[论文解读] Dynamic Placement of VNF Chains for Proactive Caching in Mobile Edge Networks

Zheng Gao, Anthony Tsiopoulos+1 more|arXiv (Cornell University)|Jul 27, 2018

Caching and Content Delivery参考文献 6被引用 5

一句话总结

本文提出了一种主动缓存链式（PCC）方案，通过联合优化移动边缘网络中虚拟网络功能（VNF）的部署位置与缓存位置，以降低延迟并提升用户移动性下的性能。采用整数线性规划（ILP）框架与无标度启发式算法，该方法通过基于预测用户移动性的动态VNF链重定位，相较于非移动性感知方案，性能提升最高达26%。

ABSTRACT

Notwithstanding the significant research effort Network Function Virtualization (NFV) architectures received over the last few years little attention has been placed on optimizing proactive caching when considering it as a service chain. Since caching of popular content is envisioned to be one of the key technologies in emerging 5G networks to increase network efficiency and overall end user perceived quality of service we explicitly consider in this paper the interplay and subsequent optimization of caching based VNF service chains. To this end, we detail a novel mathematical programming framework tailored to VNF caching chains and detail also a scale-free heuristic to provide competitive solutions for large network instances since the problem itself can be seen as a variant of the classical NP-hard Uncapacitated Facility Location (UFL) problem. A wide set of numerical investigations are presented for characterizing the attainable system performance of the proposed schemes.

研究动机与目标

• 解决用户移动性下移动边缘网络中VNF与缓存部署位置不优的问题。
• 将主动缓存集成到VNF服务链中，以提升网络效率与用户端QoE。
• 联合优化VNF链式与缓存位置决策，同时考虑用户移动性模式。
• 为大规模网络实例开发一种可扩展的启发式算法，以应对NP难问题。
• 在真实网络场景中评估移动性感知的VNF与缓存部署带来的性能增益。

提出的方法

• 将VNF缓存链部署问题建模为整数线性规划（ILP）模型，以最小化总成本，包括路由成本与部署成本。
• 使用马尔可夫链建模用户移动性，通过接入点之间的转移概率预测未来服务位置。
• 提出一种受无容量限制设施选址（UFL）问题启发的无标度启发式算法，实现在大规模网络中的实时部署。
• 采用最短路径路由度量（如OSPF/EIGRP类）计算链路成本，归一化为1至100以增强多样性。
• 设定VNF资源需求（10–50 MB内存，0.125–0.25 CPU核心）与节点容量（8–16 GB内存，32 vCPUs），以实现真实感仿真。
• 采用蒙特卡洛仿真（100次运行），在不同网络规模、请求数量与移动性水平下评估性能。

实验结果

研究问题

• RQ1 移动性感知的VNF与缓存部署如何影响移动边缘网络中的端到端服务延迟与网络成本？
• RQ2 与静态或最短路径部署相比，联合优化VNF链式与主动缓存可实现多大的性能增益？
• RQ3 随着网络规模与服务请求数量的增加，该方案的可扩展性如何？
• RQ4 用户移动性模式对动态VNF与缓存部署有效性的有何影响？
• RQ5 在性能与可扩展性方面，启发式解与最优ILP解相比如何？

主要发现

• 无论网络规模如何，所提出的PCC方案相较于最短路径分配（SPBA）方案，性能提升达10%，其优势源于对移动性的感知。
• 随着请求数量增加，性能增益提升至22–23%，表明在高密度移动网络中收益更高。
• 当用户移动性较高时，性能增益超过26%，表明在公共交通等移动场景中具有显著有效性。
• 该方案在不同网络规模下表现出鲁棒性，在20至200个节点的仿真中均保持一致的性能增益。
• 无标度启发式算法可实现大规模网络中的高效实时部署，使该方案在5G边缘环境中具备实际可行性。
• 结果证实，忽略移动性会导致VNF与缓存部署不优，从而增加路由成本与延迟。