[论文解读] MobiCacher: Mobility-Aware Content Caching in Small-Cell Networks

Yang Guan, Yao Xiao+3 more|arXiv (Cornell University)|Jul 4, 2014

Caching and Content Delivery参考文献 10被引用 14

一句话总结

本文提出 MobiCacher，一种面向小细胞网络的移动感知内容缓存方案，通过建模用户移动模式来优化缓存位置，以最大化缓存效用。通过同时考虑用户请求的时空局部性，MobiCacher 在缓存容量有限且用户移动性高的条件下，相比非移动感知方案，累计效用最高提升 27%。

ABSTRACT

Small-cell networks have been proposed to meet the demand of ever growing mobile data traffic. One of the prominent challenges faced by small-cell networks is the lack of sufficient backhaul capacity to connect small-cell base stations (small-BSs) to the core network. We exploit the effective application layer semantics of both spatial and temporal locality to reduce the backhaul traffic. Specifically, small-BSs are equipped with storage facility to cache contents requested by users. As the {\em cache hit ratio} increases, most of the users' requests can be satisfied locally without incurring traffic over the backhaul. To make informed caching decisions, the mobility patterns of users must be carefully considered as users might frequently migrate from one small cell to another. We study the issue of mobility-aware content caching, which is formulated into an optimization problem with the objective to maximize the caching utility. As the problem is NP-complete, we develop a polynomial-time heuristic solution termed {\em MobiCacher} with bounded approximation ratio. We also conduct trace-based simulations to evaluate the performance of {\em MobiCacher}, which show that {\em MobiCacher} yields better caching utility than existing solutions.

研究动机与目标

• 通过在小基站（small-BSs）处实现本地内容缓存，解决小细胞网络中回传链路容量受限的挑战。
• 克服因忽略用户移动性而导致的次优缓存决策，从而避免缓存利用率低下和内容冗余存储的问题。
• 将移动感知内容缓存问题建模为优化框架，在有限缓存容量下最大化缓存效用。
• 设计一种具有有界近似比的启发式算法，能够适应动态用户移动和变化的流量负载。

提出的方法

• 使用真实世界轨迹数据建模用户移动性，以捕捉用户在小细胞间存在的时间与空间模式。
• 定义一种缓存效用度量指标，综合考虑内容流行度与用户到缓存内容的距离，加权因素包括用户停留时间与请求频率。
• 将缓存问题形式化为 NP-完全优化任务，以最大化所有用户和时隙的总缓存效用。
• 设计 MobiCacher 为多项式时间启发式算法，具有有界近似比，利用用户移动性预测来优先排序缓存决策。
• 使用基于轨迹的仿真，采用真实用户移动数据，在不同缓存容量和移动性水平下评估性能。
• 将 MobiCacher 与两个基线方案进行对比：FemtoCacher（静态用户分布）和 PopularityCacher（仅基于全局流行度）。

实验结果

研究问题

• RQ1 用户移动性如何影响小细胞网络中内容缓存的有效性？
• RQ2 一种结合移动模式的缓存策略是否能在缓存效用方面优于静态或仅基于流行度的方法？
• RQ3 在缓存容量有限且用户移动性高的条件下，移动感知缓存方案的性能增益如何？
• RQ4 在动态环境中，所提出的启发式算法 MobiCacher 的近似比与最优解相比如何？
• RQ5 与依赖当前或初始用户分布相比，考虑未来用户位置在多大程度上能提升缓存效率？

主要发现

• 在白天高峰时段用户移动性较高时，MobiCacher 的累计缓存效用相比 FemtoCacher 最高提升 27%。
• 当缓存容量较低（例如每小基站少于 60 首歌曲）时，MobiCacher 与 FemtoCacher 的性能差距最为显著，此时智能的移动感知缓存至关重要。
• PopularityCacher 由于缺乏空间感知与移动性感知，始终表现低于 MobiCacher 和 FemtoCacher，导致内容缓存冗余且缺乏多样性。
• 当缓存容量较大（例如 160 首歌曲）时，三种方案性能相近，因为几乎所有内容均可本地缓存，与策略无关。
• MobiCacher 的累计效用随时间稳步增长，而 FemtoCacher 的性能因用户移动导致初始分布假设失效而逐渐下降。
• MobiCacher 保持有界的近似比，即使在用户移动动态且不可预测的环境下，也能确保理论性能保障。