0 引言

    随着网络技术的发展以及互联网用户的快速增加，网络应用的主体正逐步向内容获取和信息服务演进。早期为解决端到端通信问题而设计的基于TCP/IP的体系架构对计算机网络性能的限制使得传统互联网难以满足海量的网络数据处理需求，这激发了人们对未来网络架构设计的重新思考与研究。信息中心网络(Information-Centric Networking，ICN)^[1]作为一种“革命性”体系架构，其以内容为中心的特点无缝迎合了未来网络的发展趋势，因而受到研究学者的广泛关注。在ICN体系的诸多部署方案中，命名数据网络(Named Data Networks，NDN)因其先进的设计理念、灵活的路由转发机制以及分布式的网内缓存方式等良好特性已经成为ICN中的研究热点。

    为了满足高效的内容分发与获取的需求，NDN在设计时通过引入网内缓存(in-network caching)机制来减少不必要的网络数据传输，从而提高数据传输效率，增强网络的可扩展性。在NDN中，每个网络节点都具有一个内容存储库(Content Store，CS)，用于缓存经过本地节点的数据，从而为后续与数据对应的相关请求提供路径缓存服务。然而，与海量的数据相比，网络节点中CS的容量相当有限，因此如何合理地进行内容放置和缓存决策，是影响NDN性能的关键因素。

    NDN在设计之初默认采用处处缓存(Cache Everything Everywhere，CEE)策略^[2]，但该方法会导致节点缓存内容趋于同质化，故无法充分发挥网内缓存效率。近年来，学术界围绕NDN缓存技术的研究已经取得了不少成果。文献[3]针对CEE策略的缓存冗余问题，提出只在请求命中节点的直接下一跳缓存数据(Leave Copy Down，LCD)，一定程度上提高了网络缓存的利用率，但流行度高的内容需要被访问多次才能缓存到边缘节点上。文献[4]提出了一种基于内容流行度的协作缓存策略(WAVE)，它根据内容请求次数以指数方式逐步增加沿途节点上所缓存的数据包个数，从而实现数据在空间存储位置上的差异化，但该方案并没有考虑内容请求序列的相关性。文献[5]通过估算路径的剩余存储能力来计算同一路径上的不同数据流在沿途各节点上的缓存概率，从而提出了一种兼顾不同数据流间存储公平性的概率缓存策略(ProbCache)。文献[6]提出了一种分布式沿途缓存策略，即最大增益网内缓存(MAGIC)。网络节点基于内容流行度和路由跳数来计算内容的缓存增益，并在数据传输路径上选择具有最大缓存增益的节点进行内容缓存，从而达到减少网络带宽消耗的目的。但该方案在进行缓存决策时需要重新计算各内容的流行度，因此计算量大，执行复杂度高。文献[7]提出了一种主动缓存策略，其主要思想是利用熵来衡量移动性预测的不确定性，并定位最佳的预取节点，从而降低服务器负载，并减少缓存冗余。

    针对NDN的网络架构特性，本文提出了一种基于Dec-POMDP的NDN缓存策略。首先利用Dec- POMDP理论框架对NDN网络的缓存问题进行建模，该模型考虑了缓存节点间的相互协作，以实现降低缓存内容冗余度和内容优化存储的目的。在此基础上，通过限制节点的协作域的方法来避免引入过量的额外通信开销，进而降低模型求解的复杂度。最后，本文给出了一种基于强化学习的局部近似最优缓存策略的求解算法。仿真结果表明，该方法能够有效增加缓存内容的多样性，提升缓存命中率，进而减小用户请求内容的总跳数。

本文详细内容请下载:http://www.chinaaet.com/resource/share/2000003100

作者信息:

姚进发

(锐捷网络股份有限公司 锐捷研究院，福建 福州350002)