何驕鴻,潘沛生
(南京郵電大學(xué) 通信與信息工程學(xué)院,江蘇 南京 210000)
近年來,隨著互聯(lián)網(wǎng)的發(fā)展及移動(dòng)終端設(shè)備的智能化和普及,視頻訪問需求呈現(xiàn)出空前增長[1],而網(wǎng)絡(luò)密集化是解決視頻流問題的有效途徑。但因回程鏈接能力限制,不利于網(wǎng)絡(luò)密集化的部署實(shí)施[2-3]。移動(dòng)邊緣緩存是解決網(wǎng)絡(luò)致密化性能瓶頸問題最經(jīng)濟(jì)的解決方案[4-5]。有學(xué)者通過基于位置的模型來優(yōu)化存儲分配[6-7],從而實(shí)現(xiàn)了更高的緩存利用率[8-9]、吞吐量[10]和文件成功傳輸概率[11]。文獻(xiàn)[12]和文獻(xiàn)[13]通過研究用戶和基站建立鏈接時(shí)間長短的內(nèi)在聯(lián)系模型而提出的緩存方案,非常易于分析移動(dòng)強(qiáng)度對移動(dòng)感知緩存方案性能的影響[12]。
在超密集的蜂窩網(wǎng)絡(luò)中,用戶經(jīng)過一個(gè)基站覆蓋范圍時(shí)僅下載請求視頻文件的一小部分。正因如此,才引入移動(dòng)感知編碼緩存方案[13-14]??紤]一個(gè)用于視頻傳輸?shù)膸в幸苿?dòng)邊緣計(jì)算服務(wù)器的單層蜂窩網(wǎng),通過探索用戶移動(dòng)特性和內(nèi)容流行度分布,融合用戶移動(dòng)性、內(nèi)容的多樣性[7]和信道選擇的多樣性[8],本文提出一個(gè)比文獻(xiàn)[7]~[9]更有效的以吞吐量最大化為目的的全新移動(dòng)感知編碼概率緩存方案。
現(xiàn)如今,視頻點(diǎn)播服務(wù)產(chǎn)生絕大多數(shù)的移動(dòng)數(shù)據(jù)流量[1]。考慮一個(gè)由配備存儲容量為C的MEC服務(wù)器的SCN組成的單層網(wǎng)絡(luò)模型,如圖1所示。
圖1 配置MEC服務(wù)器的單層SCN模型
通過設(shè)置密度為λs并指定輸出為φs的獨(dú)立齊次泊松點(diǎn)過程來對小基站部署模型建模。設(shè)回程鏈路帶寬的上限是W0,而下行帶寬Ws相對較高,則有:
W0=θWs
(1)
用0 <θ< 1表示回程鏈路的強(qiáng)度,θ的大小與回程能力強(qiáng)弱相對應(yīng),稱θ為回程鏈路系數(shù)。用ρ表示頻譜效率,可得下行鏈路傳輸速率Rs和最低傳輸速率R0分別為:
Rs=ρWs
(2)
R0=ρW0
(3)
設(shè)內(nèi)容庫由F個(gè)視頻文件組成,文件大小均為L。如同文獻(xiàn)[15],用Zipf分發(fā)模式建立文件流行度。采用降序方式排列視頻文件流行度,用F={1,2,…,F(xiàn)}指示視頻文件集流行度。排名第i的視頻文件的流行度斜度為:
(4)
其中,參數(shù)r用于控制文件流行度偏度。
設(shè)小基站傳輸功率為Pt,路徑損耗指數(shù)α> 2。根據(jù)文獻(xiàn)[8],假定某一用戶與所在鏈路的基站x之間的距離為rx,則該用戶接收信號功率為:
(5)
其中,hx表示瑞利衰減系數(shù)。此外,如圖1所示,采用嚴(yán)格的頻率復(fù)用策略[16-17],可忽略基站間的干擾。
用戶移動(dòng)模型由文獻(xiàn)[10]提供,其強(qiáng)度用平均逗留時(shí)間衡量,因逗留時(shí)間隨機(jī)分布,故用指數(shù)函數(shù)對其進(jìn)行建模[8,11,14]。用p(t)表示逗留時(shí)間的概率密度函數(shù):
(6)
其中,τ為平均逗留時(shí)間,用于計(jì)算移動(dòng)強(qiáng)度,τ的大小對應(yīng)表示移動(dòng)強(qiáng)度的弱與強(qiáng)。用l表示請求視頻在每一跳后的剩余數(shù)據(jù)量。因用戶下載視頻過程極其復(fù)雜,難以分析,故采用新模型以得到移動(dòng)強(qiáng)度τ和剩余請求數(shù)據(jù)l之間的耦合關(guān)系。l的概率密度模型如下:
(7)
其中,δ> 0,為常數(shù),控制p(l)對移動(dòng)強(qiáng)度的敏感度;T0=L/Rs為移動(dòng)強(qiáng)度的刻度。
MmpL=C
(8)
F0≤M≤F
(9)
(10)
其中fi的值由式(4)得到。
用Φi表示基站緩存視頻i的編碼數(shù)據(jù)。因i∈M,與用泊松點(diǎn)過程對基站的密度λs建模方法類似,Φi也服從密度為λi=pλs的泊松分布。當(dāng)用戶請求本地視頻i時(shí),可得用戶的接收功率是:
(11)
其中Px為從基站接收信號的功率。忽略基站間的干擾,則下行頻譜效率為:
(12)
其中σ2表示噪聲方差。當(dāng)η大于一定值時(shí)(如η≥ρ),用戶方可連接到基站。根據(jù)文獻(xiàn)[8],因?yàn)閕∈M,且必須保證一定下行頻譜效率ρ,故用戶成功地從Φi中接入視頻i的編碼數(shù)據(jù)的概率為:
(13)
(14)
若當(dāng)用戶請求視頻i?M(用Pmiss表示),則情況相對簡單。當(dāng)它可以訪問基站中的Φs,用戶將被服務(wù)。當(dāng)傳輸速率可用時(shí),用戶請求視頻將被下載。此時(shí)覆蓋概率和吞吐量表達(dá)式用Ps和Tmiss表示為:
(15)
Tmiss=PmissPsR0=(1-Phit)PsR0
(16)
據(jù)以上分析,有如下3種情形:
情形1:當(dāng)用戶請求視頻i之前,已下載部分?jǐn)?shù)據(jù),與Φi中的編碼數(shù)據(jù)相比,所需剩余視頻i的數(shù)據(jù)量較小(i≤mL)。當(dāng)用戶不能接入任何基站中的Φi但可連接到基站中的ΦsΦi時(shí),則以最低傳輸速率R0實(shí)現(xiàn)數(shù)據(jù)傳輸,反之若能成功接入基站中的Φi,則可用Rs實(shí)現(xiàn)高速率數(shù)據(jù)傳輸。此時(shí),吞吐量表達(dá)式為:
Tcase1=PhitP(l≤mL)[PcRs+(1-Pc)P0R0]
(17)
其中,P(l≤mL)用于表示l≤mL的概率。
情形2:當(dāng)l>mL,用戶成功訪問小基站中的Φi中的l時(shí),用戶將從MEC服務(wù)器本地磁盤下載視頻i的編碼數(shù)據(jù)。定義t0=mL/Rs為逗留時(shí)間(mL為用戶已下載的視頻數(shù)據(jù)),當(dāng)用戶的逗留時(shí)間t≤t0時(shí),則傳輸速率可達(dá)Rs;若t>t0,將受到回程傳輸限制。故用t0衡量用戶移動(dòng)強(qiáng)度是合理的。將m= 1代入t0,可得到T0的值,與用t0來衡量個(gè)體層次上的移動(dòng)強(qiáng)度不同,T0的標(biāo)準(zhǔn)相對寬松。對于t>t0,則平均傳輸速率Ravg(t,l)為:
(18)
其中ts(l)=t0+(l-mL)/R0為用戶請求剩余視頻數(shù)據(jù)的最大傳輸時(shí)間。當(dāng)t從t0開始遞增至ts(l),R0將變大,Ravg(t,l)將從Rs開始遞減,Ravg(t,l)最小值為Ravg(ts(l),l)。此時(shí)吞吐量表達(dá)式為:
(19)
其中P(l>mL)和P(t 情形3:當(dāng)用戶不能訪問小基站中Φi,此時(shí)l>mL。如果用戶成功接入小基站中的ΦsΦi,則用戶只能通過受限的回程鏈路下載視頻i的編碼數(shù)據(jù)。此時(shí)吞吐量表達(dá)式為: Tcase3=PhitP(l>mL)(1-Pc)P0R0 (20) 綜合情形1、情形2、情形3和表達(dá)式(16),在支持MEC的小基站蜂窩網(wǎng)絡(luò)中單個(gè)小基站的吞吐量表達(dá)式為: T=Tcase1+Tcase2+Tcase3+Tmiss (21) 據(jù)式(10)和(21),當(dāng)M增加時(shí),總緩存訪問概率Phit增加,吞吐量將增加。由式(13)得Pc是p的遞增函數(shù)。將Phit和Pc產(chǎn)生的吞吐量增益分別稱為內(nèi)容多樣性增益和信道多樣性增益。因隨著m的增加,Ravg將增加,吞吐量也增加,即隨m增加,保持Rs不變,用戶的移動(dòng)強(qiáng)度可有多樣性,故Ravg對吞吐量的貢獻(xiàn)也會增加。 因M、p、m之間相互制約,其必存在著均衡。因吞吐量表達(dá)式(21)有3個(gè)參數(shù),用式(8)轉(zhuǎn)化后為二元函數(shù),用T(m、M)表示,但極其復(fù)雜,難以獲得最優(yōu)解。通過對其轉(zhuǎn)化,采用DPSO和PSO獲得m和M的數(shù)值解,用(m*,M*)表示[17]。將得到的(m*,M*)多組數(shù)值解設(shè)定為初代種群,然后用遺傳算法對其進(jìn)行優(yōu)化,以得到最優(yōu)解。遺傳算法流程圖如圖2所示(N為種群迭代次數(shù))。 圖2 遺傳算法流程圖 遺傳算法采用選擇運(yùn)算對群體中的個(gè)體進(jìn)行優(yōu)勝劣汰。當(dāng)個(gè)體的適應(yīng)度高時(shí),將被遺傳到下一代群體;適應(yīng)度低的個(gè)體將被淘汰[15]。交叉與變異是遺傳算法區(qū)別于其他進(jìn)化算法的重要特征,在遺傳算法中起關(guān)鍵作用,是產(chǎn)生新個(gè)體的主要方法[18]。交叉運(yùn)算和變異運(yùn)算相互配合,共同完成對搜索空間的全局搜索和局部搜索。 將通過遺傳算法得到的優(yōu)化數(shù)值解(m*,M*)代入式(8),可獲其最優(yōu)數(shù)值解,用(m*,M*,p*)表示。因設(shè)β=M/F,可知(m*,M*,p*)與(m*,β*,p*)取值相等,由此可得移動(dòng)多樣性、內(nèi)容多樣性和信道多樣性間增益的均衡。 將本方案與經(jīng)典的MPC方案、傳統(tǒng)的概率緩存方案[8]相比,考慮內(nèi)容多樣性、信道選擇多樣性以及移動(dòng)多樣性間增益的均衡,可體現(xiàn)出本方案在解決網(wǎng)絡(luò)致密化問題的優(yōu)勢。仿真參數(shù)的設(shè)置如表1所示。 表1 仿真參數(shù) 本方案通過對用戶移動(dòng)性、內(nèi)容流行度、回程鏈接能力等因素的分析來綜合體現(xiàn)其性能。在文獻(xiàn)[8]中已將概率緩存方案與MPC方案從內(nèi)容多樣性和信道選擇多樣性兩方面作比較,當(dāng)γ很小時(shí),概率緩存方案性能優(yōu)勢明顯。與概率緩存方案相比,本緩存方案通過探索用戶移動(dòng)性和分布式存儲,以吞吐量作為衡量性能的標(biāo)準(zhǔn),顯著優(yōu)于前者。但隨著移動(dòng)強(qiáng)度的下降(τ增加),分布式存儲的優(yōu)勢減弱,本方案的性能開始下降,最終與概率緩存方案的性能相差無幾。顯然,當(dāng)不考慮分布式存儲(如m=1)時(shí),m*取值過大將與概率緩存方案性能類似。因此,本方案在性能最差時(shí)與傳統(tǒng)概率緩存方案相同。圖3為不同移動(dòng)強(qiáng)度和內(nèi)容流行度偏度的MPC、概率緩存和本文緩存方案的比較,設(shè)定中等回程能力參數(shù)(θ=0.5)。為作圖方便,設(shè)置a=τ,b=θ,c=T0,e=γ,f=τ/T0,d=β*,下文相同。 圖3 不同移動(dòng)強(qiáng)度和內(nèi)容流行度偏度的MPC、概率緩存和本緩存方案比較 采用低、中、高不同的回程鏈接能力系數(shù)(即θ=0.2,0.5,0.8),將本方案與傳統(tǒng)概率緩存方案對比,顯示其優(yōu)越性。隨著θ的降低,兩個(gè)緩存方案的性能均呈現(xiàn)出下降的趨勢,因?yàn)檩^小的θ將限制無線網(wǎng)絡(luò)性能。此外,從圖4可得,隨著回程鏈路系數(shù)θ和平均逗留時(shí)間τ的下降,概率緩存方案和本緩存方案的性能差距變大,表明通過探究用戶移動(dòng)性和文件分布式存儲特性,本緩存方案用于解決網(wǎng)絡(luò)致密化問題具有優(yōu)越性,并且在支持MEC的SCN中應(yīng)用本緩存方案,無需通過增加θ就可提高吞吐量。 圖4 當(dāng)γ=0.5時(shí),不同移動(dòng)強(qiáng)度和回程能力下概率緩存方案和本緩存方案的性能比較 在密集蜂窩網(wǎng)絡(luò)中,少有為優(yōu)化吞吐量而去探究移動(dòng)感知編碼緩存方案。在傳統(tǒng)的概率緩存基礎(chǔ)上,通過基于移動(dòng)感知的編碼概率緩存方案,在支持MEC的小基站中進(jìn)行視頻傳輸,考慮內(nèi)容多樣性、信道選擇多樣性和用戶的移動(dòng)性,并優(yōu)化離散隨機(jī)跳躍模型,導(dǎo)出了吞吐量的顯式表達(dá)式。通過PSO和DPSO得出該復(fù)雜表達(dá)式的數(shù)值解,并用遺傳算法對其進(jìn)行優(yōu)化。同時(shí)對內(nèi)容多樣性、信道選擇多樣性和移動(dòng)多樣性三者的增益進(jìn)行分析,以取得均衡效果。通過對用戶移動(dòng)性、內(nèi)容流行度和回程能力對此均衡的影響進(jìn)行分析,為在支持MEC的SCN中采用新的緩存方案提供理論依據(jù)。與經(jīng)典的MPC方案和傳統(tǒng)概率緩存方案相比,本方案能夠?qū)崿F(xiàn)更高的吞吐量,當(dāng)其用戶劇烈移動(dòng)、文件流行度扁平以及回程能力弱時(shí)性能優(yōu)勢更明顯。測試結(jié)果表明本緩存方案是解決網(wǎng)絡(luò)密集化的一種很有效的方法。3 問題的制定和解決方案
4 數(shù)值結(jié)果分析與討論
5 結(jié)論