[论文解读] Cooperative Edge Caching in User-Centric Clustered Mobile Networks

Shan Zhang, Peter He+5 more|arXiv (Cornell University)|Oct 24, 2017

Caching and Content Delivery参考文献 35被引用 8

一句话总结

本文提出了一种在用户中心型聚类移动网络中的延迟最优协作边缘缓存方案，通过贪婪内容放置实现 $(1 - 1/e)$-最优性，并结合最优聚类大小选择，在缓存多样性与频谱效率之间取得平衡。通过联合优化内容放置、带宽分配与聚类大小，利用随机几何与子模优化技术，相较于非协作方案与命中率最大化方案，平均文件传输延迟最高降低45%。

ABSTRACT

With files proactively stored at base stations (BSs), mobile edge caching enables direct content delivery without remote file fetching, which can reduce the end-to-end delay while relieving backhaul pressure. To effectively utilize the limited cache size in practice, cooperative caching can be leveraged to exploit caching diversity, by allowing users served by multiple base stations under the emerging user-centric network architecture. This paper explores delay-optimal cooperative edge caching in large-scale user-centric mobile networks, where the content placement and cluster size are optimized based on the stochastic information of network topology, traffic distribution, channel quality, and file popularity. Specifically, a greedy content placement algorithm is proposed based on the optimal bandwidth allocation, which can achieve (1-1/e)-optimality with linear computational complexity. In addition, the optimal user-centric cluster size is studied, and a condition constraining the maximal cluster size is presented in explicit form, which reflects the tradeoff between caching diversity and spectrum efficiency. Extensive simulations are conducted for analysis validation and performance evaluation. Numerical results demonstrate that the proposed greedy content placement algorithm can reduce the average file transmission delay up to 50% compared with the non-cooperative and hit-ratio-maximal schemes. Furthermore, the optimal clustering is also discussed considering the influences of different system parameters.

研究动机与目标

• 在缓存与带宽资源受限的大规模用户中心型移动网络中，最小化平均文件传输延迟。
• 通过最优聚类大小选择，解决协作缓存带来的缓存多样性与因传输距离增加导致的频谱效率下降之间的权衡。
• 设计一种低复杂度的内容放置算法，在实际约束下实现接近最优的性能。
• 基于系统参数（如小基站密度、回传延迟与文件流行度）提供最大聚类大小的显式解析条件。

提出的方法

• 利用随机几何推导平均文件传输速率的保守近似，使在网络随机性下的优化问题具有可处理性。
• 使用拉格朗日乘子法求解联合带宽分配与内容放置问题，确保基站间负载均衡。
• 通过证明目标函数具有单调子模性质，对非凸内容放置子问题应用贪婪优化。
• 推导出聚类大小最大值的闭式条件，以平衡缓存多样性与路径损耗引起的频谱效率损失。
• 采用编码缓存技术，使用户能够从聚类内多个邻近基站解码文件。
• 通过在不同网络参数下进行大量仿真，验证了分析模型与性能表现。

实验结果

研究问题

• RQ1 在缓存与带宽受限的用户中心型聚类移动网络中，如何优化内容放置以最小化平均文件传输延迟？
• RQ2 在密集小基站网络中，何种用户中心型聚类大小能最优平衡缓存多样性与频谱效率？
• RQ3 在小基站密度与回传延迟变化时，内容命中率与传输距离之间的权衡如何影响延迟性能？
• RQ4 在随机网络条件下，低复杂度算法能否在协作边缘缓存中实现接近最优的性能？
• RQ5 哪些系统参数对协作缓存中的最优聚类大小与延迟降低影响最大？

主要发现

• 所提出的贪婪内容放置算法具有线性计算复杂度，实现 $(1 - 1/e)$-最优性，显著优于非协作方案与命中率最大化方案。
• 当回传延迟为1秒时，平均文件传输延迟相比非协作缓存最高降低45%。
• 当小基站密度低于54 /km²时，最优聚类大小为4；当密度超过45 /km²时，增加至7，反映出多样性与路径损耗之间的权衡。
• 当回传延迟超过400 ms时，最优聚类大小增加以提升命中率，聚类带来的延迟降低相比非协作缓存达到25%。
• 最大聚类大小的条件被显式推导，其依赖于小基站密度、回传延迟与文件流行度，为实际设计提供了实用指导。
• 在聚类大小优化时，延迟性能随回传延迟呈次线性提升，表明在高延迟或拥塞回传场景下仍具有显著增益。