【D2D蜂窝网络中的启发式缓存策略分析2600字】

D2D蜂窝网络中的启发式缓存策略分析目录TOC\o"1-3"\h\u1383D2D蜂窝网络中的启发式缓存策略分析 1210341.1系统模型模型 2203141.1.1网络模型 281421.1.2用户模型 2161541.1.3内容访问规范 3136121.2启发式算法 313491.1.1设计策略 3131811.1.2基于启发式算法的缓存策略 4278981.3算法仿真分析 6217671.3.1仿真分析 6318711.3.2仿真结果 6为了解决移动边缘缓存问题，我们研究关于D2D蜂窝网络中的移动边缘缓存技术。D2D通讯是一种很好的减轻网络拥挤的技术。在D2D蜂窝网络中，大部分网络边缘设备能够经由无线电接口彼此通信，包括网络中的基站和设备。然而在现实情况下，移动边缘缓存节点的存储容量是有一定限制的，所以网络边缘设备缓存的内容是不符合现实情况的，同时在D2D蜂窝网络中，如何做出合理的内容缓存决策是非常重要的，也就是说要在D2D的蜂窝网络中缓存什么内容。1.1系统模型模型1.1.1网络模型图1.1D2D蜂窝缓存系统的系统模型系统模型如图1.1所示。网络模型包括具有缓存功能的SBSs。为了使系统模型更加的简单，我们假设模型中的SBSs的缓存容量都是相同的，其容量表示为CspsL,其中每个内容的长度都是相同L。所以每个SBS最多能缓存CsBs数量的内容。我们同时假设一个内容只能全部缓存。SBS的内容放置位置可以表示为PSBS=[P1SBS,P2SBS,,P1.1.2用户模型我们假设部分用户具有缓存能力，它服从PPP分布，用户比例为α，取值范围为1≤α≤1为了方便计算，假设每个具有缓存能力的用户设备都具有相同的缓存容量，表示为CuL.表明每个用户最多能在本地缓的内容数量为Cu。而且如果请求用户到所需内容之间的距离小于用户的通信半径，系统就可以实现D2D通信。PU=[P1U,P2U,,P1.1.3内容访问规范内容存取规范，它为用户设备的统一以及基地台的内容传送共享奠定了基础。通过引入这项规范，可以对用户的要求进行处理，从而有效地提高了缓存的命中率。我们对以下内容存取协议进行了定义：1.自动命中：当出现一个内容要求时，使用者会先查看它的本地存储器是否已经储存了需要的东西。如果使用者已经将所要求的内容缓存到其本地存储器中，那么这个要求就会被立即执行并被卸载。1.D2D命中：如果请求的内容还没有被缓存到本地存储器中，或使用者没有缓存的能力，那么使用者就会转而搜寻该装置周围所需要的东西。如果一个使用者有至少一个要求使用者在他的学径范围内储存所需要的信息，我们称之为“D2D命中”D2D通讯，它能够满足这个要求。3.SBS击中：若D2D未击中，并且有一个SBS已经缓存了需要的数据，那么这个请求就会被SBS发送和被卸载，这被称作“SBS命中”.4.蜂窝式MBS响应：当本地缓存、D2D或SBS没有回应时，必须将其转发给移动MBS，该MBS会生成回应并返回“命中丢失”的请求。1.2启发式算法1.1.1设计策略在边缘网中，为了保证高速缓存的内容，必须要设计出适合于高速缓存的算法。换句话说，我们所设计的演算法应该尽量将那些陈旧的从缓存中剔除，而高效的缓冲区替代算法则能够在一个请求到达后，就能够快速地存取缓冲区。特别是，当所要求的东西在快取清单中时，它的得分就会提高。再一次，当所要求的内容不在快取清单中时，会将内容缓存到快取清单中，并对内容进行初始化。当缓存空间不够时，当所有当前内容的最低得分都小于临界值时，将会发现得分最低的缓存，并且用一个没有击中的部分替代它。1.1.2基于启发式算法的缓存策略我们提出的启发式缓存策略如图1.1所示，首先，系统对请求内容进行检查，检查其是否存在当前用户设备中，如果不存在，则将请求转发给相邻的设备。如果相邻设备也没有缓存相应的内容，则将请求转发给SBS。如果请求的内容不在SBS的缓存中，并且用户可以与SBS通信，则SBS将根据图1.2所示进行工作以缓存新内容。最后，无论是否命中了新内容，用户设备都将根据图1.2所示来缓存新内容符号定义H自我命中率HD2D命中率HSBS命中率M命中丢失次数R对内容n的请求表1.1算法符号表图1.2D2D蜂窝网缓存策略图1.3启发式替换算法1.3算法仿真分析1.3.1仿真分析在D2D的蜂窝网络中，将命中率可分为三类:自我命中率，D2D命中率和SBS命中率。自我命中率表示为请求缓存在本地设备中的请求数占总请求数量的比例。D2D命中率表示可以在D2D设备缓存中找到请求内容的请求数量占所有请求的比例。SBS命中率是指可以在SBS中找到所请求内容的用户请求占总的请求数量的比例。（1）齐夫定律我们假定所有内容的数量为N,8是表征分布的指数值，i是内容的受欢迎等级。因此，内容的受欢迎程度分布为pi=其中，pi(2)缓存命中率缓存命中率是评定缓存策略性能好坏的关键指标。例如，在SBS和用户设备缓存用户请求的内容的情况下，则将该请求标记为缓存命中。否则，将其标记为缓存未命中。因此，缓存命中率为缓存命中率=缓存命中次数缓存命中次数+缓存丢失次数1.3.2仿真结果仿真参数设置如下： 图1.4仿真参数设置图1.5不同的Zipf指数下的自我命中率在图1.5中，随着Zipf指数的增加，每种算法的自我命中率都增大了，但是启发式算法的效果很好，并且我们还可以发现，随着自我命中率变大，用户的请求D2D和SBS的次数总和会减少，所以整体的D2D命中率和SBS命中率会随之下降。图1.6不同的Zipf指数下的D2D命中率图1.7不同的Zipf指数下的SBS命中率对比图1.6和图1.7我们可以发现，图1.5的MPLRU和图3.4的LRU到达D2D设备或SBS的请求更少。所以，启发式算法的D2D命中率和SBS命中率均不大，看起来是合理的。图1.8不同的Zipf指数下的未命中率在图1.8中，可以发现，缓存未命中率随着Zipf指数的增加而连续降低，这表明自我命中率、D2D命中率和SBS命中率之和在增加。当我们固定Zipf指数为1.2后，对比地绘制了具有不同数量请求下内容的命中率和未命中率。图1.9不同的内容数量下的自我命中率从图1.9中可以看出，自我命中率在最初的时候会迅速增加，而随着所请求内容的数量增加，自我命中率缓慢增加。图1.10不同的内容数量下的D2D命中率图1.11不同容量下的SBS命中率在图1.9、图1.10和图1.11