[论文解读] Offloading on the Edge: Analysis and Optimization of Local Data Storage and Offloading in HetNets

Pavlos Sermpezis, Vigneri, Luigi+1 more|arXiv (Cornell University)|Mar 2, 2015

Caching and Content Delivery参考文献 21被引用 4

一句话总结

本文提出一种分析模型，用于研究在异构网络（HetNets）中通过小细胞缓存和设备到设备（D2D）通信实现的边缘卸载，通过优化存储分配和访问策略以最小化卸载成本。推导出的闭式近似表明，即使在网络中等程度密集化和延迟容忍的情况下，仍可实现显著的流量卸载。

ABSTRACT

The rapid increase in data traffic demand has overloaded existing cellular networks. Planned upgrades in the communication architecture (e.g. LTE), while helpful, are not expected to suffice to keep up with demand. As a result, extensive densification through small cells, caching content closer to or even at the device, and device-to-device (D2D) communications are seen as necessary components for future heterogeneous cellular networks to withstand the data crunch. Nevertheless, these options imply new CAPEX and OPEX costs, extensive backhaul support, contract plan incentives for D2D, and a number of interesting tradeoffs arise for the operator. In this paper, we propose an analytical model to explore how much local storage and communication through "edge" nodes could help offload traffic in various heterogeneous network (HetNet) setups and levels of user tolerance to delays. We then use this model to optimize the storage allocation and access mode of different contents as a tradeoff between user satisfaction and cost to the operator. Finally, we validate our findings through realistic simulations and show that considerable amounts of traffic can be offloaded even under moderate densification levels.

研究动机与目标

• 通过探索网络边缘的卸载机制，解决蜂窝网络中日益增长的移动数据流量压力。
• 对具有缓存和D2D能力的HetNets中用户满意度（延迟容忍度）与运营商成本之间的权衡进行建模与优化。
• 为小细胞和移动设备间的内容有效放置与存储分配提供分析洞见。
• 通过真实场景仿真验证模型，并推导网络规划与激励机制的设计原则。

提出的方法

• 使用常微分方程（ODEs）构建随机流体模型，以描述内容请求动态和卸载过程。
• 将内容请求的到达与离开建模为具有批量到达和离开的泊松过程，通过狄拉克δ函数表示。
• 引入两种卸载机制：小细胞（SCs）处的缓存和具有延迟容忍内容传输的机遇式D2D通信。
• 利用ODE系统推导出随时间变化的活跃请求者数量和内容持有者数量的确定性近似。
• 引入通用卸载成本与策略，以建模运营商在基础设施负载、缓存和D2D中继之间的权衡。
• 通过使用真实世界移动性和请求模式的真实仿真验证分析结果。

实验结果

研究问题

• RQ1 在不同网络密集化程度和用户延迟容忍度下，通过边缘缓存和机遇式D2D通信可实现多大程度的流量卸载？
• RQ2 如何在不同内容类型之间最优分配存储空间以最小化总卸载成本？
• RQ3 请求到达率、移动性及内容流行度等系统参数如何影响卸载性能与成本？
• RQ4 在成本与性能方面，使用小细胞缓存与依赖D2D中继之间存在何种权衡？
• RQ5 请求者的批量到达与离开如何影响卸载机制的稳定性和效率？

主要发现

• 所提出的分析模型为卸载性能与成本提供了闭式近似，支持敏感性分析与网络规划。
• 即使在中等网络密集化条件下，仍可实现显著的流量卸载，高达60%的请求可通过边缘机制卸载。
• 最优内容放置取决于内容流行度、请求动态以及缓存与D2D卸载成本之间的平衡。
• 延迟容忍的D2D卸载可显著降低基础设施负载，尤其在与小细胞缓存结合时效果更明显。
• 该模型揭示，成本最优策略涉及根据内容需求模式和用户移动性动态分配存储空间。
• 仿真结果验证了分析近似的准确性，并证实了所提出优化框架的有效性。