[论文解读] Fundamental Rate-Memory Tradeoff for Coded Caching in Presence of User Inactivity

Jialing Liao, Olav Tirkkonen|arXiv (Cornell University)|Sep 29, 2021

Caching and Content Delivery参考文献 37被引用 4

一句话总结

本文在用户非活跃的条件下建立了编码缓存的基本速率-缓存权衡，提出了一种确定性的编码缓存方案，通过固定基数的片段标签法优化文件子分块。研究证明，针对用户非活跃性的优化仅影响数据传输负载，不影响缓存放置；并表明，当具备完整的非活跃性知识时，集中式方案可近乎达到理想性能，而分布式方案在非活跃性不确定性下仍保持一定鲁棒性。

ABSTRACT

Coded caching utilizes proper file subpacketization and coded delivery to make full use of the multicast opportunities in content delivery, to alleviate file transfer load in massive content delivery scenarios. Most existing work considers deterministic environments. An important practical topic is to characterize the impact of the uncertainty from user inactivity on coded caching. We consider a one server cache-enabled network under homogeneous file and network settings in presence of user inactivity. Unlike random or probabilistic caching studied in the literature, deterministic coded caching is considered, with the objective to minimize the worst-case backhaul load by optimizing the file subpacketization and the caching strategy. First, a coded caching method is used, where each file is split into the same type of fragments labeled using sets with fixed cardinality, and the optimality of the selected cardinality is proved. Optimal file subpacketization by splitting the file into multiple types of fragments labeled with multiple cardinalities is then discussed. We show that the closed-form optimum turns out to be given by a fixed cardinality -- optimizing for user inactivity only affects file delivery, cache placement is not affected. A decentralized version is also discussed and analyzed, where each user fills its storage independently at random without centralized coordination, and user inactivity is taken into account in file delivery. Simulation results show that the optimization based centralized coded caching scheme provides performance comparable to the ideal scenario assuming full knowledge of user inactivity in the placement phase, while decentralized caching performs slightly worse against user inactivity.

研究动机与目标

• 刻画用户非活跃性在确定性设置下对编码缓存性能的影响。
• 通过优化文件子分块和缓存策略，在用户非活跃条件下最小化最坏情况回传负载。
• 证明最优文件子分块采用固定基数的片段标签，且该选择与非活跃性影响无关。
• 分析用户非活跃条件下集中式与分布式编码缓存方案，重点优化数据传输负载。
• 将优化后的集中式方案性能与理想场景进行比较，后者假设在缓存放置阶段已知完整非活跃性信息。

提出的方法

• 采用基于固定基数集合的文件子分块方法，对片段进行标签标记，实现确定性编码缓存。
• 通过线性规划分析最坏情况回传负载，证明固定基数标签法的最优性。
• 通过建模传输负载为用户活跃度与子分块策略的函数，推导速率-缓存权衡关系。
• 分析分布式缓存场景，用户独立填充缓存且无协调机制，同时调整传输策略以应对非活跃性。
• 通过仿真比较集中式与分布式方案，评估其相对于具备完整非活跃性知识的理想基准的性能。
• 采用二次分析与负载函数的递归比较，确定性能差异符号的行为特征。

实验结果

研究问题

• RQ1 当用户非活跃性引入不确定性时，编码缓存中文件子分块的最优策略是什么？
• RQ2 用户非活跃性如何影响确定性编码缓存中的最坏情况回传负载？
• RQ3 针对用户非活跃性的优化是否影响缓存放置，还是仅影响传输阶段？
• RQ4 在缓存放置阶段已知完整非活跃性信息的前提下，集中式编码缓存方案的性能与理想方案相比如何？
• RQ5 与集中式方案相比，分布式编码缓存方案在用户非活跃条件下的表现如何？

主要发现

• 最优文件子分块采用固定基数对片段进行标签标记，且该选择与用户非活跃性无关。
• 用户非活跃性仅影响传输阶段；缓存放置不受非活跃性优化的影响。
• 集中式编码缓存方案的性能几乎与在缓存放置阶段已知完整非活跃性信息的理想场景一致。
• 在非活跃性条件下，分布式方案性能略逊于集中式方案，但仍保持鲁棒性。
• 当 K ≥ 9 时，随着网络规模增大，集中式方案相对于分布式方案的性能增益增加，表现为 ΔG(t+1) 的符号转为正。
• 分析证明，当 K > 9 且 t ∈ [⌈K/2⌉−2, K−2] 时，ΔG(t+1) > 0，表明集中式方法具有持续的性能优势。