異構(gòu)網(wǎng)絡(luò)中兩種邊緣緩存策略的能耗分析

孫毅，王鴻，宋榮方

?

異構(gòu)網(wǎng)絡(luò)中兩種邊緣緩存策略的能耗分析

孫毅1,2，王鴻1,2，宋榮方1,2

（1. 南京郵電大學(xué)通信與信息工程學(xué)院，江蘇 南京 210003； 2. 南京郵電大學(xué)江蘇省通信與網(wǎng)絡(luò)技術(shù)工程研究中心，江蘇 南京 210003）

研究了兩層異構(gòu)網(wǎng)絡(luò)在兩種不同緩存策略下的能量消耗。首先，對(duì)支持緩存的異構(gòu)網(wǎng)絡(luò)能耗的各個(gè)組成部分分別進(jìn)行了建模；其次，在一定中斷概率條件下，推導(dǎo)了異構(gòu)網(wǎng)絡(luò)能量消耗與小基站分布密度、用戶負(fù)載及緩存容量之間的關(guān)系表達(dá)式。仿真結(jié)果表明，邊緣緩存技術(shù)的引入能夠有效降低異構(gòu)網(wǎng)絡(luò)的能量消耗，而對(duì)于不同的小基站分布密度和用戶負(fù)載，兩種緩存策略的優(yōu)劣性是不同的。兩種緩存策略的總能耗和平均能耗分別隨小基站分布密度和小基站用戶負(fù)載的增加而降低。小基站的緩存容量也會(huì)對(duì)系統(tǒng)能量消耗產(chǎn)生不可忽視的影響。

異構(gòu)網(wǎng)絡(luò)；邊緣緩存；能量消耗；齊次泊松點(diǎn)過程

1 引言

思科預(yù)測(cè)，2015—2020年全球移動(dòng)蜂窩數(shù)據(jù)流量將會(huì)以每年53%的增長(zhǎng)率快速增長(zhǎng)，到2020年總的數(shù)據(jù)流量將會(huì)增長(zhǎng)10倍，平均每個(gè)月的數(shù)據(jù)流量達(dá)到30.6艾可薩字節(jié)（ExaByte, EB），且未來的10年中民眾對(duì)視頻流量的需求將會(huì)增加500倍[1]。這些需求也促使了移動(dòng)網(wǎng)絡(luò)運(yùn)營商重新設(shè)計(jì)現(xiàn)有的網(wǎng)絡(luò)架構(gòu)，尋找更加高效和復(fù)雜的網(wǎng)絡(luò)架構(gòu)來實(shí)現(xiàn)蜂窩網(wǎng)絡(luò)容量的爆炸式增長(zhǎng)[2]。

異構(gòu)網(wǎng)絡(luò)，即在傳統(tǒng)宏基站信號(hào)覆蓋范圍內(nèi)疊加部署大量的小蜂窩[3]，是一種新型的網(wǎng)絡(luò)架構(gòu)，能夠有效地提高蜂窩網(wǎng)絡(luò)容量[4]。此外，由于服務(wù)距離變短，異構(gòu)網(wǎng)絡(luò)也可以大幅提高小區(qū)邊緣用戶的服務(wù)質(zhì)量（quality of service，QoS）。但為每個(gè)小蜂窩部署一個(gè)高速的回傳鏈路接入核心網(wǎng)是不切實(shí)際的，因此，有限速率的回傳鏈路成為異構(gòu)網(wǎng)絡(luò)容量的提升瓶頸[5]。研究表明，蜂窩網(wǎng)絡(luò)中大部分傳輸?shù)囊苿?dòng)數(shù)據(jù)是重復(fù)的[6,7]，例如一些流行的節(jié)目視頻。在蜂窩網(wǎng)絡(luò)中，通過回傳鏈路向不同用戶重復(fù)發(fā)送同樣的內(nèi)容嚴(yán)重浪費(fèi)了網(wǎng)絡(luò)資源，也容易造成網(wǎng)絡(luò)的阻塞和用戶服務(wù)高時(shí)延。如果將用戶需求的內(nèi)容分散存儲(chǔ)在小蜂窩基站中，使內(nèi)容離用戶更近，就可以有效地解決網(wǎng)絡(luò)傳輸高峰時(shí)段高時(shí)延和高阻塞問題[8]，這就是所謂的邊緣緩存技術(shù)[9]?；谝陨弦蛩?，異構(gòu)網(wǎng)絡(luò)與邊緣緩存技術(shù)的結(jié)合可以有效緩解網(wǎng)絡(luò)回傳鏈路的負(fù)載，降低異構(gòu)網(wǎng)絡(luò)的服務(wù)時(shí)延[10]。

由于未來無線網(wǎng)絡(luò)數(shù)據(jù)傳輸量的急速增長(zhǎng)，網(wǎng)絡(luò)的能量消耗已經(jīng)成為整體性能重要的指標(biāo)。因此，未來的無線網(wǎng)絡(luò)需要更高的能量效率，保持網(wǎng)絡(luò)的能量消耗處在合理水平[11,12]。不同的緩存策略，即在網(wǎng)絡(luò)邊緣緩存不同的內(nèi)容，對(duì)蜂窩網(wǎng)絡(luò)的能量消耗有著很大的影響。在現(xiàn)有的研究中，等概率隨機(jī)緩存[13]和流行度優(yōu)先緩存[14]是比較常用的緩存策略。參考文獻(xiàn)[15]研究了一種基于文件流行度的分級(jí)緩存方法，采用編碼技術(shù)，并對(duì)文件按流行度分級(jí)后按照一定的規(guī)則進(jìn)行緩存來提升網(wǎng)絡(luò)性能。參考文獻(xiàn)[16]研究的單個(gè)蜂窩小區(qū)設(shè)置有多個(gè)具備緩存能力的接入節(jié)點(diǎn)，并且用戶設(shè)備也具備緩存能力。用戶在請(qǐng)求相關(guān)文件時(shí)，依次檢查用戶設(shè)備本身和接入節(jié)點(diǎn)的緩存中是否存儲(chǔ)所需要的內(nèi)容，如果沒有，則需要從遠(yuǎn)端宏基站獲取。參考文獻(xiàn)[16]中通過接入節(jié)點(diǎn)與用戶設(shè)備協(xié)作緩存合適的用戶內(nèi)容來最小化小區(qū)的能量消耗。參考文獻(xiàn)[5]研究了兩種不同頻譜利用方案下兩層異構(gòu)網(wǎng)絡(luò)的能量效率及吞吐量，其緩存策略為：宏基站（macro base station，MBS）和小基站（small base station，SBS）的緩存單元中都存入最流行的視頻文件。為了簡(jiǎn)潔，下文將參考文獻(xiàn)[5]中緩存策略記為緩存策略1。

在此基礎(chǔ)上，本文提出了另一種不同的緩存策略：在SBS存儲(chǔ)空間中緩存最流行的視頻文件，而在MBS中緩存除SBS緩存內(nèi)容外次流行的視頻文件，MBS和SBS緩存內(nèi)容不重復(fù)，并將其記為緩存策略2。這兩種方案區(qū)別在于緩存策略1將MBS和SBS分別考慮，都存入最流行的內(nèi)容，以提高其承載用戶需求的本地命中概率。而緩存策略2則是將MBS緩存看成SBS緩存的補(bǔ)充，以提高異構(gòu)網(wǎng)絡(luò)緩存內(nèi)容的多樣性。基于網(wǎng)絡(luò)節(jié)點(diǎn)隨機(jī)分布特性，本文推導(dǎo)了在兩種緩存策略下異構(gòu)網(wǎng)絡(luò)能量消耗的分析表達(dá)式。數(shù)值計(jì)算和仿真比較了兩層異構(gòu)網(wǎng)絡(luò)在不同SBS分布密度、用戶負(fù)載及緩存容量條件下兩種不同緩存策略的系統(tǒng)能量消耗特性，并展現(xiàn)了不同場(chǎng)景下兩種緩存策略的優(yōu)劣性。

2 系統(tǒng)模型

2.1 異構(gòu)網(wǎng)絡(luò)模型

本文考慮一種兩層結(jié)構(gòu)的異構(gòu)網(wǎng)絡(luò)，包含一個(gè)MBS和多個(gè)SBS，整體網(wǎng)絡(luò)架構(gòu)如圖1所示。網(wǎng)絡(luò)中，MBS與SBS均配備一定的緩存空間，其中MBS可以緩存m個(gè)視頻文件，SBS可以緩存s個(gè)視頻文件。不失一般性，假設(shè)所有視頻文件的大小都相同，為bit，遠(yuǎn)端服務(wù)器文件庫中共有f個(gè)視頻文件。在該異構(gòu)網(wǎng)絡(luò)中，MBS與SBS均可以直接與后端的核心網(wǎng)相連，即MBS與SBS都可以直接向遠(yuǎn)端服務(wù)器請(qǐng)求內(nèi)容服務(wù)。網(wǎng)絡(luò)采用封閉式接入（closed-access）策略，只有SBS授權(quán)用戶才可以連接SBS，非SBS授權(quán)用戶不可以連接SBS，即使該用戶離SBS很近。但是SBS授權(quán)用戶卻可以與MBS建立連接。為了避免層間干擾，假設(shè)MBS與SBS所使用的頻譜資源正交，這樣宏蜂窩與小蜂窩之間不存在跨層干擾。MBS的服務(wù)半徑為m，其服務(wù)范圍以內(nèi)稱為宏小區(qū)（macro cell），MBS的發(fā)射功率為m。SBS的服務(wù)半徑為s，其服務(wù)范圍以內(nèi)稱為小小區(qū)（small cell），SBS發(fā)射功率為s。宏蜂窩與小蜂窩重疊覆蓋，且SBS在宏小區(qū)中的分布服從密度為s的齊次泊松點(diǎn)過程（HPPP）。本文中，所有網(wǎng)絡(luò)節(jié)點(diǎn)的發(fā)射單元均為單天線，且半雙工工作模式。此外，本文主要關(guān)注宏小區(qū)內(nèi)的干擾問題，并沒有考慮宏小區(qū)之間的干擾，這也有待于未來進(jìn)一步研究。

圖1 具有緩存能力的兩層異構(gòu)網(wǎng)絡(luò)架構(gòu)

2.2 信道模型

首先考慮路徑損耗模型，包括路徑損耗與小尺度衰落。在這種模型中，信號(hào)功率隨以r的速度衰減，其中，為傳輸距離，為路徑損耗指數(shù)，取值范圍一般為2～4[17]。本文假設(shè)宏小區(qū)和小小區(qū)均具有相同的路徑損耗指數(shù)。此外，還要考慮小尺度衰落模型。因此，用戶接收到基站x的信號(hào)功率為x|d|gx，其中，x為基站x到用戶之間的小尺度衰落，x為基站的發(fā)射功率，為用戶與基站x之間的距離。各鏈路的小尺度衰落獨(dú)立同分布，均服從單位均值的指數(shù)分布。背景噪聲為加性高斯白噪聲，功率為2。

2.3 緩存模型

在具備邊緣緩存能力的異構(gòu)網(wǎng)絡(luò)中，可以將一些最流行的視頻文件復(fù)制存儲(chǔ)到基站的存儲(chǔ)單元中。設(shè)文件的流行程度服從Zipf分布[18]，即用戶請(qǐng)求最流行的第個(gè)文件的概率為：

其中，是這種分布的成形參數(shù)，一般取值為0.5～1.5。假設(shè)所有用戶對(duì)文件庫中文件請(qǐng)求概率服從相同的分布。

本文選擇將最流行的內(nèi)容緩存到基站當(dāng)中，并考慮以下兩種不同的緩存策略。

? 緩存策略1：在SBS中緩存最流行的s個(gè)文件，在MBS中緩存最流行的m個(gè)文件。

? 緩存策略2：在SBS中緩存最流行的s個(gè)文件，在MBS中緩存最流行的第s+1到sm個(gè)文件。

由于采用封閉式接入策略，MBS授權(quán)用戶不可以與SBS建立連接，所以MBS授權(quán)用戶只能利用MBS的緩存內(nèi)容。而SBS授權(quán)用戶可以與MBS和SBS建立連接，當(dāng)SBS授權(quán)用戶所請(qǐng)求的內(nèi)容在SBS緩存中時(shí)，SBS直接從緩存中獲取文件，并通過SBS天線直接發(fā)送給用戶，當(dāng)SBS授權(quán)用戶請(qǐng)求的文件在MBS緩存中時(shí)，MBS直接從MBS緩存中獲取文件并發(fā)送給SBS授權(quán)用戶。

2.4 網(wǎng)絡(luò)能量消耗模型

本文主要研究具備緩存能力的異構(gòu)網(wǎng)絡(luò)在采用不同的緩存策略時(shí)的總體網(wǎng)絡(luò)耗能情況。因此，需要考慮以下3個(gè)方面的能量消耗。

（1）基站的能量消耗

基站能量消耗包括基站的靜態(tài)能量消耗和發(fā)送能量消耗。由于本文只考慮一個(gè)宏蜂窩情況，所以MBS的靜態(tài)工作能量消耗對(duì)于整體網(wǎng)絡(luò)的能量消耗性能沒有影響，而SBS的靜態(tài)運(yùn)行成本可以做到非常低，所以本文不考慮MBS和SBS的靜態(tài)工作時(shí)的能量消耗，只考慮基站發(fā)送數(shù)據(jù)時(shí)所產(chǎn)生的能量消耗。設(shè)MBS發(fā)送1 bit數(shù)據(jù)的能量消耗為m（J/bit），SBS發(fā)送1 bit數(shù)據(jù)的能量消耗為s（J/bit）。

（2）緩存存儲(chǔ)能耗

數(shù)據(jù)緩存時(shí)也會(huì)產(chǎn)生能量消耗，且隨緩存內(nèi)容增多而增大。假設(shè)MBS與SBS的緩存成本相同，設(shè)基站緩存成本為c（J/bit）。則一個(gè)緩存周期內(nèi)網(wǎng)絡(luò)的總體緩存能量消耗為：

其中，n表示小基站數(shù)量。

（3）回傳鏈路數(shù)據(jù)傳輸?shù)哪芰肯?/p>

當(dāng)用戶所請(qǐng)求的文件不在本地基站時(shí)，就需要到遠(yuǎn)端服務(wù)器中獲取所需要的文件，由此產(chǎn)生了回傳鏈路傳輸?shù)哪芰繐p耗。本文假設(shè)MBS與SBS獲取遠(yuǎn)端服務(wù)器內(nèi)容所產(chǎn)生的能耗相同，均為ba（J/bit）。

3 性能分析

本文對(duì)整體網(wǎng)絡(luò)的中斷概率及能量消耗進(jìn)行分析。首先，分別推導(dǎo)了MBS用戶與SBS用戶的中斷概率。其次，根據(jù)推導(dǎo)的結(jié)果，計(jì)算出在一定中斷概率條件下系統(tǒng)的能量消耗。

3.1 中斷概率

只考慮下行鏈路中斷概率。由于MBS與SBS采用相互正交的頻譜資源，這樣避免了不同類型基站發(fā)出信號(hào)之間的干擾，即SBS對(duì)MBS不會(huì)產(chǎn)生干擾。因此，宏小區(qū)邊緣用戶接收信號(hào)的信噪比為：

其中，m表示信道增益，設(shè)接收端的接收信噪比門限為m，則宏小區(qū)用戶的中斷概率為：

由于不同小小區(qū)中共用一個(gè)頻譜資源塊，SBS之間會(huì)互相產(chǎn)生干擾，所以小小區(qū)邊緣用戶的接收信噪比為：

其中，s表示信道增益，ss表示小小區(qū)間干擾。設(shè)接收端的接收信噪比門限為s，則小小區(qū)邊緣用戶的中斷概率為[5]：

其中，最后一個(gè)等式是由ss的拉普拉斯變換得來的，表示數(shù)學(xué)期望。

由于MBS與SBS用戶均存在中斷可能，為了滿足一定的發(fā)送成功率，在用戶產(chǎn)生中斷后，系統(tǒng)應(yīng)該選擇立即重發(fā)，直到接收端接收成功或者重發(fā)次數(shù)達(dá)到重發(fā)上限。文件發(fā)送時(shí)采用分組發(fā)送，一個(gè)文件大小為bit，假設(shè)被均分為N個(gè)數(shù)據(jù)分組，每個(gè)數(shù)據(jù)分組大小為/Nbit。設(shè)MBS重發(fā)次數(shù)上限為m，SBS重發(fā)次數(shù)上限為s，為滿足不同小區(qū)用戶的服務(wù)公平性，將用戶的分組丟失率限制在可接受的范圍以內(nèi)，重發(fā)次數(shù)應(yīng)滿足：

其中，th表示SBS與MBS系統(tǒng)預(yù)先規(guī)定的發(fā)送成功率。

采用上述的發(fā)送策略是提高了網(wǎng)絡(luò)數(shù)據(jù)傳輸?shù)目煽啃?，從整體網(wǎng)絡(luò)的角度來看，網(wǎng)絡(luò)的數(shù)據(jù)發(fā)送成本也提高了。在該發(fā)送策略下，MBS向一個(gè)用戶發(fā)送一個(gè)視頻分組所需要發(fā)送的平均比特?cái)?shù)為：

同理，SBS向用戶發(fā)送一個(gè)數(shù)據(jù)分組所需要發(fā)送的平均比特?cái)?shù)為：

3.2 服務(wù)單個(gè)用戶的能量消耗

由于網(wǎng)絡(luò)采用封閉式接入策略，需要將小區(qū)中的所有用戶分為兩類，一類是MBS授權(quán)用戶，另一類是SBS授權(quán)用戶。假設(shè)每個(gè)用戶每次只請(qǐng)求一個(gè)文件，首先考慮基站服務(wù)單個(gè)用戶請(qǐng)求單個(gè)文件時(shí)所需要消耗的能量。

如果MBS授權(quán)用戶請(qǐng)求的文件在MBS緩存中，MBS可以直接從MBS緩存中獲取用戶請(qǐng)求文件并直接發(fā)送給MBS授權(quán)用戶。如果MBS授權(quán)用戶請(qǐng)求的文件不在MBS緩存中，那么MBS需要從遠(yuǎn)端服務(wù)器經(jīng)過回傳鏈路獲得用戶所要求的文件，并通過MBS天線發(fā)送給MBS用戶。所以，網(wǎng)絡(luò)為一個(gè)MBS授權(quán)用戶提供一個(gè)文件傳輸服務(wù)時(shí)的平均能量消耗為：

相比較而言，網(wǎng)絡(luò)服務(wù)SBS授權(quán)的用戶的能量消耗比較復(fù)雜一點(diǎn)。由于SBS授權(quán)的用戶既可以與SBS建立連接，也可以與MBS建立連接，所以在評(píng)估小基站服務(wù)單個(gè)用戶的能量消耗時(shí)需要考慮以下3種情況。

由于以上3種情況是完備事件組，依據(jù)條件概率公式，網(wǎng)絡(luò)為一個(gè)SBS授權(quán)用戶提供文件傳輸服務(wù)的平均耗能為：

其中，a、b、c分別表示情況（1）（2）（3）發(fā)生的概率。

3.3 系統(tǒng)的總體能耗

4 數(shù)值結(jié)果

下面對(duì)圖1所展示的具有緩存能力的異構(gòu)網(wǎng)絡(luò)的能量消耗進(jìn)行仿真并分析仿真結(jié)果。本文會(huì)討論SBS分布密度對(duì)中斷概率的影響，并對(duì)兩種緩存策略在不同SBS分布密度、用戶負(fù)載及緩存容量情況下的能量消耗進(jìn)行對(duì)比，探索這兩種不同緩存策略的最佳應(yīng)用場(chǎng)景。為了簡(jiǎn)潔，表1列出了所有數(shù)值計(jì)算所需要的參數(shù)及取值。

表1 計(jì)算所需參數(shù)與取值

圖2展示了MBS與SBS向用戶發(fā)送數(shù)據(jù)時(shí)的中斷概率。其中mout表示MBS的中斷概率，sout表示SBS的中斷概率?？梢园l(fā)現(xiàn)，SBS分布密度s的變化并不會(huì)改變MBS的中斷概率，但SBS的中斷概率會(huì)隨著SBS分布密度增加而增大。原因是MBS與SBS使用的是相互正交的頻譜資源，所以SBS分布密度增加不會(huì)使MBS用戶受到的干擾增加，接收端信噪比不變，因此MBS的中斷概率保持不變。而由于不同的SBS采用相同的頻譜資源塊，所以SBS分布密度增加則會(huì)使SBS之間的干擾增加，接收端信干噪比下降，所以SBS的中斷概率會(huì)隨s增大而增大。由式（9）可知，SBS中斷概率的上升也會(huì)導(dǎo)致其向用戶發(fā)送一個(gè)數(shù)據(jù)分組時(shí)，所需要發(fā)送的平均比特?cái)?shù)上升。

圖2 MBS與SBS向用戶發(fā)送數(shù)據(jù)時(shí)的中斷概率

圖3展示了有緩存和無緩存情況下兩層異構(gòu)網(wǎng)絡(luò)的能量消耗，其中有緩存時(shí)緩存策略采用隨機(jī)緩存策略?？梢园l(fā)現(xiàn)，在所提出的異構(gòu)網(wǎng)絡(luò)緩存策略中，緩存的引入可以有效降低系統(tǒng)的能量消耗。且系統(tǒng)能量消耗隨著SBS分布密度的增大而減少。這是由于在異構(gòu)網(wǎng)中引入緩存系統(tǒng)，當(dāng)用戶請(qǐng)求文件存在于基站緩存中時(shí)，基站可以直接向用戶發(fā)送內(nèi)容，而不需要通過回傳鏈路向遠(yuǎn)端服務(wù)器請(qǐng)求數(shù)據(jù)傳輸，從而節(jié)省了回傳鏈路的能量消耗。當(dāng)然，在一定密度范圍以內(nèi)，隨著SBS密度越大，用戶獲得SBS服務(wù)的可能性也就越大，節(jié)省的能量消耗也就越多。

圖3 無緩存和采用隨機(jī)緩存情況下異構(gòu)網(wǎng)絡(luò)的能量消耗

圖4展示了兩種不同緩存策略的系統(tǒng)能量消耗，并將隨機(jī)緩存作為對(duì)比。數(shù)值計(jì)算結(jié)果表明，在不同的SBS分布密度條件下，前文所提的兩種緩存策略的能量消耗性能均優(yōu)于隨機(jī)緩存。這是由于相比于隨機(jī)緩存，將一些在用戶中流行度比較高的視頻文件緩存到基站中可以提高用戶請(qǐng)求文件命中基站緩存內(nèi)容的概率，使基站緩存得到更加充分的利用，進(jìn)而減少了回傳鏈路傳輸，減少系統(tǒng)總體能量消耗。在一定分布密度范圍內(nèi)（s=1×10?5～2.5×10?4），兩種緩存策略的能量消耗均隨著SBS密度增加而下降。這是由于隨著SBS分布密度的增大，宏小區(qū)中SBS的數(shù)量變多，從而提高系統(tǒng)中用戶獲得SBS服務(wù)的概率，而SBS的發(fā)送相同數(shù)據(jù)的能量消耗要比MBS小得多，所以隨著s變大，系統(tǒng)的總體耗能減少。在SBS分布密度比較低時(shí)，緩存策略1具有更好的能量消耗性能。而當(dāng)密度繼續(xù)上升到一定程度時(shí)，緩存策略2的能耗性能開始慢慢好于緩存策略1。原因在于，當(dāng)SBS分布密度較小時(shí)，SBS服務(wù)的用戶相對(duì)于系統(tǒng)的總用戶來講還很少，因此系統(tǒng)中大部分用戶只能接入MBS來請(qǐng)求數(shù)據(jù)服務(wù)，這時(shí)選擇在SBS和MBS緩存中均存儲(chǔ)最流行的視頻文件，雖然SBS與MBS的緩存內(nèi)容有重復(fù)，但這種策略可以最大程度地減少這些數(shù)量眾多的MBS用戶回傳鏈路傳輸?shù)囊?，因此此時(shí)緩存策略1更具優(yōu)勢(shì)。而隨著SBS數(shù)量的增加，網(wǎng)絡(luò)中可接入SBS的用戶越來越多，MBS服務(wù)的用戶數(shù)越來越少，此時(shí)，將MBS的緩存作為SBS緩存的補(bǔ)充，存儲(chǔ)更多SBS緩存中沒有的文件，能夠更好地服務(wù)SBS授權(quán)用戶，雖然MBS用戶請(qǐng)求文件命中MBS緩存的概率變低了，但從整體網(wǎng)絡(luò)的角度看，緩存策略2更能減少回傳鏈路的傳輸數(shù)據(jù)量，因此能量消耗也就更低。

此外，單個(gè)SBS的用戶負(fù)載也會(huì)對(duì)系統(tǒng)能耗產(chǎn)生影響。將參數(shù)表中的SBS用戶負(fù)載視為變量，圖5展現(xiàn)了SBS分布密度為6×10?4時(shí)異構(gòu)網(wǎng)絡(luò)中所有用戶的平均能耗。其中，MBS用戶在宏小區(qū)內(nèi)服從均勻分布，分布密度為5×10?3。仿真結(jié)果表明，隨著SBS用戶負(fù)載逐漸增加，網(wǎng)絡(luò)中所有用戶的平均能耗隨之降低。隨著SBS用戶負(fù)載逐漸增大，緩存策略2的平均能耗將低于緩存策略1的平均能耗。顯然，隨著SBS用戶負(fù)載變大，網(wǎng)絡(luò)中SBS服務(wù)的用戶數(shù)越來越多，而將MBS緩存看作SBS緩存的補(bǔ)充能夠極大地減少SBS用戶能耗，從而降低系統(tǒng)的平均能耗，使緩存策略2平均能耗低于緩存策略1。當(dāng)然，SBS用戶負(fù)載的提高涉及更多的問題，在現(xiàn)實(shí)中的實(shí)現(xiàn)可能并不容易。由仿真結(jié)果可見，緩存策略2更適合于SBS密度較高、用戶負(fù)載較大的場(chǎng)景下，緩存策略1與之相反。

圖4 緩存策略1、緩存策略2和隨機(jī)緩存的能量消耗

圖5 SBS用戶負(fù)載對(duì)系統(tǒng)用戶平均能耗的影響（λs=6×10?4）

除了SBS的分布密度和用戶負(fù)載會(huì)對(duì)異構(gòu)網(wǎng)絡(luò)能耗產(chǎn)生影響外，SBS的緩存容量也會(huì)影響網(wǎng)絡(luò)的整體能耗。圖6展示了SBS分布密度為2×10?4且單個(gè)SBS用戶負(fù)載一定時(shí)，SBS緩存能力對(duì)系統(tǒng)的整體能耗的影響。圖6中，當(dāng)SBS的緩存容量比較小時(shí)，隨著SBS緩存容量的增加，兩種緩存策略的系統(tǒng)整體能耗快速降低。然而，隨著緩存容量的進(jìn)一步增加，系統(tǒng)能耗減少的速率變慢。當(dāng)緩存容量大于一定值時(shí)（對(duì)于緩存策略1，s約為2 400，對(duì)于緩存策略2，s約為2 700），系統(tǒng)的整體能耗將會(huì)轉(zhuǎn)為增加，并且緩存策略2的能耗開始慢慢優(yōu)于緩存策略1。這是由于當(dāng)SBS的緩存容量足夠大時(shí)，其帶來的巨大緩存能耗也是不容忽視的，且相比于緩存策略1，緩存策略2能夠更有效地降低SBS用戶能耗，當(dāng)SBS用戶比較多時(shí)，增加SBS緩存容量可以進(jìn)一步降低SBS用戶能耗，使緩存策略2能耗性能優(yōu)于緩存策略1?？梢姡瑢?duì)于本文中的兩種緩存策略，SBS的緩存能力并不是越大越好，而且，一定的SBS分布密度條件下，當(dāng)SBS緩存容量比較大時(shí)，緩存策略2比緩存策略1具有更好的能耗性能。

圖6 SBS緩存容量對(duì)系統(tǒng)能耗的影響

由上面的仿真結(jié)果可以發(fā)現(xiàn)，SBS的分布密度、用戶負(fù)載及緩存容量均會(huì)對(duì)系統(tǒng)能耗產(chǎn)生影響。緩存策略1適合用于SBS分布密度較低、SBS用戶負(fù)載較小的情形。這種情形下SBS用戶數(shù)相對(duì)于MBS用戶數(shù)還比較少，而MBS中緩存最流行的視頻文件能夠很大程度上降低這些MBS用戶耗能，從而使此異構(gòu)網(wǎng)絡(luò)的整體或者人均能耗性能優(yōu)于緩存策略2。緩存策略2適用于SBS分布密度較高、SBS用戶負(fù)載較大的情形。這種情形下，SBS用戶能耗已經(jīng)成為系統(tǒng)能耗的主要部分，將MBS緩存作為SBS緩存的補(bǔ)充，有效地降低了SBS用戶能耗，進(jìn)而降低網(wǎng)絡(luò)的整體能耗。進(jìn)而，可以對(duì)緩存機(jī)制提出建議：對(duì)于具備緩存能力的異構(gòu)網(wǎng)絡(luò)，不同類型的基站應(yīng)根據(jù)異構(gòu)網(wǎng)絡(luò)中不同類型基站各自服務(wù)的用戶數(shù)量來決定緩存相同或相異的內(nèi)容。對(duì)于SBS緩存容量的選擇，并不是越大越好。在一個(gè)宏蜂窩中，SBS緩存容量越大，雖然SBS用戶請(qǐng)求文件命中緩存的幾率越高，但緩存成本也隨之變高。因此，需要為SBS選擇一個(gè)合適的緩存容量，從而進(jìn)一步降低系統(tǒng)的整體能耗。

5 結(jié)束語

本文對(duì)一個(gè)兩層結(jié)構(gòu)的異構(gòu)網(wǎng)絡(luò)的能量消耗進(jìn)行建模和分析，網(wǎng)絡(luò)中所有基站均具備緩存能力。通過分析不同SBS分布密度、用戶負(fù)載和緩存容量時(shí)兩種不同緩存策略下網(wǎng)絡(luò)的能量消耗性能，可以發(fā)現(xiàn)，異構(gòu)網(wǎng)絡(luò)總用戶數(shù)一定時(shí)，這兩種不同的緩存策略適合不同的SBS分布密度條件下的異構(gòu)網(wǎng)絡(luò)。當(dāng)SBS密度很低時(shí)，緩存策略1的能量消耗比較低；當(dāng)SBS密度比較高時(shí)，緩存策略2在能量消耗上更具有優(yōu)勢(shì)。這對(duì)具有緩存能力的異構(gòu)網(wǎng)絡(luò)中SBS的部署具有重要的指導(dǎo)意義。與此同時(shí)，努力提高SBS的用戶負(fù)載，也可以有效地降低用戶的平均能耗。此外，從能耗角度來講，SBS的緩存容量并不是越大越好，緩存容量的增大也會(huì)導(dǎo)致網(wǎng)絡(luò)的緩存成本的上升。因此，要根據(jù)網(wǎng)絡(luò)的實(shí)際情況選擇合適的緩存容量，從而實(shí)現(xiàn)系統(tǒng)耗能最低。

[1] Cisco. Cisco visual networking index: global mobile data traffic forecast update, 2015-2020 white paper[R]. 2016.

[2] 張建敏, 謝偉良, 楊峰義, 等. 移動(dòng)邊緣計(jì)算技術(shù)及其本地分流方案[J]. 電信科學(xué), 2016, 32(7): 132-139.

ZHANG J M, XIE W L,YANG F Y, et al. Mobile edge computing and application in traffic offloading[J]. Telecommunications Science, 2016, 32(7): 132-139.

[3] 韋煒, 周峰, 陸蓓雋. 基于分布式微微基站的室內(nèi)覆蓋創(chuàng)新解決方案及應(yīng)用推廣[J]. 電信科學(xué), 2015, 31(12): 144-149.

WEI W, ZHOU F, LU B J, et al. Innovation in-building coverage solutions based on indoor distributed pico base stations and their application and promotion[J]. Telecommunications Science, 2015, 31(12): 144-149.

[4] HU L, SANCHEZL L, MATERNIAM, et al. Heterogeneous LTE-advanced network expansion for 1000× capacity[C]//IEEE Vehicular Technology Conference (VTC), Jun 2-5, 2013, Dresden, Germany. Piscataway: IEEE Press, 2013: 1-5.

[5] YAN Z, CHEN S, OU Y, et al. Energy efficiency analysis of cache-enabled two-tier HetNets under different spectrum deployment strategies[J]. IEEE Access, 2017(5): 6791-6800.

[6] WANG X, CHEN M, TALEB T, et al. Cache in the air: exploting content caching and delivery techniques for 5G systems[J]. IEEE Communications Magazine, 2014, 52(2): 131-139.

[7] ZHANG X, YI Z, YAN Z, et al. Social computing for mobile big data[J]. IEEE Computer, 2016, 49(9): 86-90.

[8] BORST S, GUPTA V, WALID A. Distributed caching algorithms for content distribution networks[C]//IEEE INFOCOM, Mar 15-19, 2010, San Diego, USA. Piscataway: IEEE Press, 2010: 1-9.

[9] 尹博南, 艾元, 彭木根. 霧無線接入網(wǎng):架構(gòu)、原理和挑戰(zhàn)[J]. 電信科學(xué), 2016, 32(6):20-27.

YIN B N, AI Y, PENG M G. Fog computing based radio access networks: architecture, principles and challenges[J]. Telecommunications Science, 2016, 32(6): 20-27.

[10] GOLREZAEIN, SHANMUGAMK, DIMAKIA G, et al. FemtoCaching: Wireless video content delivery through distributed caching helpers[C]//IEEE INFOCOM, Mar 25-30, 2012, Orlando, USA. Piscataway: IEEE Press, 2012: 1107-1115.

[11] LLORCA J,TULINO A M, VARVELLO M, et al. Energy efficient dynamic content distribution[J]. IEEE Journal on Selected Areas in Communications, 2015, 33(12): 2826-2836.

[12] ZAPPONE A, SANGUINETTI L, BACCI G, et al. A framework for energy-efficient design of 5G technologies[C]//IEEE International Conference on Communications (ICC), Jun 8-12, 2015, London, UK. Piscataway: IEEE Press, 2015: 1845-1850.

[13] TAMOOR-UL-HASSAN S, BENNIS M, NARDELLI P H J, et al. Modeling and analysis of content caching in wireless small cell networks[C]//2015 International Symposium on Wireless Communication Systems (ISWCS), Aug 25-28, 2015, Brussels, Belgium. Piscataway: IEEE Press, 2016: 56-60.

[14] WANG L, BAO Y, LIU X, et al. On the design of relay caching in cellular networks for energy efficiency[C]//2011 IEEE Conference on Computer Communications Workshops (INFOCOM WKSHPS), Apr 10-15, 2011, Shanghai, China. Piscataway: IEEE Press, 2011: 259-264.

[15] HACHEM J, KARAMCHANDANI N, DIGGAVI S N. Coded caching for multi-level popularity and access[J]. IEEE Transactions on Information Theory, 2017, 63(5): 3108-3141.

[16] YANG C, CHEN Z, YAO Y, et al. Energy efficiency in wireless cooperative caching networks[C]//2014 IEEE International Conference on Communications (ICC), Jun 10-14, 2014, Sydney, NSW, Australia. Piscataway: IEEE Press, 2014: 4975-4980.

[17] RAPPAPORT T S. Wireless communication principles and practice[M]. Englewood: Prentice-Hall, 2002.

[18] BRESLAU L, CAO P, FAN L, et al. Web caching and Zipf-like distributions: evidence and implications[C]// IEEE Joint Conf Comput Commun Soc (INFOCOM), Mar 21-25, 1999, New York, USA. Piscataway: IEEE Press, 1999: 126-134.

Analysis of energy consumption of two kinds of edgecaching strategies in heterogeneous networks

SUN Yi1,2, WANG Hong1,2, SONG Rongfang1,2

1. College of Telecommunications & Information Engineering, Nanjing University of Posts and Telecommunications, Nanjing 210003, China 2. Jiangsu Engineering Research Center of Communication and Network Technology, Nanjing University of Posts and Telecommunications, Nanjing 210003, China

The energy consumption of a two-tier heterogeneous network under two different caching strategies was analyzed. Firstly, the energy consumption of each network components was modelled, and the relationship between the energy consumption of heterogeneous networks and the distribution density of small cell, user load per cell and caching capacity was investigated. The simulation results show that edge caching can effectively reduce the energy consumption of heterogeneous networks and the performance of the two caching strategies are different under different density of small base station and user load. Specifically, the energy consumption of both the network and per user under the two caching strategies are reduced with the increase of the density of small base station and the user load per cell, respectively. Furthermore, the influence of small base station’s caching capacity can not be neglected in total energy consumption.

heterogeneous network, edge caching, energy consumption, homogeneous Poisson point process

TN929.5

A

10.11959/j.issn.1000?0801.2018035

2017?07?11；

2017?11?22

江蘇省自然科學(xué)基金資助項(xiàng)目（No. BK20170910）；南京郵電大學(xué)江蘇省通信與網(wǎng)絡(luò)技術(shù)工程研究中心開放課題

Natural Science Foundation of Jiangsu Province of China (No. BK20170910), Open Research Fund of Jiangsu Engineering Research Center of Communication and Network Technology, NJUPT

孫毅（1992?），男，南京郵電大學(xué)碩士生，主要研究方向?yàn)楫悩?gòu)網(wǎng)絡(luò)與邊緣緩存技術(shù)。

王鴻（1989?），男，博士，南京郵電大學(xué)通信與信息工程學(xué)院講師，主要研究方向?yàn)榉涓C網(wǎng)絡(luò)密集化、非正交波形、非正交接入、干擾對(duì)齊等。

宋榮方（1964?），男，南京郵電大學(xué)教授、博士生導(dǎo)師，主要研究方向?yàn)閷拵o線通信理論與技術(shù)。