[论文解读] Impact of traffic mix on caching performance in a content-centric network

Christine Fricker, Philippe Robert+2 more|arXiv (Cornell University)|Feb 1, 2012

Caching and Content Delivery参考文献 11被引用 14

一句话总结

本文使用包含网页、文件共享、用户生成内容（UGC）和视频点播（VoD）的混合真实流量，评估了两层内容中心网络层次结构中的缓存性能。研究发现，VoD在较小的接入层缓存（例如1 TB）下即可实现高命中率，非常适合边缘缓存；而UGC、文件共享和网页内容则需要较大的核心层缓存（例如100 TB）才能实现显著的带宽节省，凸显了不同内容类型在缓存策略上的关键差异。

ABSTRACT

For a realistic traffic mix, we evaluate the hit rates attained in a two-layer cache hierarchy designed to reduce Internet bandwidth requirements. The model identifies four main types of content, web, file sharing, user generated content and video on demand, distinguished in terms of their traffic shares, their population and object sizes and their popularity distributions. Results demonstrate that caching VoD in access routers offers a highly favorable bandwidth memory tradeoff but that the other types of content would likely be more efficiently handled in very large capacity storage devices in the core. Evaluations are based on a simple approximation for LRU cache performance that proves highly accurate in relevant configurations.

研究动机与目标

• 评估在真实互联网流量混合下，两层缓存层次结构中的带宽-内存权衡。
• 识别不同内容类型（网页、文件共享、UGC和VoD）对缓存效率及最优放置的影响。
• 评估Che近似方法在异构、大规模内容环境中对LRU缓存性能的适用性。
• 确定每种内容类型实现最大带宽节省的最优缓存大小和放置位置（边缘与核心）。

提出的方法

• 为四种内容类型（网页、文件共享、UGC、VoD）建模，其流量占比、对象/用户规模及流行度分布（Zipf分布，α = 0.8和1.2）各不相同。
• 应用Che近似方法估算LRU缓存性能，该方法在大规模群体和多样化流行度分布下被验证具有高度准确性。
• 模拟两层缓存层次结构：第1层（接入路由器，约1 TB）和第2层（核心，约100 TB），请求按层次结构进行路由。
• 计算第1层的命中率，调整第2层的请求速率，并重新应用Che近似方法估算端到端命中率。
• 评估在共享和专用第1层缓存配置下，各层上游的带宽节省情况。
• 对比2011年和2015年两种流量混合配置的性能，以评估内容主导地位和缓存效率的变化趋势。

实验结果

研究问题

• RQ1 VoD及其他内容类型的流行度分布（Zipf指数α）如何影响两层层次结构中的缓存性能？
• RQ2 为实现各类内容类型的最大带宽节省，最优缓存大小和放置位置（边缘与核心）是什么？
• RQ3 将第1层缓存专用给VoD而非在所有内容类型间共享，能在多大程度上提升整体带宽效率？
• RQ4 内容群体规模、对象大小和流量占比的差异如何影响缓存中的内存-带宽权衡？
• RQ5 在真实、异构的内容环境中，LRU缓存性能的Che近似方法有多准确？

主要发现

• 由于VoD内容目录规模小且流行度高度集中，1 TB的第1层缓存即可实现超过50%的命中率，使边缘缓存极为高效。
• UGC、文件共享和网页内容需合计至少100 TB的缓存容量（主要位于第2层）才能实现类似的带宽节省，表明核心层存储对这些内容类型至关重要。
• 将第1层缓存专用给VoD可显著提升带宽节省（2015年最高达37%），尤其当VoD流行度遵循Zipf(0.8)分布时效果更明显。
• 对于Zipf(1.2)流行度分布的VoD，专用第1层缓存的优势减弱，因为共享缓存下命中率已足够高，表明较小缓存即可满足需求。
• Che近似方法在多样化内容类型和不同缓存大小下对LRU性能的估算高度准确，可在无需仿真开销的情况下实现可靠的性能评估。
• 当第1层缓存为1 TB、第2层为100 TB时，整体流量混合的带宽节省最高可达61%，且在VoD流行度高度偏斜（α = 0.8）时获得最大收益。