論文：對未來網路中CCN的快取策略的研究
引言
隨著傳統TCP /IP 網路諸多弊端的暴露，以內容為中心的網路( Content-Centric Network，CCN)作為一種新型網路架構，已經成為未來網路的研究熱點。CCN 將內容置於首要地位，不再關心內容的儲存位置，而僅關心內容本身，內容的來源可以是網路中的內容伺服器，也可以是任意網路節點中的快取。當用戶需要獲取內容時，首先作為內容請求者，向網路傳送內容請求，然後根據CCN 的轉發策略，對內容請求進行逐跳轉發，任何能夠響應內容請求的節點或內容伺服器都可以沿著內容請求的方向，直接將內容傳送給請求者，完成資訊的傳輸。CCN 網路採用了分散式的內容快取機制，允許節點對傳輸的內容進行快取。儘管快取技術已經廣泛應用於計算機網路領域，但考慮到CCN 中快取功能的普遍性和通用性，快取技術的研究仍存在很多需要解決的問題。
目前CCN 快取技術的研究主要涉及快取容量的分配策略、快取替換策略、快取利用策略和快取放置策略，其中快取放置策略是CCN 快取研究的核心問題。但是當前提出的快取機制還是有一些問題需要解決:首先是快取無效，當很多節點上快取相同的內容時，有一些節點，比如上游節點上的內容在一段時間內從未被請求過，而導致這些快取一直未發揮作用，這就叫無效快取。這會導致空間的浪費。其次是相同的快取內容在某一時間段記憶體在於各個節點，尤其是在熱門時間內，各個節點上都快取著。基於上述幾個基礎方案存在的問題，文中提出一種基於內容流行度的動態快取決定策略。基本原理如下:
傳統的LCE 或者LCD 等對任何內容都會進行快取，而沒有考慮到內容的流行度，因為有的內容較為流行，需求量較大，而有的內容需求量較小。所以應該儘量多快取流行度較高的內容，而流行度較低的內容，則儘量少快取。這樣可以節省資源，並且提高了CCN 的整體表現能力。將這個策略叫做MPC( Most PopularContent) ，即只快取流行內容，而不快取不流行的內容，不快取不流行的內容可以減少快取替換時的負擔，因為快取的.不流行的內容越多，那麼當流行的內容被請求時，不流行的內容就會被替換下來( 用LRU 等策略) ，這樣會增加快取替換的工作量。
那麼流行度怎麼定義呢? 筆者定義了一個流行閾，當一個內容被請求了一定的次數，而達到了這個流行閾之後，這個內容就被稱為流行的內容。但是一個內容可能在一定時間內請求的節點比較多，但是過了一段時間後，漸漸變少了。所以將流行度定義為一定時間內被請求的次數，這個時間定義為統計週期或者是重置時間。比如，如果統計週期為5 s，當內容o在5 s 內被訂閱了3 次之後，它的流行度就是3。當時間過了5 s 之後，它的流行度就需要被重新計數了。所以當內容o 剛剛被髮布時，訂閱它的節點很多，所以在幾個統計週期內它的流行度都很高。但是在過了一段時間之後，訂閱者逐漸減少。而且每隔一段時間流行度都需要被清零，所以流行度也就逐漸下降。在每個節點上，都會維護著一個流行度表，並且記錄著它收到的請求特定內容的興趣包。當一個內容或者說資料包變得流行以後，快取該內容的節點，會通知它的相鄰節點，讓它的相鄰節點也快取這個內容。但是收到建議後，相鄰節點可以做出選擇，可以快取這個內容，也可以不快取。需要注意的是，內容的流行度不是一直不變的，當一個內容變成流行內容之後，它可以在一段時間後變得不流行了，因為使用者的需求隨時在變化。
下面根據具體的例項來分析基於內容流行度的快取決策方案所示，在一個統計週期內，最開始在節點D 快取著一個流行內容d1而節點E 快取著一個不流行的內容e1，假設為0。當節點A 發出請求內容e1的興趣包之後，包括節點A，C，D，E 在內的沿路節點中，e1在流行度表中的流行度都上升了。
也就是說，e1在節點A，C，D，E 中的流行度現在已經由0 變為1了。同時，當節點A 發出請求內容d1的興趣包之後，包括沿路節點A，C，D 在內的節點，d1在流行度表中的流行度也變為1 了。接下來，節點B 請求內容d1，則在節點C 和D 中，d1的流行度變成了2。最後C 請求內容d1，那麼在節點C 和D 中，內容d1的流行度也就變成了3。在這裡把閾值設定為3，即流行度大於等於3 的內容會被快取。此時，節點D 是唯一快取內容d1的節點，D 向它的相鄰節點E 和C 傳送訊息，告訴它們，可以快取內容d1。至於是否快取，還要看節點C和E 的快取能力。因為每個節點中，另外維護了兩個引數，最大快取數和應當快取數目，當快取能力足夠時，就會快取內容d1。所以當E 和C 快取了d1之後，比如當節點A 請求內容d1時，就會直接從節點C 處獲取，而不是節點D
結束語
為了分析研究CCN 網路的快取決定策略，文中分析研究了幾種基本的快取決定策略，如LCE、LCD 等，得出了它們存在的缺點和不足，比如無效快取、冗餘度高等等。在此基礎上提出了一種基於內容流行度的快取決定策略，將內容流行度引入了快取決策分析。經過模擬分析，基於內容流行度的快取決策在快取效率上遠遠優於簡單的LCE 快取決策。展望未來，還有很多地方值得研究，比如將MPC 推動到行動網路環境中去，還可以利用節點之間的頻寬來換取快取效率的思想。
