[论文解读] AoI-Delay Tradeoff in Mobile Edge Caching with Freshness-Aware Content Refreshing

Shan Zhang, Liudi Wang+3 more|arXiv (Cornell University)|Feb 14, 2020

Age of Information Optimization参考文献 36被引用 5

一句话总结

本文提出了一种面向移动边缘缓存的感知新鲜度的内容刷新方案，该方案基于信息年龄（AoI）阈值动态刷新缓存内容，以在服务时延与内容新鲜度之间实现平衡。通过为每项内容优化刷新窗口，该方案将平均时延降低了高达80%，同时将AoI保持在1秒以内，尤其在高负载条件下，通过智能管理新鲜度与传输开销之间的权衡实现。

ABSTRACT

Mobile edge caching can effectively reduce service delay but may introduce information staleness, calling for timely content refreshing. However, content refreshing consumes additional transmission resources and may degrade the delay performance of mobile systems. In this work, we propose a freshness-aware refreshing scheme to balance the service delay and content freshness measured by Age of Information (AoI). Specifically, the cached content items will be refreshed to the up-to-date version upon user requests if the AoI exceeds a certain threshold (named as refreshing window). The average AoI and service delay are derived in closed forms approximately, which reveals an AoI-delay tradeoff relationship with respect to the refreshing window. In addition, the refreshing window is optimized to minimize the average delay while meeting the AoI requirements, and the results indicate to set a smaller refreshing window for the popular content items. Extensive simulations are conducted on the OMNeT++ platform to validate the analytical results. The results indicate that the proposed scheme can restrain frequent refreshing as the request arrival rate increases, whereby the average delay can be reduced by around 80% while maintaining the AoI below one second in heavily-loaded scenarios.

研究动机与目标

• 解决移动边缘缓存系统中服务时延与内容新鲜度之间的权衡问题。
• 在保持内容最新状态的同时，减轻频繁缓存刷新对网络时延的负面影响。
• 设计一种动态刷新机制，仅在AoI超过阈值时触发更新，从而最小化不必要的传输。
• 基于内容流行度为每项内容优化刷新窗口，以在满足AoI约束的前提下最小化平均时延。
• 通过OMNeT++和Veins上的仿真验证分析模型，展示在真实移动性场景下的性能提升。

提出的方法

• 提出一种感知新鲜度的刷新方案：基站在交付缓存内容前检查AoI；若AoI超过阈值（即刷新窗口），则在交付前获取最新版本。
• 基于单源场景下的排队论与随机分析，推导出平均AoI与服务时延的近似闭式表达式。
• 将分析扩展至多源场景，考虑非均匀内容流行度，将系统建模为凸优化问题。
• 利用凸优化工具（如MATLAB CVX）为每项内容优化刷新窗口，以在满足AoI要求的前提下最小化平均时延。
• 采用OMNeT++和基于Veins的仿真，验证在真实城市移动性与请求模式下的分析结果。
• 使用Zipf分布建模内容流行度，并在不同请求速率、项目数量和流行度集中度下评估性能。

实验结果

研究问题

• RQ1 在移动边缘缓存中，刷新窗口大小如何影响平均服务时延与平均AoI之间的权衡？
• RQ2 为每项内容确定的最优刷新窗口是什么，以在满足给定AoI约束的前提下最小化平均时延？
• RQ3 内容流行度如何影响最优刷新策略与系统性能？
• RQ4 与传统激进刷新相比，所提方案在高负载下能将时延降低多少？
• RQ5 用户移动性在多大程度上影响感知新鲜度刷新方案的时延与AoI性能？

主要发现

• 当系统未过载时，平均AoI随刷新窗口大小近似线性增加，表明存在可预测的权衡关系。
• 随着刷新窗口增大，平均服务时延呈凸函数下降，证实了清晰的时延-AoI权衡关系。
• 与传统激进刷新相比，所提方案即使在高负载场景下也能将平均时延降低约80%，同时保持AoI低于1秒。
• 流行内容需要更小的刷新窗口以满足新鲜度要求，但所提方案仍能有效限制其刷新频率，从而节省带宽。
• 随着源节点数量增加，时延因更高的刷新概率而下降，表明必须结合新鲜度约束对缓存大小与内容放置进行优化。
• 更高的内容流行度集中度（更高的Zipf参数ν）可改善时延性能，证实当请求集中时缓存优势更为显著。