电子与信息学报
電子與信息學報
전자여신식학보
JOURNAL OF ELECTRONICS & INFORMATION TECHNOLOGY
2013年
6期
1305-1310
,共6页
内容中心网络%概率置换策略%内容流行度%请求失败概率
內容中心網絡%概率置換策略%內容流行度%請求失敗概率
내용중심망락%개솔치환책략%내용류행도%청구실패개솔
Content Centric Networks (CCN)%Probability replacement policy%Content popularity%Request miss probability
内容中心网络是下一代互联网架构的研究热点,该架构通过分布式内容缓存机制实现以内容为核心的数据传输,改变了传统基于主机的网络通信模式.缓存置换策略是内容中心网络的核心研究问题之一,缓存置换策略的设计优劣直接制约内容中心网络的数据传输性能.该文针对内容的流行度分布特征,提出一种基于流行度的缓存概率置换策略,并针对 L 层级联的内容中心网络(CCN),推导了该策略下的网络分层缓存请求失败概率近似计算公式.该文策略根据请求数据块的流行度而选择数据块在缓存队列中的置换位置,尽可能平衡不同流行度内容在网络中的分布.数值计算结果表明:该策略适用于内容请求集中的网络应用,相比较传统的最近最少使用(LRU)策略,该文策略可以明显改善流行度较低的网络访问性能.
內容中心網絡是下一代互聯網架構的研究熱點,該架構通過分佈式內容緩存機製實現以內容為覈心的數據傳輸,改變瞭傳統基于主機的網絡通信模式.緩存置換策略是內容中心網絡的覈心研究問題之一,緩存置換策略的設計優劣直接製約內容中心網絡的數據傳輸性能.該文針對內容的流行度分佈特徵,提齣一種基于流行度的緩存概率置換策略,併針對 L 層級聯的內容中心網絡(CCN),推導瞭該策略下的網絡分層緩存請求失敗概率近似計算公式.該文策略根據請求數據塊的流行度而選擇數據塊在緩存隊列中的置換位置,儘可能平衡不同流行度內容在網絡中的分佈.數值計算結果錶明:該策略適用于內容請求集中的網絡應用,相比較傳統的最近最少使用(LRU)策略,該文策略可以明顯改善流行度較低的網絡訪問性能.
내용중심망락시하일대호련망가구적연구열점,해가구통과분포식내용완존궤제실현이내용위핵심적수거전수,개변료전통기우주궤적망락통신모식.완존치환책략시내용중심망락적핵심연구문제지일,완존치환책략적설계우렬직접제약내용중심망락적수거전수성능.해문침대내용적류행도분포특정,제출일충기우류행도적완존개솔치환책략,병침대 L 층급련적내용중심망락(CCN),추도료해책략하적망락분층완존청구실패개솔근사계산공식.해문책략근거청구수거괴적류행도이선택수거괴재완존대렬중적치환위치,진가능평형불동류행도내용재망락중적분포.수치계산결과표명:해책략괄용우내용청구집중적망락응용,상비교전통적최근최소사용(LRU)책략,해문책략가이명현개선류행도교저적망락방문성능.
As the next Internet research hotspot, Content Centric Networks (CCN) provide content dissemination through distributed content cache machines and change the traditional host-centric network architecture. Cache replacement policy is one of the core issues in CCN which will directly restrict the data dissemination performance of the network. Considering the content popularity distribution characteristic, this paper proposes a cache probability replacement policy based on content popularity and derives the closed-form expressions which calculate the average request miss probability of different levels in a L-level tandem network scenario. This policy is designed to select a data chunk replacement position in cache according to its popularity and try to balance the proportion of different popularity contents stored in the network nodes. Numerical results show that this policy is suitable for the network application with higher requests’ aggregation. In this scenario, it can obviously promote the dissemination performance of low contents compared with the traditional Least Recently Used (LRU) policy.