命名数据网络中缓存一致性问题研究

发布时间:2022-10-04 15:19
  当今互联网络的功能已经逐渐从信息传递转变为内容分发,而传统的以主机为中心的TCP/IP网络架构难以应对这种变化,因此研究者们提出了一种以内容为中心的未来网络潜在架构——命名数据网络(Named Data Networking,NDN)。泛化的缓存系统是NDN网络的典型特征之一,这一方面提高了内容传输的效率,另一方面也带来了缓存一致性的问题。保证缓存一致性,就是保证用户在任意缓存节点中获取的内容副本是有效的,这对于提升NDN网络的服务能力、拓宽NDN网络的应用范围具有重要意义。此外,缓存系统在提供缓存一致性的同时,必然产生额外的网络管理与网络流量开销,如何在不影响网络性能的情况下降低这些开销,也是在NDN网络中部署一致性服务时需要解决的问题。针以上问题,本文首先建立缓存一致性问题的数学模型,从理论上分析基本缓存一致性场景中网络性能的影响因素,并从中获取设计缓存一致性策略的洞见,进而提出基于发布/订阅机制的NDN缓存一致性策略。具体研究工作如下:(1)本文通过使用泊松过程刻画流量的传输行为、使用条件概率描述存在与有效的交互关系,建立了基于LRU的四种基本缓存一致性场景数学模型。该模型可以在... 

【文章页数】:91 页

【学位级别】:硕士

【文章目录】:
摘要
ABSTRACT
符号说明
第1章 绪论
    1.1 研究背景
        1.1.1 从TCP/IP网络到命名数据网络
        1.1.2 缓存一致性问题概述与研究现状
    1.2 研究内容与研究意义
    1.3 论文结构
第2章 命名数据网络与相关缓存一致性问题研究
    2.1 命名数据网络原理
        2.1.1 基本架构与概念
        2.1.2 数据缓存技术
        2.1.3 其他关键技术
    2.2 缓存一致性分析模型
        2.2.1 缓存分析模型
        2.2.2 缓存弱一致性分析模型
        2.2.3 缓存强一致性分析模型
    2.3 缓存一致性策略
        2.3.1 缓存弱一致性策略
        2.3.2 缓存强一致性策略
        2.3.3 命名数据网络中的缓存一致性策略
    2.4 本章小结
第3章 基于LRU的缓存一致性问题分析模型
    3.1 问题分析
        3.1.1 LRU缓存替换算法分析
        3.1.2 缓存一致性问题分析
    3.2 模型描述
        3.2.1 记号与假设
        3.2.2 存在概率与“Che近似”
        3.2.3 有效概率
    3.3 模型建立
        3.3.1 被动失效
        3.3.2 基于移除的主动失效
        3.3.3 基于更新的主动失效
        3.3.4 基于选择更新的主动失效
    3.4 仿真实验
        3.4.1 缓存命中率
        3.4.2 服务器负载
        3.4.3 基于选择更新的主动失效策略参数设置
    3.5 本章小结
第4章 基于发布/订阅机制的缓存一致性策略
    4.1 问题分析
    4.2 基本思想
    4.3 策略描述
        4.3.1 轻量级NDN发布/订阅机制
        4.3.2 数据包、兴趣包与端口记录表结构
        4.3.3 订阅过程
        4.3.4 发布过程
        4.3.5 清除过程
        4.3.6 记录过程
        4.3.7 数据包处理过程
        4.3.8 兴趣包处理过程
        4.3.9 完整过程示例
    4.4 仿真实验
        4.4.1 实验设置
        4.4.2 缓存命中率
        4.4.3 服务器负载
        4.4.4 额外负载占比
    4.5 本章小结
第5章 总结与展望
    5.1 本文工作总结
    5.2 未来工作展望
参考文献
致谢
在读期间发表的学术论文与取得的研究成果


【参考文献】:
期刊论文
[1]一般网络拓扑结构的CCN数据传输近似模型(英文)[J]. 王国卿,黄韬,刘江,陈建亚,刘韵洁.  中国通信. 2014(07)



本文编号:3685271

资料下载
论文发表

本文链接:https://www.wllwen.com/shoufeilunwen/xixikjs/3685271.html


Copyright(c)文论论文网All Rights Reserved | 网站地图

版权申明:资料由用户be4fb***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱[email protected]