[论文解读] Scaling Behaviors of Wireless Device-to-Device Communications with Distributed Caching

Negin Golrezaei, Alexandros G. Dimakis+1 more|arXiv (Cornell University)|Aug 6, 2012

Caching and Content Delivery参考文献 17被引用 6

一句话总结

本文分析了用于移动视频传输的设备到设备（D2D）缓存网络，表明在内容受欢迎程度服从齐夫分布时，最优协作距离可最大化无干扰链路数量。令人惊讶的是，当齐夫指数超过1时，一种简单的分布式缓存策略可实现与网络规模成线性增长的关系，从而无需集中协调。

ABSTRACT

We analyze a novel architecture for caching popular video content to enable wireless device-to-device collaboration. We focus on the asymptotic scaling characteristics and show how they depends on video content popularity statistics. We identify a fundamental conflict between collaboration distance and interference and show how to optimize the transmission power to maximize frequency reuse. Our main result is a closed form expression of the optimal collaboration distance as a function of the model parameters. Under the common assumption of a Zipf distribution for content reuse, we show that if the Zipf exponent is greater than 1, it is possible to have a number of D2D interference-free collaboration pairs that scales linearly in the number of nodes. If the Zipf exponent is smaller than 1, we identify the best possible scaling in the number of D2D collaborating links. Surprisingly, a very simple distributed caching policy achieves the optimal scaling behavior and therefore there is no need to centrally coordinate what each node is caching.

研究动机与目标

• 理解在不同内容受欢迎程度分布下，D2D缓存网络的渐近扩展行为。
• 确定能最大化无干扰D2D链路数量的最优协作距离。
• 确定是否需要集中协调以实现最优缓存性能。
• 分析扩展规律如何依赖于内容请求统计的齐夫指数。

提出的方法

• 使用协议模型对D2D通信进行建模，其中仅在固定协作距离内的设备才能交换文件。
• 假设用户基于受欢迎程度使用简单分布式策略缓存文件，无需中心协调。
• 使用齐夫分布对视频请求统计进行建模，指数γr决定内容重用的集中程度。
• 推导出最优协作距离的闭式表达式，作为网络参数和齐夫指数的函数。
• 应用集中不等式（Azuma-Hoeffding）以界定缓存文件集合与期望值之间的偏差。
• 采用调和和的渐近分析，以表征齐夫指数不同取值范围下的扩展行为。

实验结果

研究问题

• RQ1 当内容受欢迎程度服从齐夫分布时，无干扰D2D协作对的数量如何随节点数n变化？
• RQ2 能最大化同时可调度D2D链路数量的最优协作距离是什么？
• RQ3 简单的分布式缓存策略是否可在无集中协调的情况下实现最优扩展？
• RQ4 当齐夫指数γr大于、小于或等于1时，扩展行为如何变化？

主要发现

• 当齐夫指数γr > 1时，无干扰D2D协作对的数量与节点数n成线性比例增长。
• 当γr < 1时，最佳可能的扩展为O(n^(1−γr))，为次线性扩展，且依赖于内容受欢迎程度的偏斜程度。
• 当γr = 1时，推导出最优协作距离，最佳可实现的扩展为O(n^η)，其中η < 1。
• 一种简单的分布式缓存策略——每个节点以与内容受欢迎程度成正比的概率缓存文件——可在无集中协调的情况下实现最优扩展行为。
• 最优协作距离以闭式表达式推导得出，其为齐夫指数、节点密度和内容受欢迎程度参数的函数。
• 分析表明，在干扰降低（通过缩短范围）与协作增益（通过扩大覆盖范围）之间存在根本性权衡，该权衡由推导出的最优距离所解决。