[论文解读] Adaptive Replication in Distributed Content Delivery Networks

Mathieu Leconte, Lelarge, Marc+1 more|arXiv (Cornell University)|Jan 8, 2014

Caching and Content Delivery参考文献 11被引用 4

一句话总结

该论文提出了一种用于边缘辅助内容分发网络（CDNs）的自适应复制策略，通过响应丢失事件（即因缺少内容副本而被转发至数据中心的请求）来最小化数据中心负载。利用平均场分析和虚拟丢失机制，该策略在无需跟踪内容受欢迎程度的情况下，动态优化内容放置，相比静态或标准自适应策略，实现了更快的适应速度和更低的丢失率。

ABSTRACT

We address the problem of content replication in large distributed content delivery networks, composed of a data center assisted by many small servers with limited capabilities and located at the edge of the network. The objective is to optimize the placement of contents on the servers to offload as much as possible the data center. We model the system constituted by the small servers as a loss network, each loss corresponding to a request to the data center. Based on large system / storage behavior, we obtain an asymptotic formula for the optimal replication of contents and propose adaptive schemes related to those encountered in cache networks but reacting here to loss events, and faster algorithms generating virtual events at higher rate while keeping the same target replication. We show through simulations that our adaptive schemes outperform significantly standard replication strategies both in terms of loss rates and adaptation speed.

研究动机与目标

• 解决在边缘服务器能力有限的大规模边缘辅助CDN中最小化数据中心负载的挑战。
• 开发对现实约束具有鲁棒性的复制策略：边缘节点的存储、服务和协调能力有限。
• 设计无需依赖内容受欢迎程度或访问统计信息的自适应算法，以优化内容放置。
• 通过虚拟丢失机制提高适应速度，该机制以高于实际丢失频率的速率模拟丢失事件。
• 通过基于丢失的反馈平衡热门与不热门内容的放置，实现接近最优的复制。

提出的方法

• 将边缘服务器系统建模为一个丢失网络，其中每次丢失对应一次被转发至数据中心的请求。
• 应用平均场近似，推导出丢失率关于内容复制水平的渐近公式。
• 利用渐近丢失率模型，计算出最小化期望丢失的优化静态复制策略。
• 设计自适应算法，根据实际丢失统计数据调整复制，而非基于访问频率或受欢迎程度。
• 引入一种虚拟丢失机制，以高于实际丢失的频率生成合成丢失事件，从而加速收敛至最优复制。
• 通过在Zipf受欢迎度分布和各种网络规模下进行大量仿真，实现并评估自适应方案。

实验结果

研究问题

• RQ1 在服务器容量有限且无排队机制的现实约束下，如何在边缘辅助CDN中优化内容复制？
• RQ2 在复制水平固定的大规模边缘服务器系统中，丢失率的渐近行为如何？
• RQ3 基于丢失事件响应的自适应复制策略是否优于静态或基于受欢迎度的复制策略？
• RQ4 虚拟丢失机制在不增加数据中心负载的前提下，能在多大程度上加速复制算法的适应速度？
• RQ5 在内容受欢迎度动态变化的环境中，所提出的自适应方案表现如何？

主要发现

• 所提出的自适应方案收敛至一种复制策略，使所有内容的丢失率相等，实现最优负载均衡。
• 由于能够考虑有限网络和存储效应，自适应方案优于优化后的静态复制策略。
• 虚拟丢失机制显著加速了适应速度，仿真结果表明其收敛至目标复制水平的速度快于基于真实丢失的方案。
• 所有自适应方案的稳态丢失率均低于标准复制策略，其中LRL（基于丢失响应的学习）变体比基于RANDOM的方案收敛更快。
• 在不同受欢迎度分布（如α = 0.8和α = 1.2的Zipf分布）下，方案均保持稳健性能，表现出良好的泛化能力。
• 虚拟丢失机制使系统能够在不增加数据中心请求数的前提下，实时适应不断变化的内容受欢迎度配置。