陳秋瑤,鄭 烇

(中國(guó)科學(xué)技術(shù)大學(xué) 自動(dòng)化系 未來網(wǎng)絡(luò)實(shí)驗(yàn)室,合肥 230026)

0 概述

根據(jù)Cisco的視覺網(wǎng)絡(luò)指數(shù)(VNI)預(yù)測(cè)報(bào)告[1]可知,到2022年全球IP流量將增長(zhǎng)5倍,年IP流量將達(dá)到4.8 ZB。為應(yīng)對(duì)大規(guī)模內(nèi)容分發(fā)的網(wǎng)絡(luò)需求,一種新型的以內(nèi)容為中心的網(wǎng)絡(luò)(Information-Centric Network,ICN)架構(gòu)被提出,該網(wǎng)絡(luò)架構(gòu)的一種主流實(shí)現(xiàn)方式是命名數(shù)據(jù)網(wǎng)絡(luò)(Named Data Network,NDN)[3]。在NDN網(wǎng)絡(luò)中,每個(gè)內(nèi)容有全球唯一命名,內(nèi)容消費(fèi)者根據(jù)內(nèi)容名字發(fā)出興趣包獲取內(nèi)容。網(wǎng)絡(luò)中的路由節(jié)點(diǎn)均可緩存內(nèi)容,興趣包可在源服務(wù)器也可在路由節(jié)點(diǎn)上得到響應(yīng)。

近年來,許多關(guān)于NDN的緩存研究通過設(shè)計(jì)和應(yīng)用合理的緩存策略降低了服務(wù)器負(fù)載,減少了內(nèi)容獲取時(shí)延和網(wǎng)絡(luò)帶寬消耗,但較少關(guān)注到內(nèi)容所屬的服務(wù)類型以及不同服務(wù)類型的QoS需求差異,使得這些緩存算法難以應(yīng)用在服務(wù)多樣、用戶需求復(fù)雜的實(shí)際場(chǎng)景。

Diffserv模型是在IP網(wǎng)絡(luò)中廣泛應(yīng)用的區(qū)分服務(wù)模型。該模型根據(jù)流量特征及其服務(wù)的QoS要求將網(wǎng)絡(luò)中的流量劃分為12個(gè)種類,在路由節(jié)點(diǎn)中對(duì)每種流量類型規(guī)定單跳行為PHB(Per-Hop Behavior),同時(shí)結(jié)合流量監(jiān)控、隊(duì)列管理功能,給不同的流量類型提供區(qū)分服務(wù)。

受Diffserv模型啟發(fā),本文提出一種適用于NDN的區(qū)分服務(wù)緩存策略。通過簡(jiǎn)化Diffserv模型的服務(wù)分類,建立緩存內(nèi)容分類模型,并給出區(qū)分服務(wù)的概率緩存算法DiffCache。該算法同時(shí)考慮內(nèi)容分類和網(wǎng)絡(luò)特性實(shí)現(xiàn)緩存資源的動(dòng)態(tài)分配,使不同類型的內(nèi)容具有不同的緩存命中率及下載時(shí)延,從而利用緩存資源滿足不同服務(wù)的QoS需求。

1 相關(guān)研究

緩存算法是NDN研究熱點(diǎn)之一[4-5],它考慮的問題是路由節(jié)點(diǎn)應(yīng)緩存哪些內(nèi)容以獲得更高的緩存命中率,減少內(nèi)容下載時(shí)延和帶寬消耗。NDN中較為經(jīng)典的緩存策略有LCE(Leave Copy Everywhere)[6]、LCD(Leave Copy Down)[7]及概率緩存Probability[8]。LCE是NDN默認(rèn)的緩存策略,實(shí)現(xiàn)方式是路由節(jié)點(diǎn)不加區(qū)分地緩存每一個(gè)到達(dá)的內(nèi)容。該算法簡(jiǎn)單、速度快,但容易造成大量?jī)?nèi)容冗余。LCD僅在命中節(jié)點(diǎn)的下一跳緩存內(nèi)容,使請(qǐng)求次數(shù)多的內(nèi)容更快地到達(dá)網(wǎng)絡(luò)邊緣,彌補(bǔ)了LCE中大量?jī)?nèi)容冗余的不足,但內(nèi)容通常要經(jīng)過幾次請(qǐng)求才能到達(dá)網(wǎng)絡(luò)邊緣,當(dāng)鏈路帶寬不足時(shí)不能有效利用緩存減少下載時(shí)延。概率緩存Probability對(duì)每個(gè)到達(dá)路由節(jié)點(diǎn)的內(nèi)容以固定概率決定是否緩存,算法簡(jiǎn)單高效,但存在隨機(jī)性。

在經(jīng)典緩存算法的基礎(chǔ)上,研究者提出了基于內(nèi)容流行度和致力于減少傳輸延遲的緩存算法[9-10]。在NDN中,內(nèi)容流行度可分為內(nèi)容原始流行度和路由節(jié)點(diǎn)本地流行度。路由節(jié)點(diǎn)本地流行度是指由路由節(jié)點(diǎn)統(tǒng)計(jì)到的內(nèi)容流行度。由于對(duì)相同內(nèi)容的未滿足請(qǐng)求會(huì)聚合在PIT表中,不再向上游節(jié)點(diǎn)轉(zhuǎn)發(fā),因此路由器本地流行度通常與內(nèi)容原始流行度有所區(qū)別。文獻(xiàn)[11]提出的OCPCP算法在路由節(jié)點(diǎn)中設(shè)置了一個(gè)閾值,當(dāng)統(tǒng)計(jì)到某種興趣包請(qǐng)求數(shù)目到達(dá)該閾值時(shí)緩存對(duì)應(yīng)的數(shù)據(jù)包。文獻(xiàn)[12]提出基于路由節(jié)點(diǎn)本地流行度的貪心緩存算法,將隨機(jī)的網(wǎng)絡(luò)拓?fù)浣怦畛捎邢驘o(wú)環(huán)圖,圖中每個(gè)節(jié)點(diǎn)緩存其本地流行度最高的部分內(nèi)容,明顯提高了緩存內(nèi)容的命中率。在致力于減少傳輸延遲的緩存算法中,文獻(xiàn)[13]證明了在瓶頸鏈路下游緩存單個(gè)內(nèi)容副本能最大化緩存內(nèi)容種類數(shù)量,最小化網(wǎng)絡(luò)平均下載時(shí)延,并提出了LAC(Latency Aware Cache)緩存算法,根據(jù)內(nèi)容下載時(shí)延估計(jì)鏈路擁塞情況,用本次內(nèi)容下載時(shí)延與t時(shí)刻前內(nèi)容下載時(shí)延的比值來計(jì)算內(nèi)容緩存概率,結(jié)合路由節(jié)點(diǎn)在鏈路中的位置做緩存決策。文獻(xiàn)[14]提出了基于RTT(Round Trip Time)的緩存算法,路由器通過計(jì)算本次內(nèi)容的興趣包發(fā)出到數(shù)據(jù)包返回的時(shí)間與一個(gè)時(shí)間窗內(nèi)內(nèi)容往返時(shí)間的均值之比得到本次內(nèi)容的緩存概率,然后使用該值做概率緩存。上述算法通過優(yōu)先緩存流行度高的內(nèi)容或下載時(shí)間長(zhǎng)的內(nèi)容,提高了緩存命中率,減少了下載時(shí)延和帶寬消耗,但是這些算法都將網(wǎng)絡(luò)中的內(nèi)容同等對(duì)待,沒有考慮內(nèi)容分類和區(qū)分服務(wù),因此,不能很好地適用于需要給不同服務(wù)提供不同QoS質(zhì)量的場(chǎng)景。

能對(duì)不同服務(wù)類型提供區(qū)分服務(wù)的Diffserv模型在IP網(wǎng)絡(luò)中研究較為成熟[15-17],RFC文檔中也有詳細(xì)描述[18-19]。最早將Diffserv模型用于NDN網(wǎng)絡(luò)的是文獻(xiàn)[20]提出的區(qū)分服務(wù)的轉(zhuǎn)發(fā)和緩存策略。緩存策略是將內(nèi)容分類,由內(nèi)容提供者標(biāo)記內(nèi)容屬于哪個(gè)分類并注冊(cè)到網(wǎng)絡(luò)提供商的內(nèi)容列表中。當(dāng)路由節(jié)點(diǎn)收到一個(gè)數(shù)據(jù)包時(shí),先檢查該數(shù)據(jù)包是否在內(nèi)容列表中,然后讀取數(shù)據(jù)包的標(biāo)記判斷內(nèi)容屬于哪個(gè)分類,并將內(nèi)容緩存到該分類對(duì)應(yīng)的緩存空間中。該模型實(shí)現(xiàn)了區(qū)分服務(wù)的緩存,但每種類型的緩存空間大小是固定配置的,不能隨各類內(nèi)容數(shù)量變化動(dòng)態(tài)調(diào)整,且會(huì)在數(shù)據(jù)包經(jīng)過的沿路節(jié)點(diǎn)緩存內(nèi)容,與LCE一樣容易造成內(nèi)容冗余,浪費(fèi)寶貴的緩存空間。文獻(xiàn)[21]提出的區(qū)分服務(wù)緩存算法給出每類內(nèi)容的權(quán)重矩陣,利用反饋控制理論實(shí)現(xiàn)給不同類型的內(nèi)容動(dòng)態(tài)分配緩存空間,保證了不同類型內(nèi)容的命中率在一個(gè)可接受范圍內(nèi)波動(dòng)。但該算法只是保持各類服務(wù)的命中率大小,沒有充分利用緩存資源來減少內(nèi)容下載時(shí)延,且算法計(jì)算復(fù)雜,不能滿足NDN對(duì)緩存處理需要快速執(zhí)行的要求。

綜上所述,如果能對(duì)NDN中的緩存內(nèi)容做合理分類,把考慮到內(nèi)容流行度和內(nèi)容下載時(shí)延的緩存算法分別應(yīng)用于不同類別的內(nèi)容中,動(dòng)態(tài)調(diào)整各類內(nèi)容的緩存空間,將能更好地利用緩存資源滿足不同服務(wù)的QoS需求,更貼合NDN未來的實(shí)際使用場(chǎng)景。

2 DiffCache緩存算法

NDN網(wǎng)絡(luò)中的數(shù)據(jù)傳輸主要通過興趣包和數(shù)據(jù)包完成。一個(gè)典型的內(nèi)容請(qǐng)求與響應(yīng)在路由節(jié)點(diǎn)的處理過程如圖1所示。為使處理過程更適用于多種服務(wù)類型、多種QoS需求的場(chǎng)景,本文提出了NDN中的緩存內(nèi)容分類模型與基于該分類模型的概率緩存算法DiffCache。在興趣包轉(zhuǎn)發(fā)過程中,當(dāng)路由節(jié)點(diǎn)收到未在CS命中的請(qǐng)求時(shí),在FIB中添加到達(dá)接口的記錄,并更新該內(nèi)容的請(qǐng)求次數(shù)與請(qǐng)求到達(dá)時(shí)間。當(dāng)源服務(wù)器返回?cái)?shù)據(jù)包時(shí),根據(jù)其服務(wù)的QoS需求從緩存內(nèi)容分類模型中找到對(duì)應(yīng)分類并做標(biāo)記,該標(biāo)記分類將作為沿途節(jié)點(diǎn)做緩存決策的依據(jù)之一。路由節(jié)點(diǎn)接收到數(shù)據(jù)包時(shí),根據(jù)數(shù)據(jù)包的標(biāo)記分類、路由節(jié)點(diǎn)統(tǒng)計(jì)的請(qǐng)求次數(shù)與等待內(nèi)容響應(yīng)時(shí)間做概率緩存。

圖1 NDN中內(nèi)容請(qǐng)求與響應(yīng)處理過程Fig.1 Content request and response process in NDN

合理的緩存內(nèi)容分類模型有助于路由節(jié)點(diǎn)明確網(wǎng)絡(luò)中各種內(nèi)容的優(yōu)先級(jí)與其對(duì)應(yīng)的服務(wù)要求,從而能做出更好的緩存決策。結(jié)合同時(shí)考慮內(nèi)容分類和網(wǎng)絡(luò)特性的緩存算法DiffCache,把有限的緩存空間分配給高優(yōu)先級(jí)、高QoS要求的內(nèi)容,實(shí)現(xiàn)了緩存資源的動(dòng)態(tài)分配,更好地利用了緩存資源滿足不同服務(wù)的QoS需求。

2.1 緩存內(nèi)容分類模型

本文提出的緩存內(nèi)容分類模型基于IP網(wǎng)絡(luò)中的Diffserv模型。下文介紹Diffserv模型中對(duì)流量的分類方式以及緩存內(nèi)容分類模型,并說明如何將Diffserv模型中的內(nèi)容分類對(duì)應(yīng)到緩存內(nèi)容分類中,最后應(yīng)用緩存內(nèi)容分類模型對(duì)Cisco VIN預(yù)測(cè)的未來流量進(jìn)行分類,說明該模型有較好的適應(yīng)性。

網(wǎng)絡(luò)中的內(nèi)容有多種分類方式,Diffserv模型中推薦的分類方式是將內(nèi)容分為網(wǎng)絡(luò)控制(Network Control)和用戶/訂閱者流量(User/Subscriber Traffic)兩大類,每類下再根據(jù)流量特征和對(duì)抖動(dòng)、丟包及延遲的容忍程度分出共12種服務(wù)類型,網(wǎng)絡(luò)管理員可根據(jù)實(shí)際需要在這12類服務(wù)類型中做進(jìn)一步細(xì)分[18]。

與Diffserv模型類似,緩存內(nèi)容分類模型中首先按是否需要緩存將網(wǎng)絡(luò)中的內(nèi)容分為無(wú)需緩存(No Cache,NC)和需要緩存(Do Cache,DC)兩大類。部分內(nèi)容時(shí)效性強(qiáng),過期時(shí)間短,且一般不會(huì)被重復(fù)請(qǐng)求,緩存這些不能重復(fù)利用的內(nèi)容會(huì)浪費(fèi)寶貴的緩存空間,因此將其歸類于無(wú)需緩存。

在需要緩存的內(nèi)容分類中,依據(jù)內(nèi)容對(duì)應(yīng)的服務(wù)對(duì)于QoS中延遲指標(biāo)的要求高低,進(jìn)一步將內(nèi)容細(xì)分為盡力而為和減少延遲2種類型。此處選擇延遲需求作為分類依據(jù)的原因是:減少下載延遲是緩存能帶來的最直接的優(yōu)點(diǎn)——當(dāng)一個(gè)請(qǐng)求能在網(wǎng)絡(luò)內(nèi)緩存命中時(shí),不必從源服務(wù)器獲取內(nèi)容,那么就可節(jié)省從源服務(wù)器到命中節(jié)點(diǎn)這段路徑的傳輸時(shí)間。由于抖動(dòng)是衡量分組傳輸延遲的指標(biāo),是由網(wǎng)絡(luò)擁塞時(shí)的排隊(duì)時(shí)延變化引起的,其能帶來的好處不直接,在緩存內(nèi)容分類模型中不以該指標(biāo)作為依據(jù)。同樣地,對(duì)于分組丟失或比特丟失引起的丟包緩存帶來的好處也不直接,故對(duì)丟包率高低的需求不作為緩存內(nèi)容分類的依據(jù)。

緩存內(nèi)容分類模型中將內(nèi)容分為了無(wú)需緩存(NC)、盡力而為(BE)和減少延遲(Less Delay,LD)3種,其中BE和LD屬于需要緩存的大類,下面將Diffserv模型中的服務(wù)分類對(duì)應(yīng)到緩存內(nèi)容分類中,可以看到兩者能很好地兼容。

在Diffserv的12種服務(wù)類型中,網(wǎng)絡(luò)控制服務(wù)和OAM(Operations,Administrations and Management)服務(wù)屬于網(wǎng)絡(luò)控制這一大分類,它們的傳輸要求低延遲,但對(duì)抖動(dòng)容忍程度高。由于這一類服務(wù)的內(nèi)容通常不會(huì)被重復(fù)請(qǐng)求,因此在緩存內(nèi)容分類模型中將這一類內(nèi)容歸類為NC。另一類屬于NC分類的內(nèi)容特征是具有強(qiáng)時(shí)效性,過期時(shí)間短,包括電話、信號(hào)、多媒體會(huì)議和實(shí)時(shí)互動(dòng)4種內(nèi)容。其余分類的內(nèi)容可重復(fù)利用,因此被歸類于需要緩存。對(duì)于多媒體流、廣播視頻和低延遲數(shù)據(jù)3類內(nèi)容,由于它們對(duì)延遲要求較高,可將其歸類于LD。而對(duì)于高吞吐量?jī)?nèi)容、標(biāo)準(zhǔn)內(nèi)容和低優(yōu)先級(jí)內(nèi)容,由于它們的可容忍延遲時(shí)間較長(zhǎng),將其歸類于BE。上述內(nèi)容分類總結(jié)如表1所示。

表1 緩存內(nèi)容分類模型Table 1 Cache content classification model

除了能與Diffserv模型中的服務(wù)分類良好兼容外,緩存內(nèi)容分類模型也可以很好地應(yīng)用在未來流量的分類中。據(jù)Cisco的VNI預(yù)測(cè)報(bào)告,未來幾年的IP網(wǎng)絡(luò)流量中視頻流量將占到82%[1],包括短視頻、長(zhǎng)視頻、直播視頻、網(wǎng)絡(luò)電視、在線視頻購(gòu)物及網(wǎng)絡(luò)視頻監(jiān)控。其余流量還有網(wǎng)頁(yè)、郵件、即時(shí)通信、共享文件、在線游戲等。按照上述方法,緩存內(nèi)容分類模型中的分類如郵件、即時(shí)通信、在線游戲、在線視頻購(gòu)物及網(wǎng)絡(luò)視頻監(jiān)控等實(shí)時(shí)性強(qiáng),可歸類于NC。直播視頻、網(wǎng)絡(luò)電視需要減少延遲,且內(nèi)容在一個(gè)時(shí)間段內(nèi)可以重復(fù)利用,因此,將其歸類于LD。長(zhǎng)視頻、短視頻、網(wǎng)頁(yè)、共享文件等內(nèi)容由于缺少明確的實(shí)時(shí)性要求,可歸類于BE。Cisco VNI預(yù)測(cè)流量類型的分類如表2所示。

表2 Cisco VNI預(yù)測(cè)流量類型的分類Table 2 Classification of Cisco VNI predicted traffic types

與Diffserv模型類似,若考慮到不同用戶、內(nèi)容提供商的優(yōu)先級(jí)等服務(wù)要求,在每個(gè)分類下可進(jìn)一步細(xì)分出其他類型。

2.2 DiffCache緩存算法

基于上述的緩存內(nèi)容分類模型,DiffCache算法同時(shí)考慮內(nèi)容分類與網(wǎng)絡(luò)特性,根據(jù)內(nèi)容類別、路由節(jié)點(diǎn)本地流行度和內(nèi)容等待時(shí)間計(jì)算出每個(gè)內(nèi)容的緩存概率,由路由節(jié)點(diǎn)做概率緩存。算法通過給不同類別的內(nèi)容以不同的緩存概率實(shí)現(xiàn)動(dòng)態(tài)分配緩存資源,從而能更好地利用緩存資源滿足不同服務(wù)的QoS需求。

在DiffCache算法中,每個(gè)內(nèi)容c在路由節(jié)點(diǎn)n上的緩存概率Pc,n由式(1)計(jì)算得出:

(1)

(2)

(3)

其中,參數(shù)的含義與取值如下:

1)clc是內(nèi)容在緩存內(nèi)容分類模型中所屬類別對(duì)應(yīng)的數(shù)值,內(nèi)容分類由源服務(wù)器在返回?cái)?shù)據(jù)包時(shí)予以標(biāo)記,類別對(duì)應(yīng)數(shù)值由路由節(jié)點(diǎn)查詢內(nèi)容分類表獲取。

4)α、β、γ是對(duì)應(yīng)項(xiàng)的權(quán)重因子,三者之和等于1。

表3 內(nèi)容分類表示例Table 3 Example of content classification representation

表4 PIT表示例Table 4 Example of PIT representation

圖2 DiffCache算法應(yīng)用示例Fig.2 Example of DiffCache algorithm

3 實(shí)驗(yàn)結(jié)果與分析

3.1 實(shí)驗(yàn)參數(shù)與設(shè)置

由于文獻(xiàn)[20]的緩存算法結(jié)合了相應(yīng)的轉(zhuǎn)發(fā)算法,單獨(dú)實(shí)驗(yàn)緩存算法進(jìn)行比較的結(jié)果不準(zhǔn)確,文獻(xiàn)[21]所提的算法涉及權(quán)重矩陣計(jì)算與反饋控制,計(jì)算復(fù)雜,不滿足NDN中緩存需要快速執(zhí)行的要求,本文采用NDN中經(jīng)典的緩存策略LCE、LCD和Probability作為對(duì)照組,其中Probability設(shè)置的緩存概率為0.7。

3.2 結(jié)果分析

圖3和圖4是4種緩存策略的路由節(jié)點(diǎn)平均命中率和內(nèi)容下載時(shí)延。

圖3 平均命中率隨緩存容量的變化Fig.3 Average hit rate varying with cache capacity

圖4 內(nèi)容下載時(shí)延隨緩存容量的變化Fig.4 Average download latency varying with cache capacity

從圖中可以看到,隨著緩存空間的增加,各算法的緩存命中率均增大,內(nèi)容下載時(shí)延減少,其中DiffCache算法的命中率增幅達(dá)7.34倍,下載時(shí)延減少約一半。由于DiffCache算法將緩存空間分配給了可重復(fù)利用的LD及BE類型內(nèi)容,因此即使少緩存了部分內(nèi)容,總體命中率與內(nèi)容下載時(shí)延仍稍優(yōu)于其余3種算法。在下載時(shí)延方面,當(dāng)緩存空間較小時(shí),LCD算法略優(yōu),但是當(dāng)緩存空間增大到內(nèi)容總數(shù)的0.03時(shí),DiffCache表現(xiàn)逐漸優(yōu)于LCD算法。當(dāng)緩存空間為內(nèi)容總數(shù)的0.1時(shí),DiffCache算法對(duì)比LCD算法減少了15.38%,這是由于DiffCache算法優(yōu)先緩存下載延時(shí)大的內(nèi)容,能更快地將下載時(shí)間長(zhǎng)的內(nèi)容緩存在邊緣節(jié)點(diǎn),而LCD算法可能由于內(nèi)容替換過快,使得內(nèi)容難以移動(dòng)到用戶附近。

圖5和圖6是LD類型內(nèi)容的緩存命中率與下載時(shí)延,圖7和圖8是BE類型內(nèi)容的緩存命中率和下載時(shí)延,可以看到2種類型內(nèi)容的評(píng)價(jià)指標(biāo)均好于另外3種算法,且LD和BE類型在內(nèi)容評(píng)價(jià)指標(biāo)上有明顯區(qū)分,當(dāng)緩存空間較小時(shí),LD類型內(nèi)容的命中率比BE類型約高8.77%,下載時(shí)延比BE類型減少了約11.43%。隨著緩存空間的增大,不同類型的內(nèi)容間的命中率及下載時(shí)延區(qū)分更明顯。圖9和圖10是在實(shí)驗(yàn)過程中LD類型及BE類型在路由節(jié)點(diǎn)的緩存中所占比例。

圖5 LD類型平均命中率隨緩存容量的變化Fig.5 Average hit rate of LD types varying with cache capacity

圖6 LD類型下載時(shí)延隨緩存容量的變化Fig.6 Download latency of LD types varying with cache capacity

圖7 BE類型平均命中率隨緩存容量的變化Fig.7 Average hit rate of BE types varying with cache capacity

圖8 BE類型下載時(shí)延隨緩存容量的變化Fig.8 Download latency of BE types varying with cache capacity

圖9 緩存中的LD類型占比Fig.9 Proportion of LD types in cache

圖10 緩存中的BE類型占比Fig.10 Proportion of BE types in cache

在DiffCache算法中,LD類型的內(nèi)容緩存所占比例約為71.2%,BE類型的內(nèi)容緩存所占比例約為28.8%,與其他3種算法相比,DiffCache實(shí)現(xiàn)了在不同類型的內(nèi)容間動(dòng)態(tài)分配緩存。

本文通過簡(jiǎn)化Diffserv模型的服務(wù)分類,建立一個(gè)新的緩存內(nèi)容分類模型,根據(jù)NDN上不同內(nèi)容的流量特征及其服務(wù)的QoS要求,將內(nèi)容分為無(wú)需緩存(No Cache,NC)、盡力而為(Best Effort,BE)及減少延遲(Less Delay,LD)類。然后,提出區(qū)分服務(wù)的概率緩存算法DiffCache,即對(duì)這3類內(nèi)容根據(jù)內(nèi)容提供商的推薦分類、路由器本地流行度及內(nèi)容等待響應(yīng)時(shí)間計(jì)算出不同緩存概率,路由節(jié)點(diǎn)對(duì)到達(dá)的內(nèi)容做概率緩存。該算法同時(shí)考慮內(nèi)容分類和網(wǎng)絡(luò)特性,實(shí)現(xiàn)了緩存資源的動(dòng)態(tài)分配,使不同類型的內(nèi)容具有不同的緩存命中率及下載時(shí)延,從而能更好地利用緩存資源滿足不同服務(wù)的QoS需求,且算法復(fù)雜度低,執(zhí)行速度快,擴(kuò)展性好。

4 結(jié)束語(yǔ)

本文借鑒IP網(wǎng)絡(luò)中區(qū)分服務(wù)的Diffserv模型,提出一個(gè)用于NDN的緩存內(nèi)容分類模型,并基于該模型設(shè)計(jì)分類緩存算法DiffCache。該算法同時(shí)考慮內(nèi)容分類和網(wǎng)絡(luò)特性,結(jié)合內(nèi)容提供商指定的分類、路由節(jié)點(diǎn)統(tǒng)計(jì)的本地流行度及路由節(jié)點(diǎn)記錄的下載時(shí)間,對(duì)每個(gè)到達(dá)路由節(jié)點(diǎn)的內(nèi)容分配不同的緩存概率。仿真結(jié)果表明,與經(jīng)典NDN緩存算法相比,DiffCache算法在不影響全局命中率和內(nèi)容下載延時(shí)的情況下,能準(zhǔn)確區(qū)分每種內(nèi)容類型的性能指標(biāo)表現(xiàn),從而能更好地利用緩存資源滿足不同服務(wù)對(duì)于延遲的QoS需求。本文的緩存內(nèi)容模型只是簡(jiǎn)單地將緩存內(nèi)容分為3類,下一步將研究更精細(xì)的緩存內(nèi)容分類模型,以更好地適應(yīng)網(wǎng)絡(luò)變化的情況。