[论文解读] Cooperative Local Caching under Heterogeneous File Preferences

Yinghao Guo, Lingjie Duan+1 more|arXiv (Cornell University)|Oct 15, 2015

Caching and Content Delivery参考文献 32被引用 3

一句话总结

本文提出了一种面向具有异构文件偏好的移动网络的协作本地缓存框架，将用户建模为具有不同内容偏好的兴趣群体。通过使用随机几何模型描述用户位置，并推导出文件发现概率的闭式表达式，该研究在完全协作（集中式）、部分协作和无协作三种场景下优化缓存策略，通过加权和效用最大化及Lambert-W函数求解方法，展示了在完全协作设置下显著的效用增益。

ABSTRACT

Local caching is an effective scheme for leveraging the memory of the mobile terminal (MT) and short range communications to save the bandwidth usage and reduce the download delay in the cellular communication system. Specifically, the MTs first cache in their local memories in off-peak hours and then exchange the requested files with each other in the vicinity during peak hours. However, prior works largely overlook MTs' heterogeneity in file preferences and their selfish behaviours. In this paper, we practically categorize the MTs into different interest groups according to the MTs' preferences. Each group of MTs aims to increase the probability of successful file discovery from the neighbouring MTs (from the same or different groups). Hence, we define the groups' utilities as the probability of successfully discovering the file in the neighbouring MTs, which should be maximized by deciding the caching strategies of different groups. By modelling MTs' mobilities as homogeneous Poisson point processes (HPPPs), we analytically characterize MTs' utilities in closed-form. We first consider the fully cooperative case where a centralizer helps all groups to make caching decisions. We formulate the problem as a weighted-sum utility maximization problem, through which the maximum utility trade-offs of different groups are characterized. Next, we study two benchmark cases under selfish caching, namely, partial and no cooperation, with and without inter-group file sharing, respectively. The optimal caching distributions for these two cases are derived. Finally, numerical examples are presented to compare the utilities under different cases and show the effectiveness of the fully cooperative local caching compared to the two benchmark cases.

研究动机与目标

• 为解决现有协作缓存方案假设用户偏好同质化且忽略自私用户行为的问题。
• 将移动用户建模为具有异构文件偏好的不同兴趣群体，以反映现实世界中的内容访问模式。
• 表征在不同协作模型下可行效用区域（定义为成功本地发现文件的概率）的特性。
• 在集中式协调（完全协作）、部分协作和无协作条件下优化缓存策略，以最大化系统整体效用。
• 通过分析与数值方法评估协作与自私缓存行为之间的性能权衡。

提出的方法

• 将用户移动性建模为具有群体特定空间密度的齐次泊松点过程（HPPPs），以反映现实世界中的用户分布。
• 将群体效用定义为在邻近缓存中发现请求文件的概率，并通过随机几何与指数分布近似方法推导出其闭式表达式。
• 在完全协作下提出加权和效用最大化问题，并采用坐标下降算法求解正权重与零权重群体的优化问题。
• 利用Karush-Kuhn-Tucker（KKT）条件与Lambert-W函数求解非凸优化子问题，推导出自私行为下的最优缓存分布。
• 引入对偶变量更新机制以满足缓存概率约束∑f ck,f = 1，利用Lambert-W函数的反函数以保证解析可处理性。
• 采用Lambert-W函数求解由KKT条件引出的超越方程，从而实现最优缓存概率的闭式表达式。

实验结果

研究问题

• RQ1 移动用户之间异构的文件偏好如何影响本地缓存方案的性能？
• RQ2 当用户按兴趣分组且具有不同空间密度时，在完全协作下最优缓存策略是什么？
• RQ3 与完全协作相比，自私缓存行为（特别是部分协作与无协作）如何影响文件发现概率？
• RQ4 当多个兴趣群体共存于本地网络时，可行效用区域的解析表征是什么？
• RQ5 能否利用随机几何与优化技术，在自私与协作模式下推导出最优缓存分布的闭式解？

主要发现

• 本文推导出文件发现概率（群体效用）的闭式表达式，其依赖于用户群体密度、文件流行度与缓存概率。
• 在完全协作下，加权和效用最大化框架能够完整表征所有兴趣群体的可行效用区域。
• 每个群体中每类文件的最优缓存概率通过Lambert-W函数推导得出，其显式依赖于群体间偏好与空间密度。
• 数值结果表明，完全协作在效用增益方面显著优于部分协作与无协作，尤其在高密度与高流行度场景下。
• 坐标下降算法收敛迅速，验证了分析解在实际实时部署中的可行性。
• 自私行为下的最优缓存策略对群体间偏好敏感，当群体间共享被禁用时性能显著下降。