[论文解读] Edge Caching in Delay-Constrained Virtualized Cellular Networks: Analysis and Market

Tachporn Sanguanpuak, Sudarshan Guruacharya+4 more|arXiv (Cornell University)|Feb 13, 2018

Caching and Content Delivery参考文献 23被引用 6

一句话总结

本文提出在虚拟化5G网络中联合优化宏站部署与边缘缓存，以在满足概率性时延约束的前提下最小化成本。通过随机几何与几何规划，推导出缓存命中概率的紧致近似，并构建基于Shapley值的租金分摊机制的Stackelberg博弈，实现多个移动网络运营商（MNOs）之间的公平基础设施定价。

ABSTRACT

Caching of popular contents at cellular base stations, i.e., edge caching, in order to eliminate duplicate transmission through the backhaul can reduce the latency of data delivery in $5$G networks. However, since caching can only reduce the backhaul delay, techniques such as base station densification will also need to be used to reduce the fronthaul delay. In this paper, using results from stochastic geometry, we first model the effects of base station densification and cache size on the latency of the system. We then derive a tight approximation for the cache hit probability. To optimize the network cost due to the deployment of base station (BS) and cache storage, a minimization problem for the product of the BS intensity and cache size is formulated under probabilistic delay constraint, which is converted into a geometric program and solved analytically. The results are then used to analyze the economics of a cache-enabled virtualized cellular network where the network infrastructure, i.e., BSs and cache storage, owned by an infrastructure provider (InP) is shared among multiple mobile network operators (MNOs). For the pricing between the InP and the MNOs, we formulate a Stackelberg game with the InP as the leader and multiple MNOs as the followers. In this virtualized scenario, the common cost of renting the infrastructure is shared in a fair manner among the MNOs by using the Shapely value. An efficient algorithm is provided to divide the rent among MNOs.

研究动机与目标

• 分析在时延约束、虚拟化蜂窝网络中宏站密度与缓存大小之间的权衡。
• 在满足概率性时延约束的前提下，最小化宏站密度与缓存大小的乘积，以实现成本高效的部署。
• 在虚拟化网络环境中，对基础设施提供商（InP）与多个MNOs之间的经济互动进行建模。
• 基于Shapley值设计MNOs之间共享缓存与宏站基础设施的公平租金分摊机制。
• 评估网络参数（如Zipf指数、带宽与功耗）对系统性能与InP盈利能力的影响。

提出的方法

• 使用随机几何方法，基于泊松点过程（PPP）对宏站部署建模，分析下行链路信噪比加干扰比（SINR）覆盖与吞吐量。
• 推导出基于缓存大小与文件流行度（Zipf分布）的缓存命中概率的紧致解析近似。
• 将平衡宏站密度与缓存大小的成本最小化问题转化为可闭式求解的几何规划问题。
• 构建Stackelberg博弈模型，其中InP作为领导者设定价格，MNOs作为跟随者在时延约束下优化其基础设施使用。
• 采用连续几何规划求解Stackelberg均衡，确保定价与资源分配收敛至最优。
• 利用Shapley值公平分配MNOs对合作博弈的边际贡献，并设计高效算法进行计算。

实验结果

研究问题

• RQ1 宏站部署与边缘缓存的结合如何影响虚拟化5G网络的整体时延与成本？
• RQ2 在满足概率性时延约束下，宏站密度与缓存大小之间的最优权衡是什么？
• RQ3 如何对多个MNOs之间的基础设施共享进行经济建模，以确保公平性与效率？
• RQ4 文件流行度的Zipf指数对最优缓存大小与系统成本有何影响？
• RQ5 功耗参数（电路功耗与实际功耗成本）如何影响本模型中基础设施提供商（InP）的利润？

主要发现

• Zipf指数对MNOs的最优策略有显著影响，指数越高，缓存效率越高，所需缓存大小越低。
• 带宽更高的MNOs（如MNO-3）需要更大的缓存大小，并对总租金贡献更多，因此Shapley值分配更高。
• 当带宽 $W$ 变化时，最优宏站密度 $\lambda^*$ 保持不变，但最优缓存大小 $S^*$ 随 $W$ 增大而增加。
• 基础设施提供商的利润随Zipf指数 $\nu$ 增大而提高，且在电路功耗 $p_c$ 与实际功耗成本 $\theta$ 较高时显著增强。
• 总租金 $\omega^*\lambda^*S^*$ 恰好等于各MNOs的Shapley值之和 $\psi_1 + \psi_2 + \psi_3$，验证了分配机制的公平性。
• 通过Hurwitz zeta函数推导出广义调和数 $H_{S,\nu}$ 的渐近近似，使缓存命中概率分析具备解析可解性。