[논문 리뷰] Optimizing Caching Policy at Base Stations by Exploiting User Preference and Spatial Locality.

Dong Liu, Chenyang Yang|arXiv (Cornell University)|2017. 10. 27.

Caching and Content Delivery참고 문헌 38인용 수 5

한 줄 요약

이 논문은 기지국에서 사용자 선호도, 활성 수준, 공간 국지성(스페이셜 로컬리티)을 종합적으로 고려하여 네트워크 전반의 다운로드 지연을 최소화하고 사용자 간 공정성을 극대화하는 새로운 캐싱 정책 최적화 프레임워크를 제안한다. 이질적인 사용자 행동 및 콘텐츠 수요 패턴을 모델링함으로써, 특히 높은 선호도 이질성, 공간 국지성, 활성 수준 비대칭성 조건에서 성능과 공정성 측면에서 두드러진 향상을 달성한다.

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.

연구 동기 및 목표

• 일관된 사용자 선호도와 활성 수준을 가정하는 기존의 사전 캐싱 기법의 한계를 해결하기 위해.
• 캐싱 정책 설계에서 사용자 선호도 이질성, 공간 국지성, 활성 수준 비대칭성을 모델링하고 활용하기 위해.
• 모든 사용자 및 위치에 대한 평균 파일 다운로드 시간의 가중합(네트워크 성능)과 각 사용자당 최대 가중 다운로드 시간(사용자 공정성)을 최소화하기 위해.
• 실제 평가를 위해 콘텐츠 인기도와 활성 수준 분포를 기반으로 한 합성 사용자 선호도 모델을 개발하기 위해.
• 사용자 행동 이질성이 캐싱 효율성과 공정성에 미치는 영향을 정량화하기 위해.

제안 방법

• 평균 다운로드 시간(네트워크 성능)과 최악의 다운로드 시간(사용자 공정성)을 복합 지표로 최소화하는 공동 최적화 문제를 수립한다.
• 행동 이질성을 기반으로 콘텐츠 인기도를 개인별 사용자 선호도로 매핑하는 사용자 선호도 모델을 도입한다.
• 기지국 주변의 위치 기반 분포로 사용자 요청 패턴을 모델링함으로써 공간 국지성을 반영한다.
• 실제 사용자 참여 패턴을 반영하기 위해 사용자 활성 수준을 비대칭 분포로 모델링한다.
• 주어진 인기도 및 활동 데이터로부터 다양한 사용자 행동을 시뮬레이션할 수 있는 합성 사용자 선호도 생성 방법을 사용한다.
• 실제 사용자 행동 가정 하에 성능와 공정성을 균형 잡는 구조적 프레임워크를 사용하여 캐싱 최적화 문제를 해결한다.

실험 결과

연구 질문

• RQ1 사용자 선호도 이질성은 최적의 캐싱 정책과 네트워크 성능에 어떤 영향을 미치는가?
• RQ2 공간 국지성은 사전 캐싱 전략의 효과성에 어떤 영향을 미치는가?
• RQ3 사용자 활성 수준의 비대칭성은 네트워크 성능와 사용자 공정성 간의 트레이드오프에 어떤 영향을 미치는가?
• RQ4 선호도, 활동 수준, 위치를 종합적으로 모델링할 경우, 전통적 접근 방식에 비해 캐싱 효율성이 얼마나 향상되는가?
• RQ5 다양한 사용자 행동 프로파일에서 제안된 방법은 어떻게 공정성과 성능을 균형 잡는가?

주요 결과

• 기존 연구에서 사용자 선호도가 균일하다는 가정을 한 바에 비해, 사용자 선호도를 고려함으로써 네트워크 성능과 사용자 공정성 측면에서 뚜렷한 향상을 달성한다.
• 사용자 선호도 이질성이 높을수록 선호도를 통합한 성능 향상이 더욱 두드러진다.
• 사용자 이동 패턴에서 더 높은 공간 국지성이 존재할수록 제안된 캐싱 정책의 효과성이 향상된다.
• 사용자 활성 수준의 비대칭성이 높을수록 제안된 방법이 달성하는 성능 향상이 더욱 커진다.
• 실제 사용자 행동 패턴과 일치하는 캐시 배치 전략을 통해 평균 및 최대 다운로드 시간이 뚜렷이 감소한다.
• 합성 사용자 선호도 모델은 현실적인 사용자 다양성을 효과적으로 반영하고 정확한 성능 평가를 가능하게 한다.