[論文レビュー] Optimizing Caching Policy at Base Stations by Exploiting User Preference and Spatial Locality.

Dong Liu, Chenyang Yang|arXiv (Cornell University)|Oct 27, 2017

Caching and Content Delivery参考文献 38被引用数 5

ひとこと要約

本稿は、基地局におけるキャッシュポリシー最適化フレームワークを提案し、ユーザーの好み、アクティブ度、空間的局所性を統合的に活用することで、ネットワーク全体のダウンロード遅延を最小限に抑え、ユーザーの公平性を最大化することを目的としている。異種ユーザー行動およびコンテンツ要求パターンをモデル化することで、特に好みの不均一性、空間的局所性、アクティブ度の偏りが高い状況下でも、性能と公平性の両面で顕著な向上を達成している。

ABSTRACT

Most prior works of proactive caching at wireless edge optimize caching policies under the following assumptions: the preference of each user is identical to content popularity, all users request contents with the same active level and at uniformly-distributed locations. In this paper, we investigate what happens without these assumptions. To this end, we establish a framework to optimize caching policy at base stations exploiting user preference, active level, and spatial locality. We obtain optimal caching policy to minimize the weighted sum of the file download time averaged over all file requests and user locations in the network (reflecting network performance) and the maximal weighted download time averaged over possible file requests and locations of each user (reflecting user fairness). To investigate how user preference similarity and active level skewness affect the optimal caching policy, we then provide a method to synthesize user preference for given content popularity and user active level. The analysis and simulation results show that exploiting user preference can improve both network performance and user fairness remarkably compared with priori works. The gain of exploiting user preference increases with user preference heterogeneity, user spatial locality, and skewness of user active level.

研究の動機と目的

• 均一なユーザー好みとアクティブ度を仮定する従来のプロアクティブキャッシュ方式の限界を解消すること。
• キャッシュポリシー設計において、ユーザー好みの不均一性、空間的局所性、アクティブ度の偏りをモデル化・活用すること。
• すべてのユーザーおよび場所における平均ファイルダウンロード時間の重み付き和（ネットワーク性能）と、各ユーザーごとの最大重み付きダウンロード時間（ユーザー公平性）を最小化すること。
• 現実的な評価を可能にするために、コンテンツ人気度とアクティブ度分布に基づく合成ユーザー好みモデルを構築すること。
• ユーザー行動の不均一性がキャッシュ効率と公平性に与える影響を定量化すること。

提案手法

• 平均ダウンロード時間（ネットワーク性能）と最悪ケースダウンロード時間（ユーザー公平性）の複合指標を最小化する統合最適化問題を定式化すること。
• 行動の不均一性に基づいて、コンテンツ人気度を個々のユーザー好みにマッピングするユーザー好みモデルを導入すること。
• 基地局周辺の場所依存分布としてユーザー要求パターンをモデル化することで、空間的局所性を組み込むこと。
• 実世界のユーザー参加パターンを反映するため、ユーザーのアクティブ度を偏った分布としてモデル化すること。
• 与えられた人気度とアクティビティデータから、多様なユーザー行動をシミュレート可能な合成ユーザー好み生成手法を用いること。
• 現実のユーザー行動仮定に基づき、性能と公平性のバランスをとる構造的フレームワークを用いてキャッシュ最適化問題を解くこと。

実験結果

リサーチクエスチョン

• RQ1 ユーザー好みの不均一性は、最適キャッシュポリシーおよびネットワーク性能にどのように影響するか？
• RQ2 空間的局所性は、プロアクティブキャッシュ戦略の有効性にどのような影響を及ぼすか？
• RQ3 ユーザーアクティブ度の偏りは、ネットワーク性能とユーザー公平性のトレードオフにどのように影響するか？
• RQ4 好み、アクティビティ、位置の統合的モデリングは、従来手法と比較して、どれほどキャッシュ効率を向上させられるか？
• RQ5 さまざまなユーザー行動プロファイル下で、提案手法は公平性と性能をどのようにバランスさせるか？

主な発見

• 均一な好みを仮定する従来手法と比較して、ユーザー好みを活用することで、ネットワーク性能とユーザー公平性の両面で顕著な向上が達成された。
• ユーザー好みの不均一性が高くなるほど、ユーザー好みの統合による性能向上が顕著に増大する。
• ユーザー移動の空間的局所性が高くなると、提案されたキャッシュポリシーの有効性が向上する。
• ユーザーアクティブ度の偏りが高くなると、提案手法が達成する利点がさらに顕著に増幅される。
• 実際のユーザー行動パターンに合わせたキャッシュ配置の最適化により、平均および最大ダウンロード時間が顕著に短縮された。
• 合成ユーザー好みモデルは、現実のユーザー多様性を的確に捉え、正確な性能評価を可能にした。