[论文解读] $K$ Users Caching Two Files: An Improved Achievable Rate

Saeid Sahraei, Michael Gastpar|arXiv (Cornell University)|Dec 21, 2015

Caching and Content Delivery参考文献 5被引用 4

一句话总结

该论文提出了一种针对 $K$ 个用户和 2 个文件的新型编码缓存策略，通过联合优化编码放置与编码传输，提升了可实现速率。通过利用对称子文件划分和基于阈值的传输规则，该方案在缓存大小 $M < 1$ 时实现了比以往工作更低的最坏情况速率，尤其在 $M < 1/K$ 且 $K \gg 2$ 时显著优于 Maddah-Ali 和 Niesen 的方案。其主要贡献在于为 $N=2$ 情况下新增了 $K-1$ 个可实现速率点，其中一点与先前最优结果 $(M,R) = (1/K, 2(K-1)/K)$ 一致。

ABSTRACT

Caching is an approach to smoothen the variability of traffic over time. Recently it has been proved that the local memories at the users can be exploited for reducing the peak traffic in a much more efficient way than previously believed. In this work we improve upon the existing results and introduce a novel caching strategy that takes advantage of simultaneous coded placement and coded delivery in order to decrease the worst case achievable rate with $2$ files and $K$ users. We will show that for any cache size $\frac{1}{K}

研究动机与目标

• 为解决当 $K \gg N$ 时，特别是在 $N=2$ 个文件情况下小缓存大小下的编码缓存性能差距问题。
• 在传统方案（如 Maddah-Ali 和 Niesen 的方案）表现较差的小缓存区域，提升最坏情况下的可实现速率。
• 设计一种同时利用编码放置与编码传输的缓存策略，以降低峰值传输负载。
• 为 $K$ 个用户和 2 个文件提供一组新的可实现速率点，尤其针对 $M = m/K$ 且 $m \in \{1,\dots,K-1\}$ 的情况。

提出的方法

• 该方案将每个文件划分为 ${K \choose m}$ 个子文件，其索引为用户集合的所有 $m$ 元子集，其中 $M = m/K$。
• 在放置阶段，每个用户缓存包含其索引的子集所索引的两个文件的所有子文件的异或结果。
• 在传输阶段，通过一个阈值 $j$ 决定传输文件 $A$ 或 $B$ 的子文件，依据是请求集合中的索引在子集中的数量。
• 若 $|\mathcal{T} \cap \{\text{请求 } B \text{ 的用户}\}| \geq j$，则传输 $A_{\mathcal{T}}$，否则传输 $B_{\mathcal{T}}$，其中 $j$ 的选择以最小化速率。
• 对于有 $L$ 个用户请求同一文件的请求模式，该方案实现速率 $R = 1 + \frac{\sum_{i=\max(0,m-L+1)}^{K-L-1} \binom{K-L}{i} \binom{L-1}{m-i}}{\binom{K}{m}}$。
• 采用内存共享在点之间插值，但论文表明，对于中间 $M$ 值，直接应用该方案相比内存共享可实现更小的文件大小。

实验结果

研究问题

• RQ1 能否设计一种编码缓存方案，在 $K$ 个用户和 2 个文件且 $M < 1$ 时，优于 Maddah-Ali 和 Niesen 的方案？
• RQ2 对于 $N=2$ 和任意 $K$，缓存大小 $M$ 与最坏情况传输速率 $R$ 之间的最优权衡是什么？
• RQ3 能否联合优化编码放置与编码传输，以在小缓存区域降低峰值速率？
• RQ4 与内存共享及以往可实现方案相比，该方案在文件大小和速率方面的性能如何？

主要发现

• 该方案在所有 $M \in (1/K, 1)$ 且 $K \geq 3$ 的情况下，实现的最坏情况速率严格低于 Maddah-Ali 和 Niesen 的最先进方案，尤其在小缓存大小时改进显著。
• 当 $K=6$ 且 $M=0.5$ 时，该方案实现速率 $R = 1 + \frac{\sum_{i=1}^{2} \binom{4}{i} \binom{2}{3-i}}{\binom{6}{3}} = 1 + \frac{12}{20} = 1.6$，低于原始方案的 $R=2-M=1.5$ 上限。
• 该方案为 $N=2$ 新增了 $K-1$ 个可实现速率点，其中一点 $(M,R) = (1/K, 2(K-1)/K)$ 与文献 [4] 中先前最优结果一致。
• 当 $K=10$ 时，内存共享在中间缓存大小下所需文件大小最高可达直接应用该方案的 100 倍，显示出显著的文件大小优势。
• 该方案在 $M=1/K$ 时达到最优性能，$R=2(K-1)/K$，与该点的已知下界一致。
• 论文证明，当 $K$ 为偶数或 $M < (K-1)/K$ 时，该方案在所有 $M < 1$ 情况下均实现严格低于原始 Maddah-Ali 和 Niesen 方案的速率，确认其在小缓存区域的优越性。