[论文解读] Coded Caching with Heterogenous Cache Sizes

Sinong Wang, Wenxin Li+2 more|arXiv (Cornell University)|Apr 5, 2015

Caching and Content Delivery参考文献 18被引用 52

一句话总结

本文研究了用户缓存大小异构的编码缓存，提出一种改进方案，通过零填充对齐不同大小的码段以实现编码，即使在缓存大小差异下也能保持编码效率。该方案证明了其与信息论下限之间的差距恒定（小于12），即使在异构条件下依然成立，且揭示了随着缓存大小方差增大，性能会下降；而分组编码传输（GCD）在高方差下可近似达到阶最优。

ABSTRACT

We investigate the coded caching scheme under heterogenous cache sizes.

研究动机与目标

• 确定在用户缓存大小异构条件下的编码缓存基本极限。
• 探究现有针对同质缓存设计的编码缓存方案是否可直接应用于异构场景。
• 分析缓存大小方差对传输流量和编码效率的影响。
• 探索针对异构缓存配置量身定制的最优放置与传输方案设计。
• 确定基于分组的编码传输（GCD）在异构条件下是否可实现近似最优性能。

提出的方法

• 提出一种改进的编码缓存方案，利用零填充在传输阶段对不同大小的内容段进行对齐，以支持编码。
• 推导出在异构缓存大小下传输速率的信息论下限，证明其与最优解之间的差距恒定（小于12）。
• 引入概率缓存集合的概念，以建模真实世界的缓存大小分布，并分析内存与传输流量之间的权衡。
• 通过将差距与缓存大小分布的方差关联，分析所提方案的阶最优性。
• 制定并分析一种分组编码传输（GCD）方案，将用户按缓存大小分组以降低复杂度。
• 通过数值仿真验证理论结果，特别是分析在平均缓存大小和方差变化下差距的行为。

实验结果

研究问题

• RQ1 在用户缓存大小异构条件下，编码缓存的信息论基本极限是什么？
• RQ2 针对同质缓存设计的现有编码缓存方案能否直接应用于异构场景？若不能，原因是什么？
• RQ3 用户缓存大小的方差如何影响传输流量和编码增益？
• RQ4 是否存在一种基于分组的编码传输策略，可在异构条件下维持近似最优性能？
• RQ5 编码方案与下限之间的性能差距如何随系统参数（如N、K和缓存大小分布）变化？

主要发现

• 所提出的零填充方案即使在缓存大小异构条件下，与信息论下限之间的差距也恒定小于12。
• 随着用户缓存大小方差的增大，编码方案与下限之间的差距减小，表明在更高异构性下性能反而提升。
• 当缓存大小方差较大时，编码缓存方案渐近趋近于阶最优，尤其在分组编码传输（GCD）框架下表现更佳。
• 将用户按缓存大小分组的GCD方案显著降低了计算复杂度，且性能损失极小。
• 当N = ω(K)时，编码方案与割集界之间的差距随着N增大趋近于1，表明在渐近情形下接近最优。
• 数值结果表明，在缓存大小偏差较小时，编码缓存相比未编码传输可实现高达15倍的增益；而在偏差较大时，增益下降至约3倍。