許 朝 謝人超,2 張亨洋 黃 韜,2 劉 江,2 楊 磊

1 北京郵電大學(xué) 網(wǎng)絡(luò)與交換國家重點(diǎn)實(shí)驗(yàn)室 北京 100876

2 北京未來網(wǎng)絡(luò)科技高精尖創(chuàng)新中心 北京 100124

3 中央電視臺 北京 100020

引言

經(jīng)過半個多世紀(jì)的發(fā)展，互聯(lián)網(wǎng)已經(jīng)成為當(dāng)今社會發(fā)展與信息生活的重要基礎(chǔ)設(shè)施，視頻、音樂、圖片等媒體內(nèi)容的獲取和分發(fā)成為當(dāng)今互聯(lián)網(wǎng)的主要模式。然而，隨著全球數(shù)字媒體的深刻變革，媒體數(shù)據(jù)以驚人的速度快速增長，Cisco公司的統(tǒng)計(jì)預(yù)測數(shù)據(jù)表明，在過去五年當(dāng)中，全球IP流量增長超過了4倍，并且在接下來的5年當(dāng)中，全球IP流量還將會增加2倍。在2014年至2019年期間，全球的IP流量將以23%的年均復(fù)合增長率快速增長；到2019年，視頻流量將占到互聯(lián)網(wǎng)流量的80%[1]。網(wǎng)絡(luò)流量的增長速度，特別是視頻流量的增長遠(yuǎn)遠(yuǎn)超過了摩爾定律和路由性能提升的速度，現(xiàn)有的傳輸網(wǎng)絡(luò)已經(jīng)無法滿足龐大媒體數(shù)據(jù)的高效傳輸。同時，大量新的業(yè)務(wù)形態(tài)與產(chǎn)業(yè)發(fā)展模式隨著網(wǎng)絡(luò)媒體深度融合如雨后春筍般涌起，更使得傳統(tǒng)服務(wù)模式和產(chǎn)品面臨嚴(yán)峻考驗(yàn)。

隨著移動接入、普適計(jì)算、分布式信息處理、海量流媒體等新應(yīng)用的發(fā)展，導(dǎo)致服務(wù)器負(fù)載過重，難以及時響應(yīng)用戶的請求。同時，受網(wǎng)絡(luò)帶寬和傳輸時延的限制，用戶體驗(yàn)也受到一定程度的影響，傳統(tǒng)TCP/IP體系結(jié)構(gòu)的計(jì)算機(jī)網(wǎng)絡(luò)性能已經(jīng)開始趨于極限，成為阻礙當(dāng)今網(wǎng)絡(luò)中應(yīng)用層發(fā)展的主要因素[2]。雖然“改良”式的發(fā)展解決了當(dāng)今網(wǎng)絡(luò)存在的大量問題，對網(wǎng)絡(luò)性能的提高也起到很大作用，但其本質(zhì)只是對網(wǎng)絡(luò)結(jié)構(gòu)“修補(bǔ)式”的循環(huán)，使網(wǎng)絡(luò)結(jié)構(gòu)變得越來越復(fù)雜，并同時帶來一些新的問題[3]。在這種情況下，人們試圖提出一種全新的網(wǎng)絡(luò)體系結(jié)構(gòu)來代替TCP/IP結(jié)構(gòu)，在提出的各種未來網(wǎng)絡(luò)體系結(jié)構(gòu)方案中[4-10]，信息中心網(wǎng)絡(luò)(Information-Centric Networking,ICN)成為當(dāng)今研究的一個熱點(diǎn)。

ICN是以信息為中心的網(wǎng)絡(luò)概念[11]，讓信息成為網(wǎng)絡(luò)的發(fā)起者和主導(dǎo)者。相比傳統(tǒng)網(wǎng)絡(luò)，數(shù)據(jù)位置對于ICN網(wǎng)絡(luò)而言已不再重要，用戶需要關(guān)注的只是所要獲取內(nèi)容本身，而不再是網(wǎng)絡(luò)中的終端和所要獲取內(nèi)容的具體位置；因此，在視頻等媒體數(shù)據(jù)業(yè)務(wù)爆炸式增長的背景下，本文結(jié)合奇異值分解算法(Singular Value Decomposition,SVD)算法，提出了基于ICN網(wǎng)絡(luò)的未來媒體網(wǎng)絡(luò)緩存放置算法，旨在通過提高層次節(jié)點(diǎn)間的協(xié)作來減少互聯(lián)網(wǎng)服務(wù)提供商之間的跨域傳輸，減小網(wǎng)絡(luò)傳輸開銷，通過降低網(wǎng)絡(luò)中數(shù)據(jù)的傳輸時延和提高網(wǎng)絡(luò)中的數(shù)據(jù)請求響應(yīng)速率來優(yōu)化用戶體驗(yàn)。為深入分析ICN網(wǎng)絡(luò)緩存放置算法，本文從較為成熟的NDN網(wǎng)絡(luò)出發(fā)，對網(wǎng)絡(luò)緩存放置算法進(jìn)行仿真和分析。

本文后續(xù)章節(jié)主要包括以下內(nèi)容。1)主要介紹ICN緩存放置策略。2)主要介紹基于ICN的未來媒體網(wǎng)絡(luò)緩存放置策略的原理以及其與傳統(tǒng)IP網(wǎng)絡(luò)相比體現(xiàn)出的優(yōu)勢。3)將對NDN中CS結(jié)構(gòu)進(jìn)行簡單修改，利用ndnSIM[12]對基于ICN的未來媒體網(wǎng)絡(luò)緩存放置策略進(jìn)行仿真和分析。4)將對仿真結(jié)果和基于ICN的未來媒體網(wǎng)絡(luò)緩存放置策略做簡單總結(jié)。

1 緩存放置策略

和傳統(tǒng)的P2P、Web緩存相比，ICN網(wǎng)絡(luò)緩存呈現(xiàn)出新的特征，這些新特征主要體現(xiàn)在緩存透明化、緩存泛在化和緩存細(xì)粒度化[13]。ICN緩存放置問題主要研究在ICN緩存大規(guī)模和動態(tài)自生長的背景下，各節(jié)點(diǎn)如何篩選緩存內(nèi)容，優(yōu)化性能指標(biāo)，提高緩存魯棒性等問題，主要包括緩存替換策略和緩存決定策略。緩存放置策略的優(yōu)劣直接決定了網(wǎng)絡(luò)的性能優(yōu)劣，優(yōu)化的緩存放置策略可以大大降低網(wǎng)絡(luò)平均負(fù)載，降低網(wǎng)絡(luò)運(yùn)營成本并提高用戶體驗(yàn)。不止對ICN網(wǎng)絡(luò)，網(wǎng)絡(luò)緩存放置問題的研究對于云網(wǎng)絡(luò)、服務(wù)中心網(wǎng)絡(luò)等都具有普適意義。

1.1 緩存替換策略

緩存替換策略主要研究在緩存空間已滿的情況下將哪個內(nèi)容替換出去的問題。目前，緩存替換策略主要有LRU(Least Recently Used)、LFU(Leave Frequently Used)、TTL(Time To Leave)和RAD(Random Replace Policy)。

LRU是根據(jù)內(nèi)容到達(dá)的時間，將最新到達(dá)的內(nèi)容緩存，替換最下面的內(nèi)容，這種方法目前使用最多，但脫離于先驗(yàn)的流行性。LFU是緩存新到達(dá)的內(nèi)容，將最不流行的內(nèi)容替換掉。TTL是在內(nèi)容到達(dá)時設(shè)定一個緩存時間，類似于生存時長，時間一到便替換內(nèi)容。RAN是隨機(jī)緩存替換，其優(yōu)點(diǎn)是不需要查找現(xiàn)有緩存中是否已經(jīng)存在該內(nèi)容。

緩存替換策略在傳統(tǒng)的Web緩存中已經(jīng)得到廣泛研究，詳細(xì)內(nèi)容可參考文獻(xiàn)[14]。但I(xiàn)CN中的緩存要求線速執(zhí)行，因此緩存替換策略應(yīng)盡量簡單。從整個網(wǎng)絡(luò)研究內(nèi)容來看，緩存替換算法并不是ICN研究的重點(diǎn)，ICN對緩存替換算法簡單性的要求勝于緩存替換算法之于緩存系統(tǒng)性能提升(如命中率)的要求[15]。文獻(xiàn)[16,17]的研究表明，在ICN中采用簡單的隨機(jī)替換算法基本上就能達(dá)到LRU替換算法的性能；因此，本文重點(diǎn)研究緩存放置策略中的緩存決定策略。

1.2 緩存決定策略

緩存決定策略主要研究在某個節(jié)點(diǎn)是否緩存某個內(nèi)容。在集中式的管理架構(gòu)中，集中管理節(jié)點(diǎn)可以通過全局信息來計(jì)算每個內(nèi)容應(yīng)該存放在哪個節(jié)點(diǎn)；而在分布式架構(gòu)中，節(jié)點(diǎn)通過自身的信息來判斷是否緩存內(nèi)容。鑒于NDN網(wǎng)絡(luò)分布式架構(gòu)，本文主要研究分布式節(jié)點(diǎn)的緩存決定策略。

依據(jù)協(xié)同決策點(diǎn)的不同，分布式緩存策略又分為節(jié)點(diǎn)之間合作與不合作兩種方式。其中不合作方式主要包括都緩存(Leave Copy Everywhere, LCE)和下一跳緩存(Leave Copy Down, LCD)[18]。其中，LCE是NDN默認(rèn)的緩存決定策略，具體方法是在所經(jīng)過路徑的每個節(jié)點(diǎn)都緩存內(nèi)容，其缺點(diǎn)是導(dǎo)致網(wǎng)絡(luò)中產(chǎn)生大量的內(nèi)容冗余。LCD則是只在命中節(jié)點(diǎn)的下一節(jié)點(diǎn)緩存內(nèi)容，這使得內(nèi)容流行度高的內(nèi)容需要請求多次才能到達(dá)邊緣節(jié)點(diǎn)，數(shù)據(jù)響應(yīng)速率不高。

合作緩存決定策略主要是下移一跳緩存(Move Copy Down, MCD)[18]，MCD類似于LCD，也是在命中節(jié)點(diǎn)的下一跳緩存內(nèi)容，主要區(qū)別是MCD需要刪除內(nèi)容命中節(jié)點(diǎn)的緩存(源服務(wù)器除外)。MCD存在的主要問題是，當(dāng)請求用戶來自不同的邊緣網(wǎng)絡(luò)時，會出現(xiàn)內(nèi)容緩存節(jié)點(diǎn)的搖擺，增加網(wǎng)絡(luò)開銷。

結(jié)合上述三種決定策略的優(yōu)缺點(diǎn)，我們可以從以下兩方面出發(fā)，提高緩存的整體效用。一方面，可以在邊緣緩存節(jié)點(diǎn)緩存流行度較高的內(nèi)容，從而減小用戶下載內(nèi)容的平均時延和提高網(wǎng)絡(luò)中資源的利用率。另一方面，可以提高整個網(wǎng)絡(luò)緩存系統(tǒng)的緩存多樣性，特別是同一自治系統(tǒng)內(nèi)容路由器所緩存的對象的多樣性，盡量使得用戶請求由自治系統(tǒng)內(nèi)的緩存節(jié)點(diǎn)予以滿足，從而降低域間操作和域間流量[15]。

為更好地適應(yīng)視頻等媒體業(yè)務(wù)對于網(wǎng)絡(luò)緩存機(jī)制的要求，本文從緩存決定策略的角度，結(jié)合SVD算法，提出基于ICN網(wǎng)絡(luò)的未來媒體網(wǎng)絡(luò)緩存放置算法。

2 基于ICN的未來媒體網(wǎng)絡(luò)緩存放置策略

在傳統(tǒng)IP網(wǎng)絡(luò)下，用戶獲取內(nèi)容需要從特定的主機(jī)獲取，而在視頻流量占據(jù)互聯(lián)網(wǎng)大部分流量的情況下，這一機(jī)制必然造成相關(guān)鏈路、特別是靠近內(nèi)容源的鏈路的堵塞。同時，由于處理時延、鏈路帶寬等問題，同一主機(jī)上的內(nèi)容請求也會相互影響，造成網(wǎng)絡(luò)利用率下降，浪費(fèi)網(wǎng)絡(luò)資源。而ICN網(wǎng)絡(luò)將數(shù)據(jù)與位置相分離，內(nèi)容數(shù)據(jù)分布在整個網(wǎng)絡(luò)當(dāng)中，而非特定主機(jī)。當(dāng)用戶發(fā)起數(shù)據(jù)請求之后，在網(wǎng)絡(luò)中查找數(shù)據(jù)，一方面減輕了內(nèi)容源附近鏈路的負(fù)荷，另一方面對于合理利用帶寬、提高網(wǎng)絡(luò)利用率都具有重要意義。

ICN雖然解決了數(shù)據(jù)與位置綁定所帶來的問題，但當(dāng)數(shù)據(jù)不在本地網(wǎng)絡(luò)中時，就需要進(jìn)行域間操作，這必然引起較大的時延，對用戶體驗(yàn)造成影響。為解決這一問題，本文結(jié)合SVD算法設(shè)計(jì)基于ICN的未來媒體網(wǎng)絡(luò)緩存放置算法。該算法通過判斷本地網(wǎng)絡(luò)請求數(shù)據(jù)與其他網(wǎng)絡(luò)數(shù)據(jù)的相似性來決定將緩存在本地網(wǎng)絡(luò)中的內(nèi)容。

這里的相似性概念是從用戶的角度來看的，對于計(jì)算機(jī)而言，它只能進(jìn)行計(jì)算。為了讓計(jì)算機(jī)能夠計(jì)算出網(wǎng)絡(luò)中內(nèi)容的相似性，可以將網(wǎng)絡(luò)中的各個內(nèi)容在不同網(wǎng)絡(luò)中的請求次數(shù)定義為一個M行N列的矩陣，同一內(nèi)容在不同網(wǎng)絡(luò)的請求次數(shù)構(gòu)成了一個M維向量。有了這些多維向量之后就可以利用式(1)，通過余弦相似度來判斷內(nèi)容之間的相似度，其中符號“g” 表示向量間的點(diǎn)積，“||”表示向量的歐氏長度，即向量的模。由定義可以看出，相似度介于0到1之間，越接近1表示相似度越高。

余弦相似度判斷精度較高，但當(dāng)N個內(nèi)容兩兩之間的進(jìn)行比較時，其復(fù)雜度為O(N2·M)，顯然不適用于大規(guī)模數(shù)據(jù)的計(jì)算；因此，我們可以先利用SVD算法對之前的矩陣進(jìn)行粗略處理，然后利用余弦相似性進(jìn)行精確判斷。

SVD算法的數(shù)學(xué)基礎(chǔ)為，對于任何行數(shù)大于或等于列數(shù)的M×N矩陣A，均可分解為M×N的列正交矩陣U、元素大于或等于零的N×N的對角矩陣∑和N×N的正交矩陣V的轉(zhuǎn)置的乘積，具體可表示為：

其中矩陣U的列稱為A的左奇異向量，矩陣V的列稱為A的右奇異向量，∑稱為A的奇異值標(biāo)準(zhǔn)型，∑的對角元素被稱為矩陣A的奇異值矩陣。其中，∑的每個對角元素非負(fù)，而且依次減小，在線性空間里，每個向量代表一個方向，所以特征值是代表該矩陣向著該特征值對應(yīng)的特征向量的方向的變化權(quán)重，因此，可以取∑對角線上前k個元素為新的對角矩陣∑2，相應(yīng)地，取U的前k列為U2，VT的前k行為VT2，A可近似表示為：

當(dāng)k越大時，式(3)右邊與左邊越接近。

雖然SVD算法的復(fù)雜度與余弦相似度算法屬于一個量級，但由于網(wǎng)絡(luò)中大量低流行度內(nèi)容的存在，可以利用矩陣的稀疏性大大縮短計(jì)算時間。在之后進(jìn)行余弦相似度判斷時，因?yàn)槿コ蟛糠至餍卸容^低的內(nèi)容，復(fù)雜度也將遠(yuǎn)小于O(N2·M)。兩種方法的先后使用，充分利用二者的優(yōu)勢，既節(jié)省了計(jì)算時間，又獲得了較高的精確度。

基于ICN的未來媒體網(wǎng)絡(luò)可以采用IP與NDN混合網(wǎng)絡(luò)結(jié)構(gòu)，核心網(wǎng)保持傳統(tǒng)的IP網(wǎng)絡(luò)架構(gòu)，為邊緣網(wǎng)絡(luò)提供服務(wù)，邊緣網(wǎng)絡(luò)則采用NDN，作為研究ICN網(wǎng)絡(luò)的具體網(wǎng)絡(luò)。繼承IP協(xié)議對于第二層協(xié)議的寬松要求這一優(yōu)點(diǎn)，NDN可以實(shí)施在任何的底層協(xié)議之上，甚至可以架構(gòu)在IP層之上，保證了NDN網(wǎng)絡(luò)對傳統(tǒng)IP網(wǎng)絡(luò)的兼容性。

NDN中提出三種重要的數(shù)據(jù)結(jié)構(gòu)用來實(shí)現(xiàn)路由轉(zhuǎn)發(fā)，這三者分別為待處理請求表(Pending Interest Table，PIT)、轉(zhuǎn)發(fā)信息庫(Forwarding Information Base，F(xiàn)IB)和內(nèi)容存儲庫(Content Store，CS)。其中，PIT記錄未響應(yīng)興趣包的內(nèi)容名及其到達(dá)接口，F(xiàn)IB記錄當(dāng)前節(jié)點(diǎn)到達(dá)內(nèi)容提供節(jié)點(diǎn)的下一跳接口，CS保存路由節(jié)點(diǎn)的緩存內(nèi)容。

NDN網(wǎng)絡(luò)中的通信由請求方(Consumer)驅(qū)動[12]，請求方請求數(shù)據(jù)時，首先廣播興趣包，當(dāng)路由節(jié)點(diǎn)收到興趣包后，先對內(nèi)容名進(jìn)行最大匹配查詢，再依據(jù)查詢結(jié)果進(jìn)行操作，興趣包一旦到達(dá)存儲所需數(shù)據(jù)的節(jié)點(diǎn)時，就會將相應(yīng)的數(shù)據(jù)包發(fā)送到請求者。我們以NDN已有數(shù)據(jù)結(jié)構(gòu)為基礎(chǔ)，在CS中加入新的條目“Count”，用來標(biāo)記每個數(shù)據(jù)包的請求次數(shù)。Count初始化為0，每當(dāng)返回一次數(shù)據(jù)，Count值加1，CS結(jié)構(gòu)變?yōu)閳D1。

圖1 加入Count條目的CS結(jié)構(gòu)

通過CS統(tǒng)計(jì)每個NDN邊緣網(wǎng)絡(luò)中每個內(nèi)容的請求次數(shù)構(gòu)成Interest請求矩陣A，結(jié)構(gòu)如表1所示。通過分解得到奇異向量VT，VT每行代表不同的特征，每列代表不同的數(shù)據(jù)對象，每個列向量表示每個數(shù)據(jù)對象對于各個特征所占的權(quán)重。

表1 Interest請求矩陣

根據(jù)這個結(jié)果將各個邊緣網(wǎng)絡(luò)請求數(shù)據(jù)中與本網(wǎng)絡(luò)已緩存數(shù)據(jù)相似性度最高的內(nèi)容緩存在本網(wǎng)絡(luò)中，當(dāng)用戶請求該數(shù)據(jù)時，即可快速得到響應(yīng)，而不需要進(jìn)行跨域操作，同時，也提高了緩存命中率，減少了網(wǎng)絡(luò)開銷。

3 仿真結(jié)果

本次仿真通過ndnSIM[12]模擬3個NDN網(wǎng)絡(luò)和核心網(wǎng)。每個NDN網(wǎng)絡(luò)包括3個user節(jié)點(diǎn)和1個p節(jié)點(diǎn)，其中user節(jié)點(diǎn)作為請求節(jié)點(diǎn)，發(fā)出數(shù)據(jù)請求。三個網(wǎng)絡(luò)通過Rtr節(jié)點(diǎn)實(shí)現(xiàn)通信并與IP核心網(wǎng)相連接。IP核心網(wǎng)中包括3個p節(jié)點(diǎn)。p緩存有數(shù)據(jù)包，用來響應(yīng)來自本網(wǎng)絡(luò)或其它他網(wǎng)絡(luò)相應(yīng)的數(shù)據(jù)請求。仿真拓?fù)淙鐖D2所示。

圖2 仿真拓?fù)?/p>

本次仿真使用Packet-level trace helpers中的ndn::L3RateTracer獲得每個節(jié)點(diǎn)轉(zhuǎn)發(fā)的字節(jié)數(shù)和轉(zhuǎn)發(fā)包的個數(shù)等信息。表1列出了10s時間內(nèi)每個網(wǎng)絡(luò)對各個內(nèi)容發(fā)出的Interest包的個數(shù)。對Interest請求矩陣進(jìn)行SVD分解后得到如表2所示的VT矩陣，取k=2，以VT第一行為橫坐標(biāo)，第二行為縱坐標(biāo)，得到圖3所示結(jié)果。

表2 SVD分解所得VT矩陣

圖3 SVD仿真結(jié)果

利用余弦相似性可以判斷p1與p5相似度最高，與p2、p3相似度最高的均為p6。根據(jù)該結(jié)果，每個邊緣NDN網(wǎng)絡(luò)可以選擇緩存與本網(wǎng)絡(luò)內(nèi)容相似度最高的內(nèi)容到本地p節(jié)點(diǎn)中。仿真結(jié)果給出了使用不同緩存決定策略時，3個NDN邊緣網(wǎng)絡(luò)中請求響應(yīng)包的個數(shù)和請求命中率結(jié)果。圖4表明，在相同時間內(nèi)，請求確定數(shù)量的相同內(nèi)容，基于SVD算法的ICN緩存決定策略得到的數(shù)據(jù)請求響應(yīng)明顯多于使用傳統(tǒng)的LCE、LCD和MCD策略得到的數(shù)據(jù)請求響應(yīng)，即降低了請求響應(yīng)時間。圖5表明，基于SVD算法的ICN緩存決定策略對提高緩存命中率有明顯改善，LCE則優(yōu)于MCD和LCD。其中，MCD與LCD命中率相同，其原因是二者的區(qū)別只是在于是否刪除命中節(jié)點(diǎn)緩存，而二者都會在命中節(jié)點(diǎn)下一跳緩存內(nèi)容，因此，不會影響到命中率。

圖4 請求節(jié)點(diǎn)響應(yīng)數(shù)據(jù)

圖5 數(shù)據(jù)命中率

4 結(jié)束語

本文主要利用SVD算法，通過余弦相似度來分析不同網(wǎng)絡(luò)中請求內(nèi)容的相似性來決定每個網(wǎng)絡(luò)的緩存內(nèi)容，從而提高數(shù)據(jù)響應(yīng)速率和網(wǎng)絡(luò)緩存命中率。

由仿真結(jié)果可以看出，基于SVD算法的緩存策略在響應(yīng)時間和緩存命中率方面要明顯優(yōu)于傳統(tǒng)LCE、MCD和LCD策略。由于頻率較高的請求內(nèi)容都能在本網(wǎng)絡(luò)中得到響應(yīng)，即不需要經(jīng)過網(wǎng)絡(luò)之間的路由再去尋找數(shù)據(jù)源。所以基于SVD算法的緩存策略也起到了縮短平均請求響應(yīng)時間的效果，減少了互聯(lián)網(wǎng)服務(wù)提供商之間的跨域傳輸和傳輸開銷，進(jìn)而降低網(wǎng)絡(luò)中數(shù)據(jù)的傳輸時延。對提高網(wǎng)絡(luò)中的數(shù)據(jù)請求響應(yīng)速率和優(yōu)化用戶體驗(yàn)都具有重要意義。

參考文獻(xiàn)

[1] Cisco Visual Networking Index: Forecast and Methodology: 2014–2019[EB/OL].[2016-03-12]http://www.cisco.com/c/en/us/solutions/collateral/serviceprovider/ip-ngn-ip-next-generation-network/white_paper_c11-481360.html

[2] Feldmann A. Internet Clean-Slate Design:What and Why?[J].Computer Communication Review,2007,37(3):59-64

[3] 吳超,張堯?qū)W,周悅芝,等.信息中心網(wǎng)絡(luò)發(fā)展研究綜述[J]. 計(jì)算機(jī)學(xué)報(bào),2015,03:455-471

[4] Dannewitz C, Pentikousis K, Rembarz R. Scenarios and research issues for a network of information[EB/OL].[2016-01-06].https://www.researchgate.net/publication/228941601_Scenarios_and_Research_Issues_for_a_Network_of_Information

[5] Ahlgren B,D’Ambrosio M,Dannewitz C,et al.Design considerations for a network of information[C]//Proceedings of First International Workshop on Re-Architecting the Internet. Madrid: [s. n.], 2008

[6] Ohlman B, Ahlgren B, Brunner M. First NetInf architecture description, FP7-ICT-2007-1-216041-4WARD/D-6.1[R].2009

[7] Jacobson V, Smetters D K, Thornton J D. Networking named content[A].New York,NY,USA:ACM,2009.1-12

[8] L. Zhang et al. Named data networking (ndn) project[R].Technical Report NDN-0001, October 2010

[9] Lagutin D, Visala K, Tarkoma S. Publish/Subscribe for Internet:PSIRP Perspective[C]. Towards the Future Internet - Emerging Trends from European Research,2010:77-82

[10] 張行功,牛童,郭宗明.未來網(wǎng)絡(luò)之內(nèi)容中心網(wǎng)絡(luò)的挑戰(zhàn)和應(yīng)用[J].電信科學(xué), 2013, 29(8):24-31

[11] Nelson T. Literary machines: the report on, and of,project Xanadu concerning word processing, electronic publishing, hypertext, thinkertoys, tomorrow' s intellectual revolution, and certain other topics including knowledge, education and freedom[M].Sausalito,California: Mindful Press,1981

[12] Afanasyev A, Moiseenko I, Zhang L, ndnSIM: NDN simulator for NS-3[EB/OL].[2016-01-06].http://nameddata.net/techreports.html

[13] 李軍,陳震,石希.ICN體系結(jié)構(gòu)與技術(shù)研究[J].信息網(wǎng)絡(luò)安全,2012(4):75-80

[14] Podlipnig S, B?sz?rmenyi L. A survey of Web cache replacement strategies[J].ACM Computing Surveys,2003,35(4):374-398

[15] 張國強(qiáng),李楊,林濤,等.信息中心網(wǎng)絡(luò)中的內(nèi)置緩存技術(shù)研究[J].軟件學(xué)報(bào),2014,25(1):154-175

[16] Eum S, Nakauchi K, Murata M, et al. CATT: Potential based routing with content caching for ICN[C]//the 2nd ICN Workshop on Information-Centric Networking.2012. 49-54

[17] Rossi D, Rossini G. Caching performance of content centric networks under multi-path routing (and more).Technical Report,Telecom ParisTech, 2011[EB/OL].[2016-01-06]http://perso.telecom-paristech.fr/～drossi/paper/rossi11ccn-techrep1.pdf

[18] Laoutaris N, Syntila S, Stavrakakis I. Meta algorithms for hierarchical web caches[C]//IEEE International Performance Computing and Communications Conference (IEEE IPCCC), Phoenix, April 15-17, 2004:445-452