù)據(jù)包做出緩存決策。

1 緩存問題分析

IoT環(huán)境中各種各樣的應(yīng)用程序產(chǎn)生的信息量不計其數(shù)，且相同應(yīng)用在不同時刻產(chǎn)生的信息可能截然不同。當物聯(lián)網(wǎng)用戶對信息準確度提出要求，尤其是時間維度要求較高時，已有的ICN緩存機制不再適用。圖1說明了已有的ICN緩存機制的操作過程。例如，ConsumerA發(fā)送名字為“/Name1/Latest Temperature”的興趣包，興趣包發(fā)送路徑上的路由器解析該名字，并查看緩存中是否存有ConsumerA請求的內(nèi)容。依據(jù)已有的ICN緩存機制，若節(jié)點匹配到Name1則將內(nèi)容返回用戶。圖1中路由器R6的內(nèi)容存儲(content store,CS)中恰巧存有名字為Name1的條目，則R6將數(shù)據(jù)包沿興趣包發(fā)送路徑原路返回至用戶。然而，用戶收到的信息可能為某時刻過時的溫度信息，而非最近的溫度信息。

圖1 已有的ICN緩存機制Fig.1 Existing ICN cache mechanism

現(xiàn)有的ICN緩存機制中，節(jié)點收到攜帶有最新消息的數(shù)據(jù)包時，通過簡單地內(nèi)容名匹配，錯誤地認為緩存中已經(jīng)存儲的信息與新收到的信息相同，從而拒絕更新陳舊的信息。該節(jié)點收到后續(xù)請求時，僅通過匹配內(nèi)容名，將緩存中已有的舊信息直接返回用戶，不再向其余節(jié)點或內(nèi)容源轉(zhuǎn)發(fā)興趣包。若用戶請求的是歷史信息，則返回的內(nèi)容恰好符合要求。若用戶請求的是最新信息，則用戶最終得到了錯誤的內(nèi)容。

新鮮度機制中的節(jié)點通常緩存最新的內(nèi)容，因此能夠解決用戶請求最新信息的問題。然而當用戶請求相對久遠的歷史信息時，新鮮度機制中的緩存節(jié)點通常用較新的信息作為響應(yīng)，而不是向上游節(jié)點或內(nèi)容源繼續(xù)轉(zhuǎn)發(fā)用戶請求。

當IoT環(huán)境中用戶對數(shù)據(jù)和信息的準確度提出要求，尤其是時間維度要求較高時，已有的ICN緩存機制和用戶驅(qū)動的信息新鮮度機制均不再適用。本文提出時間驅(qū)動的普適性緩存方案，主要用于解決信息準確度的問題，尤其是時間維度的問題，簡單的方案示意圖如圖2所示。方案在興趣包、數(shù)據(jù)包和CS條目中添加時間戳字段(Timestamp)，時間戳在滿足準確性要求的同時輔助節(jié)點緩存內(nèi)容。興趣包中Timestamp用于指定用戶請求某特定時刻產(chǎn)生的內(nèi)容，Threshold指用戶能夠容忍的時間閾值。數(shù)據(jù)包中Timestamp指其所攜帶內(nèi)容的產(chǎn)生時間。節(jié)點CS中Timestamp指所存儲內(nèi)容的產(chǎn)生時間。從CS表中可以看出，內(nèi)容名相同但內(nèi)容產(chǎn)生時間不同，對應(yīng)的具體內(nèi)容則不同。圖2中，ConsumerA發(fā)送名字為“/Name1/2015.07.02 00:48:50/5s”的興趣包，網(wǎng)絡(luò)節(jié)點通過匹配名字和時間戳后，路由器R6將CS中“/Name1/2015.07.02 00:48:52”對應(yīng)的內(nèi)容返回至用戶，返回的信息顯然符合用戶要求。

圖2 時間驅(qū)動的普適性緩存方案示意圖Fig.2 Schematic diagram for time-driven universal caching approach

2 時間驅(qū)動的普適性緩存方案

時間驅(qū)動的普適性緩存方案中的時間指在興趣包和數(shù)據(jù)包包頭中添加具體時間戳信息；普適性指節(jié)點不僅緩存最近產(chǎn)生的內(nèi)容，而且緩存歷史性內(nèi)容。添加時間字段能夠為用戶提供更準確的信息。普適性能夠滿足IoT應(yīng)用需求，一些歷史信息可以直接從緩存中而不是內(nèi)容源處獲得，減少了用戶獲取內(nèi)容的時延。

2.1 普適性緩存概述

時間驅(qū)動的普適性緩存方案主要包括時間匹配算法和緩存策略兩部分。時間匹配算法的主要操作對象為興趣包和節(jié)點CS條目中的時間戳。緩存機制的主要操作對象為緩存節(jié)點。圖3對時間驅(qū)動的普適性緩存方案進行概述，主要包括興趣包的發(fā)送和數(shù)據(jù)包的返回，具體操作過程如下所述。

圖3 時間驅(qū)動的普適性緩存概述Fig.3 Overview of time-driven universal caching

用戶請求內(nèi)容時，發(fā)送攜帶有容忍閾值的時間戳興趣包。路由器收到興趣包后執(zhí)行時間匹配算法，查看CS中緩存的內(nèi)容能否滿足用戶對信息準確性的要求。若匹配成功，則將數(shù)據(jù)返回用戶。若匹配失敗，則將興趣包轉(zhuǎn)發(fā)至下一跳。若緩存節(jié)點均未存儲用戶請求的信息，則將興趣包發(fā)送至內(nèi)容源。圖3中用戶發(fā)送興趣包，Router A和B均執(zhí)行時間匹配算法，結(jié)果發(fā)現(xiàn)Router B中緩存的內(nèi)容符合用戶要求，則將CS中對應(yīng)數(shù)據(jù)返回用戶。

數(shù)據(jù)包沿興趣包發(fā)送路徑返回時，沿路節(jié)點若有剩余緩存空間，則直接存儲該內(nèi)容；若無，則依據(jù)內(nèi)容流行度和時間請求概率做出緩存決策。對于具體的緩存決策，若節(jié)點CS中無與數(shù)據(jù)包同名的內(nèi)容，則依據(jù)內(nèi)容流行度做出緩存決策；若有，則依據(jù)時間請求概率做出緩存決策。圖3中Router A收到數(shù)據(jù)包后執(zhí)行緩存策略做出是否緩存內(nèi)容的決定。

2.2 時間匹配算法

用戶請求內(nèi)容時，興趣包中除了包含內(nèi)容名外，同時還包含用于指定內(nèi)容產(chǎn)生時刻的時間戳和時間容忍閾值。興趣包到達緩存節(jié)點時節(jié)點執(zhí)行算法1所示的時間匹配算法。將興趣包與CS中內(nèi)容名進行匹配；若匹配到內(nèi)容名，則將興趣包中時間戳和緩存中所有同名內(nèi)容的產(chǎn)生時間分別做差并取絕對值，將時間差值在閾值范圍內(nèi)且絕對差最小的內(nèi)容返回用戶。若緩存節(jié)點未匹配到用戶請求的內(nèi)容，則將興趣包轉(zhuǎn)發(fā)至下一跳。若用戶在緩存節(jié)點未獲取到準確的內(nèi)容，則將興趣包轉(zhuǎn)發(fā)至內(nèi)容源。若內(nèi)容源處仍未匹配到滿足用戶要求的內(nèi)容，則丟棄興趣包，向用戶通告請求失敗。

用戶請求某時間段內(nèi)產(chǎn)生的內(nèi)容時，興趣包中時間戳字段為請求內(nèi)容的起止時間點。節(jié)點收到興趣包后執(zhí)行時間匹配算法，將符合用戶要求的部分內(nèi)容返回用戶。由于節(jié)點緩存容量非常有限[16]，單個節(jié)點一般不能完全存儲同內(nèi)容名下某段時間內(nèi)產(chǎn)生的所有內(nèi)容，因此，需要繼續(xù)向其余節(jié)點轉(zhuǎn)發(fā)興趣包直至用戶請求時間段內(nèi)的所有內(nèi)容都被獲取到。

Algorithm1: Time matching algorithm

Input: interest I % I is consists of “/name/timestamp/threshold/nonce”

Output: return the matched content

1: for all itemsiin CS do

2: MatchName (I.name,i.name)

3: if I.name==i.name then

4: Calculate absolute difference:Di←|I.timestamp-i.timestamp|

5: if theDi≤I.threshold then

6: Store itemiin Array[ ]

7: else

8: Forwarding I to the next hop

9: end if

10: else

11: Forwarding I to the next hop

12: end if

13: end for

14: return itemiwho owns the minimalDiin Array[ ]

2.3 緩存策略

返回的數(shù)據(jù)包到達緩存節(jié)點時，若節(jié)點有剩余緩存空間，則直接存儲該內(nèi)容；若節(jié)點緩存空間已滿，則依據(jù)緩存節(jié)點CS中是否存在相同內(nèi)容名的內(nèi)容選擇不同的緩存策略。具體地，若CS條目中未查詢到同名內(nèi)容，則調(diào)用基于內(nèi)容流行度的緩存策略；若CS中查詢到同名內(nèi)容，則調(diào)用基于時間請求概率的緩存替換策略。

2.3.1 基于內(nèi)容流行度的緩存策略

由于途經(jīng)路由器的請求類型和數(shù)量不同，因此相同內(nèi)容在不同路由器處的流行度一般也不同[17]。每個路由器對應(yīng)一張本地內(nèi)容流行度列表，主要用于存放不同名內(nèi)容在該路由器處的流行度。此處內(nèi)容流行度指內(nèi)容名相同的內(nèi)容被請求的概率，故流行度P計算公式為

(1)

(1)式中：N表示網(wǎng)絡(luò)中總的內(nèi)容名數(shù)目；n表示內(nèi)容名；countn表示周期T內(nèi)內(nèi)容名n對應(yīng)的內(nèi)容被請求的次數(shù)。對內(nèi)容名相同但時間戳不同的內(nèi)容請求次數(shù)進行累加求和得到countn。

當數(shù)據(jù)包到達緩存節(jié)點且緩存空間已滿時，若CS中未查詢到與數(shù)據(jù)包內(nèi)容名相同的內(nèi)容，則依據(jù)流行度列表中內(nèi)容流行度P做出緩存決策。若新到達數(shù)據(jù)包的同名內(nèi)容流行度在節(jié)點流行度列表中最小，則不緩存該內(nèi)容。若非最小，則采用LRU(least recently used)替換策略，即用新數(shù)據(jù)包替換列表中流行度值最小的內(nèi)容。

2.3.2 基于時間請求概率的緩存替換策略

時間請求概率(time request probability)Ptr指隨著時間間隔的變化，內(nèi)容被用戶請求的概率，其中時間間隔指內(nèi)容生成時刻與當前時刻之間的時間差。物聯(lián)網(wǎng)環(huán)境中用戶普遍偏愛請求最近產(chǎn)生的信息，時間間隔越短，內(nèi)容被用戶請求的概率越大；時間間隔越長，內(nèi)容被用戶請求的概率越小。由此可見，用戶請求內(nèi)容的概率隨著時間間隔的增加而減小。由于指數(shù)分布可以用于表示獨立事件的時間間隔的概率分布，因此，可以合理假設(shè)時間請求概率服從參數(shù)λ為1的指數(shù)分布。時間請求概率Ptr計算公式為

Ptr=e-Δt,Δt≥0

(2)

(2)式中：Δt=|tc-tg|，tc表示當前時間(current time)，tg表示內(nèi)容生成時間(generate time)，Δt表示二者的時間間隔。從(2)式中可以看出，隨著時間間隔的增加，用戶請求對應(yīng)時刻內(nèi)容的概率急劇下降，并呈指數(shù)式衰減。

當數(shù)據(jù)包到達緩存節(jié)點時，若CS中查詢到與數(shù)據(jù)包內(nèi)容名相同的內(nèi)容，則依據(jù)時間請求概率做出緩存決策。時間請求概率可以預(yù)測同名但生成時間不同的內(nèi)容被用戶請求的概率。依據(jù)收到數(shù)據(jù)包中的時間戳以及CS中存儲的同名內(nèi)容的多個時間戳分別計算出每個時間戳下同名內(nèi)容的時間請求概率。若新到達數(shù)據(jù)包的時間請求概率最小，則不緩存該數(shù)據(jù)包；若非最小，則替換相同內(nèi)容名下時間請求概率最小的內(nèi)容。

3 仿真與分析

3.1 參數(shù)設(shè)置

本文使用MATLAB對所提算法進行仿真驗證。網(wǎng)絡(luò)拓撲如圖4所示，采用簡單的3級分層結(jié)構(gòu)，其中節(jié)點0表示內(nèi)容源，節(jié)點1—13表示緩存路由器。假設(shè)用戶請求到達速率服從泊松分布，網(wǎng)絡(luò)中總的內(nèi)容種類為10 000。CS中最初緩存的內(nèi)容名及對應(yīng)的時間戳由隨機生成器產(chǎn)生，并存儲于矩陣中，每行代表一個內(nèi)容條目。興趣包主要由用戶指定的內(nèi)容名、時間戳和容忍閾值構(gòu)成，其中內(nèi)容名和時間戳在仿真過程中依舊采用隨機數(shù)生成器產(chǎn)生，時間容忍閾值的設(shè)置范圍為1～5s。返回的數(shù)據(jù)包中除內(nèi)容名外還攜帶該數(shù)據(jù)所產(chǎn)生時刻的時間戳信息。

圖4 仿真拓撲圖Fig.4 Network topology for simulation

仿真主要驗證了不同參數(shù)設(shè)置下單節(jié)點的緩存命中率和用戶收到信息的準確率。由于興趣包隨機產(chǎn)生，所以每次仿真運行得到的緩存命中率和信息準確率有一定的差異。為了減少誤差，此處采用多次測量求平均值的方法。仿真共輪詢了100次，最終緩存命中率和信息準確率取值為多次測量結(jié)果的平均值。

3.2 結(jié)果分析

緩存命中率是測量網(wǎng)絡(luò)性能的基本準則之一，命中率的高低直接決定了緩存算法是否有效，仿真中節(jié)點緩存命中率指命中節(jié)點中內(nèi)容名的概率。圖5仿真了單個節(jié)點處興趣包到達速率對緩存命中率的影響。其中，原生方案指沒有運用時間驅(qū)動的普適性緩存方案，即興趣包、數(shù)據(jù)包和CS條目中未添加時間戳字段。從圖5中可以看出，在相同的用戶請求速率情況下，時間驅(qū)動的普適性緩存方案的緩存命中率高于原生方案。原因在于，原生方案的節(jié)點CS中無時間戳選項，內(nèi)容生存期到期前不會主動替換緩存中的舊內(nèi)容，節(jié)點可能存儲了過多的歷史內(nèi)容，而未存儲最新產(chǎn)生的內(nèi)容，因此不能滿足用戶對內(nèi)容多樣性的需求，從而緩存命中率較低。隨著興趣包到達速率的增加，2種方案的緩存命中率均呈現(xiàn)下降趨勢。原因在于，節(jié)點的緩存容量有限，能夠存儲的具體內(nèi)容種類也有限，因此，在總的請求次數(shù)不斷增加的情況下，命中率呈下降趨勢。

圖5 請求速率對緩存命中率的影響Fig.5 Impact of request rate on cache hit ratio

以CS表存儲的內(nèi)容條目數(shù)代表節(jié)點緩存大小，條目數(shù)越多表示節(jié)點緩存容量越大。圖6仿真了單個節(jié)點的緩存容量對緩存命中率的影響，其中，興趣包到達速率為2 000 包/s。隨著節(jié)點緩存容量的增加，節(jié)點能夠緩存的內(nèi)容種類也增加，因此，不同方案的節(jié)點緩存命中率均呈現(xiàn)上升趨勢。當緩存容量較小時，節(jié)點能夠緩存的內(nèi)容數(shù)量也較少，用戶驅(qū)動的信息新鮮度機制偏向于緩存最新的內(nèi)容，而本文提出的時間驅(qū)動的普適性緩存方案不僅緩存最新內(nèi)容，而且緩存歷史內(nèi)容，因此，時間驅(qū)動的普適性緩存方案的命中率高于用戶驅(qū)動的信息新鮮度機制。當緩存容量足夠大時，用戶驅(qū)動的信息新鮮度機制的緩存命中率高于普適性緩存方案。原因在于，用戶驅(qū)動的信息新鮮度機制中節(jié)點有足夠的容量緩存歷史內(nèi)容，并且同名內(nèi)容僅被緩存一次，而時間驅(qū)動的普適性緩存方案中節(jié)點通常緩存不同時間段產(chǎn)生的同名內(nèi)容，節(jié)點中內(nèi)容名的總數(shù)目小于CS條目數(shù)。雖然足夠大的緩存容量使得信息新鮮度機制的緩存命中率高于普適性緩存方案，但其準確率低于普適性緩存方案。

圖6 緩存容量對緩存命中率的影響Fig.6 Impact of cache capacity on cache hit ratio

信息準確率指用戶收到信息的準確程度，具體計算方式為用戶接收到的正確信息數(shù)除以總的請求次數(shù)。圖7仿真了2種不同緩存方案的信息準確率。在相同的參數(shù)設(shè)置下，時間驅(qū)動的普適性緩存方案的信息準確率高于用戶驅(qū)動的信息新鮮度機制。原因在于，用戶驅(qū)動的信息新鮮度機制中節(jié)點僅存儲了網(wǎng)絡(luò)中最近產(chǎn)生的內(nèi)容。當用戶請求某個歷史時刻的信息時，節(jié)點僅通過匹配內(nèi)容名從而向用戶返回信息，而未考慮用戶請求的是哪個時間點的內(nèi)容，因此，向用戶返回的內(nèi)容不是其所請求時刻的內(nèi)容，從而降低了用戶收到信息的準確率。

圖7 請求速率對信息準確率的影響Fig.7 Impact of request rate on information accuracy

圖8仿真了緩存容量對信息準確率的影響，其中興趣包到達速率依然設(shè)置為2 000 包/s。從圖8中可以看出，用戶獲取信息的準確率隨緩存容量的增加而提高。原因在于，節(jié)點緩存容量越大，能夠緩存的內(nèi)容條目數(shù)越多。隨著緩存容量的增加，時間驅(qū)動的普適性緩存方案可以獲得相對穩(wěn)定且高的準確率，用戶驅(qū)動的信息新鮮度機制的信息準確率呈現(xiàn)線性增長趨勢。從圖8中可以看出，相對于新鮮度機制，普適性緩存方案獲得了更好的穩(wěn)定性。

圖8 緩存容量對信息準確率的影響Fig.8 Impact of cache capacity on information accuracy

圖5中普適性緩存方案的緩存命中率相對于原生方案平均提高了14%。圖7中普適性緩存方案的信息準確率相對于用戶驅(qū)動的信息新鮮度機制平均提高了9.7%。圖8中緩存容量變化時，普適性緩存方案的信息準確率相對于用戶驅(qū)動的信息新鮮度機制平均提高了31.47%。因此，本文所提方案能夠有效地提升網(wǎng)絡(luò)性能。

4 總結(jié)與展望

本文在物聯(lián)網(wǎng)架構(gòu)設(shè)計中采用ICN思想，提出了時間驅(qū)動的普適性緩存方案。方案主要包括興趣包匹配和數(shù)據(jù)包緩存2部分。節(jié)點通過精確匹配時間戳，返回與用戶請求契合度最高的內(nèi)容。數(shù)據(jù)包返回時，節(jié)點依據(jù)內(nèi)容流行度和時間請求概率對其做出緩存決策，同名但時間戳不同的內(nèi)容可以在同一節(jié)點共存。仿真結(jié)果顯示，時間驅(qū)動的普適性緩存方案能夠有效地提高緩存命中率和信息獲取的準確率，滿足了物聯(lián)網(wǎng)用戶對信息準確度，尤其是時間維度的嚴格要求。本文未來研究工作將通過仿真平臺ndnSIM進一步驗證所提算法的有效性；對于緩存策略，將考慮內(nèi)容相似度對緩存決策的影響。

[1] KOPONEN T,CHAWLA M,CHUNB-G,et al.A data-oriented (and beyond) network architecture[C]∥ACM SIGCOMM ’07.Kyoto,Japan:ACM Press,2007:181-192.

[2] AIN M, TROSSEN D,NIKANDER P,et al.D2.3-architecture definition,component descriptions,and requirements[EB/OL].(2009-02-17)[2017-08-25].http:∥www.psirp.org/files/Deliverables/FP7-INFSO-ICT-216173-PSIRP-D2.3_Architecture Definition.pdf.

[3] DANNEWITZ C, KUTSCHER D, OHLMAN B, et al. Network of information (NetInf)-An information-centric networking architecture[J].Computer Communications,2013,36(7):721-735.

[4] JACOBSON V, SMETTERS D K, THORNTONJ D, et al. Networking named content[C]∥ACM CoNEXT ’09. Rome, Italy: ACM Press, 2009: 1-12.

[5] ZHANG L, AFANASYEV A, BURKE J, et al. Named data networking[J]. ACM SIGCOMM Computer Communication Review, 2014, 44(3): 66-73.

[6] ARALDO A, MANGILI M, MARTIGNON F, et al. Cost-aware caching: optimizing cache provisioning and object placement in ICN[C]∥2014 IEEE Global Communications Conference (GLOBECOM). Austin, TX, USA: IEEE Press, 2014: 1108-1113.

[7] 趙闊, 邢永恒. 區(qū)塊鏈技術(shù)驅(qū)動下的物聯(lián)網(wǎng)安全研究綜述[J]. 信息網(wǎng)絡(luò)安全, 2017(5): 1-6.

ZHAO K, XING Y H. Security survey of internet of things driven by block chain technology[J]. Netinfo Security, 2017(5): 1-6.

[8] PENTIKOUSIS K, DAVIES E, OHLMAN B, et al. ICN baseline scenarios and evaluation methodology [EB/OL]. (2013-07-15) [2017-08-25].https:∥tools.ietf.org/pdf/draft-pentikousis-icn-scenarios-04.pdf.

[9] HEIDEMANN J, SILVA F, INTANAGONWIWAT C, et al. Building efficient wireless sensor networks with low-level naming[C]∥The eighteenth ACM symposium on Operating systems principles. Banff, Alberta, Canada: ACM Press, 2001: 146-159.

[10] SONG Y, MA H, LIU L. Content-centric internetworking for resource-constrained devices in the internet of things[C]∥2013 IEEE International Conference on Communication Communications (ICC). Budapest, Hungary: IEEE Press, 2013: 1742-1747.

[11] RAVINDRAN R, BISWAS T, ZHANG X, et al. Information-centric networking based homenet[C]∥2013 IFIP/IEEE International Symposium on Integrated Network Management. Ghent: IEEE Press, 2013: 1102-1108.

[12] 袁超, 張浩, Gulliver T A. 車聯(lián)網(wǎng)中協(xié)作車—車通信系統(tǒng)在N-Rayleigh信道下ASEP性能分析[J]. 信息網(wǎng)絡(luò)安全, 2016(3): 40-46.

YUAN C, ZHANG H, GULLIVER T A. ASEP performance analysis of vehicle-to-vehicle communication system overN-Rayleigh fading channels in IoV[J]. Netinfo Security, 2016 (3): 40-46.

[13] DENG G, WANG L, Li F, et al. Distributed probabilistic caching strategy in VANETs through named data networking[C]∥2016 IEEE Conference on Computer Communications Workshops (INFOCOM WKSHPS). San Francisco, CA, USA: IEEE Press, 2016: 314-319.

[14] BERNARDINI C,SILVERSTON T,FESTOR O.A comparison of caching strategies for content centric networking[C]∥2015 IEEE Global Communications Conference(GLOBECOM).San Diego,CA,USA:IEEE Press,2015:1-6.

[15] QUEVEDO J, CORUJO D, AGUIAR R. Consumer driven information freshness approach for content centric networking[C]∥2014 IEEE Conference on Computer Communications Workshops (INFOCOM WKSHPS). Toronto, Canada: IEEE Press, 2014: 482-487.

[16] CHOI N, GUAN K, KILPER D C, et al. In-network caching effect on optimal energy consumption in content-centric networking[C]∥2012 ICC. Ottawa, Canada: ACM Press, 2012: 2889-2894.

[17] WEI T M, CHANG L, YU B Y, et al. MPCS: a mobility/popularity-based caching strategy for information-centric networks[C]∥2014 IEEE Global Communications Conference (GLOBECOM). Austin, TX, USA: IEEE Press, 2014: 4629-4634.

(編輯：張 誠)