[论文解读] Edge Caching with Real-Time Guarantees

Le Yang, Yi Zhong+2 more|arXiv (Cornell University)|Dec 26, 2019

Age of Information Optimization参考文献 12被引用 6

一句话总结

本文提出了一种在缓存增强型无线网络中的随机缓存策略，以最小化峰值信息年龄（PAoI）并确保实时性能。通过结合随机几何与排队论，推导出在最大接收功率用户关联下的闭式PAoI表达式，并利用KKT条件的凸优化方法确定最优缓存概率，结果表明随机缓存策略在时效性与文件多样性之间平衡方面优于最热门内容（MPC）和均匀缓存（UC）策略。

ABSTRACT

In recent years, optimization of the success transmission probability in wireless cache-enabled networks has been studied extensively. However, few works have concerned about the real-time performance of the cache-enabled networks. In this paper, we investigate the performance of the cache-enabled with real-time guarantees by adopting the age of information (AoI) as the metric to characterize the timeliness of the delivered information. We establish a spatial-temporal model by utilizing the stochastic geometry and queuing theory which captures both the temporal traffic dynamics and the interferers' geographic distribution. Under the random caching framework, we achieve the closed-form expression of AoI by adopting the maximum average received power criterion for the user association. Finally, we formulate a convex optimization problem for the minimization of the Peak AoI (PAoI) and obtain the optimal caching probabilities by utilizing the Karush-Kuhn-Tucker (KKT) conditions. Numerical results demonstrate that the random caching strategy is a better choice rather than the most popular content and uniform caching strategy to improve the real-time performance for the cached file as well as maintaining the file diversity at a relatively high level.

研究动机与目标

• 为解决缓存增强型网络中缺乏实时性能分析的问题，特别是所传信息的时效性。
• 利用随机几何与排队论建模内容传输的时空动态特性，捕捉干扰与流量波动的影响。
• 优化缓存策略以最小化峰值信息年龄（PAoI），同时保持文件多样性。
• 将随机缓存与基准策略——最热门内容（MPC）和均匀缓存（UC）——在PAoI与多样性方面进行比较。
• 推导PAoI的闭式表达式，并利用凸优化与KKT条件求解最优缓存概率。

提出的方法

• 采用泊松点过程（PPP）对基站和用户进行建模，考虑瑞利衰落与路径损耗模型。
• 引入离散时间模型，包含伯努利到达的分组与自动重传请求（ACK/NACK）反馈机制以支持重传。
• 在每个时隙引入随机静默机制以减少干扰并提升信号质量。
• 采用最大平均接收功率准则进行用户关联，即用户连接到最近或信号最强的基站。
• 利用随机几何与排队论推导出PAoI的闭式表达式，包含中断概率与传输成功概率。
• 建立凸优化问题以最小化PAoI，并利用Karush-Kuhn-Tucker（KKT）条件求解最优缓存概率。

实验结果

研究问题

• RQ1 在缓存增强型网络中，缓存策略的选择——随机、最热门内容（MPC）或均匀（UC）——如何影响峰值信息年龄（PAoI）？
• RQ2 在具有实时约束的缓存增强型网络中，物理层参数如SINR阈值与到达率对PAoI有何影响？
• RQ3 随机缓存策略是否能在PAoI与文件多样性之间实现优于MPC或UC策略的权衡？
• RQ4 在不同缓存策略下，缓存大小如何影响PAoI？
• RQ5 在给定系统模型下，使PAoI最小化的最优缓存概率分布是什么？

主要发现

• 由于文件放置的优化，随机缓存策略在小缓存尺寸下相比MPC与UC策略均实现了更低的PAoI。
• PAoI随SINR阈值升高而增加，且在SINR阈值较低时，更高的到达率会导致更高的PAoI。
• 在UC策略下，PAoI随缓存尺寸增加而减小；但在MPC策略下，由于未缓存文件的回传延迟，PAoI随缓存尺寸增加而上升。
• 在小缓存尺寸下，UC与随机缓存之间的差距最大，表明在存储受限时优化的收益最为显著。
• 所提出的基于KKT条件的凸优化框架成功推导出使PAoI最小化的最优缓存概率。
• 数值结果证实，随机缓存策略在实时性能（低PAoI）与文件多样性（高缓存内容种类）之间提供了最佳权衡。