移动边缘计算中的内容分发加速策略

柳 兴，杨 震，王新军，朱 恒

（1.北京邮电大学计算机学院，北京100876； 2.中国联合网络通信集团有限公司联通（湖南）产业互联网研究院，长沙410014）（∗通信作者电子邮箱liuxing_bupt@qq.com）

0 引言

随着5G的商用，流量数据应用（如人人视频、爱奇艺、快手等）必然愈发普及［1］。边缘计算将以更快的网络服务响应能力，受到各类移动用户的青睐［2］。有研究表明，未来流量数据将是以视频流量为主［3］，因此，如何合理设计移动边缘计算（Mobile Edge Computing，MEC）的缓存策略是值得研究的课题。

目前，已经有多个文献对MEC中的缓存策略进行了研究：文献［4］基于智能域名解析设计了一种基站和核心网联合部署的MEC架构，实现了信息技术与通信技术的融合，将上层功能下沉到网络边缘；文献［5］考虑用户访问资源的整体代价，提出了一种基于效用的启发式分层协作缓存策略，根据资源的效用值进行决策，可最小化用户资源访问代价；文献［6］考虑MEC服务器之间的协作，提出了一种协作式缓存管理算法，可在最大化缓存命中率的同时最小化带宽开销。然而，上述方法都是从MEC协议或架构的角度进行设计，并没有考虑MEC的随机环境，仅从架构上来设计难以有效提升MEC的性能。

为了适应MEC的随机环境，进一步提升边缘计算的服务质量，文献［7］利用用户间的社交关系建立内容传播模型，采用传播动力学方法预测小用户数据下的内容流行度，从个体角度出发预测内容被访问的概率；文献［8］为了提升时延容忍任务的用户体验，通过获取移动用户的运动轨迹及个人偏好信息，设计了移动感知的服务调度算法；文献［9］基于移动用户位置信息提出一种区域人群流量预测的时空网络模型，通过融合各类外部特征信息，以短时局部流量降低对全局信息传输的要求；文献［10］针对视频应用场景，通过在边缘计算平台上执行视频分析服务操作，通过视频内容贴近用户放置来减少响应时间。虽然上述研究在很大程度上提升了移动边缘计算的性能，但是这些研究并没有关注MEC服务器存储空间的价值，因此还有一定的性能提升空间。

针对该问题，本文在考虑MEC服务器存储空间受限的基础上，利用移动用户群对不同对象的兴趣差异，提出了一种基于兴趣的内容分发加速策略（Interest-based Content Distribution Acceleration Strategy，ICDAS）。该策略根据MEC服务器存储空间、移动用户群对不同对象的兴趣以及对象的文件大小，选择性地在MEC服务器上缓存对象，最大限度地满足移动用户群的内容需求。仿真验证了所提策略的有效性。

1 系统模型

图1给出了MEC的网络架构。如图1所示，MEC服务器位于基站附近，可直接响应移动用户请求，也可将请求转发至后端的云数据中心。本文研究的内容分发加速问题，考虑MEC服务器存储空间受限、移动用户群对不同对象的兴趣差异，选择性地缓存对象数据。

图1 MEC网络架构［11］Fig.1 Network framework of MEC［11］

假设MEC中的所有移动用户群的对象需求集合为A={a1，a2，…，aN}，MEC服务器缓存任意对象ai∈A占用的存储空间为p(ai)。假设MEC服务器的存储空间为P，且至少能够存储任意一个对象，则有

考虑移动用户群对内容分发加速的诉求是尽可能快地获取对象数据，同一对象数据被用户群体获取次数越多，则认为用户群对该对象的兴趣越高。考虑到MEC服务器存储空间受限，为了衡量用户群对单位存储空间内存储的对象内容的兴趣，引入兴趣度的概念。

定义1 在[tj，tj+1)时段内，任意对象ai∈A占用服务器的存储空间为p(ai)，被用户群访问的次数为ei，则称该对象在[tj，tj+1)时段内的兴趣度为ei p(ai)。

本文的目标是根据不同时期移动用户群对不同对象的兴趣，设计一种缓存策略，提高MEC服务器的缓存命中率，提升用户感知。

2 方案设计

为了减少MEC中的移动用户获取对象的延时，则MEC服务器缓存的对象必须具备一定的兴趣度。本文引入一个兴趣度排序的概念，利用这一概念能使MEC服务器尽量缓存兴趣度大的对象，提高MEC服务器的缓存命中率。相应的缓存特性用定理给出如下：

定理1 假设MEC服务器存储空间为P，MEC中的所有移动用户在[tj，tj+1)时段对集合A的对象按兴趣度递减排序为{a1'，a2'，…，aN'}，存在M＜N满足：

证明 假设MEC服务器存储空间为P，MEC中的所有移动用户的对象需求集合为A={a1，a2，…，aN}，则有：

假设所有移动用户在[tj，tj+1)时段对集合A的对象按兴趣度递减排序为｛a1'，a2'，…，a N'｝。MEC服务器至少能缓存任意一个对象，则有：

根据式（3）和（4），可推得存在M，满足M＜N，使得式（1）成立。 证毕。

由定理1可知，MEC服务器根据对象兴趣度排序便能极大地提升缓存命中率。由于MEC服务器是分布式架构，服务器会根据用户的需求做出响应，同时根据对象的兴趣度进行缓存。本文主要考虑被动拉的方式在MEC服务器上缓存用户感兴趣的对象，缓存控制策略的具体过程如下：

步骤1 MEC服务器接收用户发起的对象ai的请求，并判断是否存储对象ai：若MEC服务器缓存了对象ai，则跳至步骤2；否则跳至步骤3。

步骤2 判断MEC服务器缓存的对象ai是否为最新：若对象ai为最新，则跳至步骤5；否则跳至步骤3。

步骤3 判断MEC服务器是否有缓存空间存储对象ai最新版本，即P(tj)+P(ai(tj))≤P是否成立：若成立，则跳至步骤5；否则跳至步骤4。

步骤4 判断MEC服务器用对象ai替换其他对象，是否可减少云数据中心的访问量，即P(aj')＜P(ai)≤P(aj')&&ej P(aj')＜ei P(ai)：若成立则跳至步骤 5；否则跳至步骤6。

步骤5 MEC服务器删除对象{aj'|y＜j＜M}，缓存并交付对象ai，跳至步骤7。

步骤6 云数据中心交付对象ai，跳至步骤7。

步骤7 控制策略结束。

该策略中，P(tj)表示MEC服务器在tj时刻缓存的数据量，P(ai(tj))表示对象ai在tj时刻版本需要占用的缓存空间。由于策略采用用户拉的方式来缓存并更新MEC服务器的对象，因此在系统启动时，MEC服务器不会缓存任何对象的数据。

3 仿真实验

仿真中，考虑移动用户向最近的MEC服务器发起申请，MEC服务器与后端云数据中心同步数据的场景。假设总共有1亿个对象，所有对象的大小固定为p(ai)=10 MB，蜂窝小区为1 000台移动终端在线，MEC服务器存储空间P=100 TB。本文从缓存命中率［12］和延时两方面对所提策略的性能进行分析，并将所提策略与主动推送策略和周期同步策略进行比较。

图2给出了三种策略在缓存命中率方面的比较。从图中可以看出：1）周期同步策略的缓存命中率会周期性地达到最大值，然后随着时间的推移递减；2）主动推送策略的缓存命中率围绕某一值波动，验证了主动推送策略是将最新的对象推送给MEC服务器缓存，但是最新的对象不一定是用户最感兴趣的对象；3）所提策略的缓存命中率随着仿真时间的推移而增加并逐渐趋于一个稳定值，这是因为所提策略是采用被动拉的方式进行缓存；4）当所提策略的缓存命中率达到稳定后，所提策略要优于主动推送策略和周期同步策略，验证了采用移动用户对对象的兴趣度进行缓存的方式可有效提升缓存命中率。

图3给出了平均延时与用户数之间的关系。从图中可以看出：1）随着用户数的增加，三种策略的延时都有所增加，这是因为MEC服务器的存储空间有限，用户数越大则对对象的种类需求大，必然导致部分用户到后端云数据中心取数据；2）主动推策略优于周期同步策略，这主要是主动推策略能将最新的对象及时缓存至MEC服务器；3）所提策略优于主动推策略，这是因为所提策略能根据小区用户兴趣在MEC服务器缓存对象。

图2 三种策略的缓存命中率比较Fig.2 Comparison of cache hit ratioof three strategies

图3 三种策略的平均延时与用户数的关系Fig.3 Relationship between averagedelay and user number of three strategies

图4给出了平均延时与小区数之间的关系。从图中可以看出：1）三种策略的平均延时随小区数的增加而增加，验证了不同小区用户感兴趣的对象不同，导致缓存命中率下降造成的结果；2）所提策略的平均延时相对较平稳，且明显低于另外两种策略，这主要是因为所提策略充分考虑了不同小区用户需求的差异，能根据不同小区用户的需求，尽量缓存兴趣度高的对象；3）结合图3和图4的仿真比较可得出结论，当系统运行达到稳定后，所提策略较另外两种策略，用户获取对象数据的时延可减少20%。

图4 三种策略的平均延时与小区数的关系Fig.4 Relationship between averagedelay and cell number of three strategies

4 结语

本文对MEC中的内容分发加速问题进行了研究，提出了一种ICDAS策略，该策略可根据不同小区用户对不同对象的兴趣的不同进行差异化缓存，能够较好地适应MEC服务器存储受限的场景。仿真结果表明，所提策略在缓存命中率和延时方面均优于现有策略，在复杂的MEC环境中具有较好的应用前景。文中所考虑的应用场景具有一定的合理性和有效性，在某种程度上可以提升移动边缘计算的性能。然而，在实际应用中，移动用户通常在一个区域内活动，相邻MEC服务器上缓存的对象存在一定的关系。下一步研究工作的重点是，针对这种相邻MEC服务器缓存的对象存在一定关系的情况设计联合缓存，以提高策略的实用性。