[论文解读] Spatial multi-LRU: Distributed Caching for Wireless Networks with Coverage Overlaps

Anastasios Giovanidis, Apostolos Avranas|arXiv (Cornell University)|Dec 13, 2016

Caching and Content Delivery参考文献 31被引用 9

一句话总结

本文提出空间多LRU（spatial multi-LRU），一种用于具有重叠覆盖的无线网络的分布式缓存策略，通过基于LRU的替换机制提升命中概率。该文提出两种变体——multi-LRU-One 和 multi-LRU-All，分别通过提升内容多样性与地理分布来增强性能，在现实的时间局部性条件下，优于单LRU策略，并可匹配或超越集中式策略，尤其在多覆盖程度较高时表现更优。

ABSTRACT

This article introduces a novel family of decentralised caching policies, applicable to wireless networks with finite storage at the edge-nodes (stations). These policies, that are based on the Least-Recently-Used replacement principle, are here referred to as spatial multi-LRU. They update cache inventories in a way that provides content diversity to users who are covered by, and thus have access to, more than one station. Two variations are proposed, the multi-LRU-One and -All, which differ in the number of replicas inserted in the involved caches. We analyse their performance under two types of traffic demand, the Independent Reference Model (IRM) and a model that exhibits temporal locality. For IRM, we propose a Che-like approximation to predict the hit probability, which gives very accurate results. Numerical evaluations show that the performance of multi-LRU increases the more the multi-coverage areas increase, and it is close to the performance of centralised policies, when multi-coverage is sufficient. For IRM traffic, multi-LRU-One is preferable to multi-LRU-All, whereas when the traffic exhibits temporal locality the -All variation can perform better. Both variations outperform the simple LRU. When popularity knowledge is not accurate, the new policies can perform better than centralised ones.

研究动机与目标

• 解决在具有多覆盖且基站存储受限的无线边缘网络中最大化命中概率的挑战。
• 设计一种去中心化的缓存策略，利用重叠覆盖提升内容可用性，无需集中协调。
• 在广泛缓存热门内容与保持重叠小区中较不热门内容多样性之间实现平衡。
• 在独立引用模型（IRM）和具有现实流行度动态的时间相关流量下评估性能。
• 证明当流行度估计不准确或过时时，去中心化策略可优于集中式策略。

提出的方法

• 提出两种变体：multi-LRU-One 在覆盖该内容的所有缓存中仅插入一个副本，而 multi-LRU-All 在所有覆盖该内容的缓存中均插入副本。
• 在每个边缘节点应用基于LRU的替换策略，根据请求历史和用户访问模式更新缓存状态。
• 使用类似Che的近似方法，对独立引用模型（IRM）下的命中概率进行理论预测，并通过仿真验证。
• 使用IRM和一种时间局部性模型对用户请求进行建模，其中同一内容的请求突发具有相关性。
• 在不同内存大小（K）、覆盖密度（N̄_bs）和流行度分布（逻辑分布、指数分布、均匀分布）下进行性能仿真。
• 将multi-LRU策略与单LRU（每个用户仅一个缓存）及定期更新流行度的集中式策略（POP）进行对比。

实验结果

研究问题

• RQ1 在无线网络中，多覆盖如何影响分布式缓存策略的性能，相较于单缓存或集中式方案？
• RQ2 在独立引用模型（IRM）流量下，multi-LRU-One 与 multi-LRU-All 哪一变体表现更优，原因是什么？
• RQ3 请求模式中的时间局部性如何影响multi-LRU变体与集中式策略的相对性能？
• RQ4 当内容流行度估计不准确时，去中心化策略在多大程度上可优于集中式策略？
• RQ5 类似Che的近似方法能否准确预测在IRM下multi-LRU系统的命中概率？

主要发现

• 在IRM流量下，multi-LRU-One 优于 multi-LRU-All，因其在邻近缓存中实现了更好的内容多样性，尤其在内存较小时表现更优。
• 在时间相关流量下，multi-LRU-All 表现更优，因为内容的快速地理传播在请求聚集时能显著提升命中率。
• 当每种内容的平均请求数为2.1且覆盖度适中（N̄_bs = 2.4）时，multi-LRU策略的命中概率比单LRU高出最多30%。
• 在高内存大小（ρ）时性能趋于饱和，超过某一临界K值后，存储容量增加带来的收益逐渐减少。
• 在时间局部性条件下，即使使用估计的流行度，multi-LRU策略仍优于集中式POP策略，原因在于其基于实时请求的动态更新机制。
• 在IRM下，对命中概率的类似Che的近似方法与仿真结果高度吻合，可在无需完整仿真的情况下实现准确性能预测。