【NDN转发】Community Aware Content Retrieval in Disruption Tolerant Networks 全文翻译

Community Aware Content Retrieval in Disruption Tolerant Networks
延迟容忍网络中基于社团感知的内容获取研究

 

You Lu, Mario Gerla, Tuan Le, Vince Rabsatt,Haik Kalantarian

Department of Computer Science

University of California, Los Angeles

Los Angeles, USA

 

摘要

      在稀疏移动自组织网络(sparse MANET)的设计中一个主要的挑战是支持有效的内容获取。信息中心网络(ICN)是一个新兴的网络技术,该技术为有效的内容分发提供了一个切实可行的底层体系结构。然而,当前的移动ICN方法产生了额外的控制开销,随着网络和内容大小的增长,这样的控制开销引起了可扩展性问题。在本文中,我们提出了一个基于社团感知的内容获取体系结构,该体系结构在延迟容忍移动信息中心网络中是高度可扩展的。在NS-3环境中的模拟显示我们的系统需要很少的控制开销,却使内容获取应用程序提供与其他路由算法可比拟的性能。

 

关键词:社交网络转发;信息中心网络;延迟容忍移动自组织网络

 

1. 引言

      移动自组织网络在动态环境中是最高效的,在动态环境中,网络基础设施或者不太容易使用,或者数量不足以使用。例如,在联合军事行动,灾难恢复,一些紧急情况,和各种各样其他的车辆通信场景。在许多情况下,移动自组织网络提供各种各样的服务,比如通信、存储和为许多应用程序提供计算。稀疏移动自组织网络(稀疏MANET)是自组织网络的一个子类,在稀疏MANET中,节点数量稀疏,节点之间的联系不频繁。所以,稀疏MANET中的消息交付一定是延迟容忍的。在稀疏MANET设计中的一个挑战是如何管理和服务大量在不同节点间分布的内容资源。因此,稀疏MANET体系结构必须支持一些关键服务,例如,内部数据存储,内容搜索和共享等。

      在一些情形中,延迟容忍内容交付跨越不同的通信组/社团。每个社团基于自己的社交关系形成自己的连接/拓扑。多个社团必须通过一个桥接节点连接,该桥接节点存在于所在社团的边界上,并很容易地连接到其他社团的节点。在这种情况下,社团之间有效的内容获取将会是一个巨大的挑战,特别是在延迟容忍网络中。

      对于内容搜索和获取服务,在学术界和工业界,信息中心网络已经得到了越来越多的关注。信息中心网络为内容数据搜索和获取而设计,这是一个对基于IP的计算机网络体系结构的替代方法。在信息中心网络中,用户仅仅聚焦于他们感兴趣的内容数据,却并不需要知道这些内容数据存储在哪里,或者被携带到哪里。每个内容数据由一个层次命名方案中唯一的名字标识。内容获取遵从请求应答模式。内容消费者通过网络传播兴趣包。当匹配的内容或者在内容提供者或者在中间内容缓存服务器中发现后,内容数据将沿兴趣包到来的反向路径返回到内容消费者。

      几个现存的信息中心网络提议已经被研究并在因特网和MANET测试床上实现。CCN和NDN是两个ICN设计的最受欢迎的例子。车辆NDN和MANET-CCN是MANET中ICN体系结构设计的两个例子,可以为内容获取处理动态拓扑改变。所有的这些体系都为因特网或者MANET中连通的实时网络设计,而不为延迟容忍移动信息中心网络设计。

      延迟容忍移动信息中心网络中一个主要的设计挑战是设计高效的内容获取方案。在稀疏MANET中,网络连接是高度动态的,连接期间变化明显。在延迟容忍网络中,一个通常使用的消息传送方法是用社交网络路由弥补节点之间不连接时的间隙,尝试使用存储-携带-转发方法将消息传送到合适的下一跳节点,直到消息到达目的地。然而,由于内容被携带的目的地位置在内容搜索期间我们并不知道,因此该方法不能被直接部署到移动信息中心网络中。

      在本文中,我们提出了一种在延迟容忍移动信息中心网络中,社交关系社团感知内容获取方案(STCRC:基于社交关系的社团之间的内容获取),来在大规模稀疏MANET中处理可扩展的内容获取。STCRC允许用户向高社交度节点请求内容名。如果兴趣包在请求者的社团中不能被解析,它将作为内容查询包被转发到其他社团。在兴趣包被一个内容摘要匹配之后,搜索过程将转发该请求到下一跳,该下一跳有更高的可能性到达内容提供者,该可能性基于节点的相遇历史。最后,内容数据将被从内容提供者转发回原始的请求者。

      本文的其余部分组织如下:第二部分评论相关工作。第三部分详细描述提出的设计方案。第四部分呈现了实验性能和实验结果。第五部分总结全文。

 

2. 相关工作

      在这一部分,我们介绍了信息中心网络的概况,并评论了因特网和MANET中的内容获取方法。我们也讨论了稀疏MANET中的延迟容忍网络和它的路由方案。

 

A. 信息中心网络

      信息中心网络是基于IP的计算机网络的替代体系结构。在信息中心网络中,用户聚焦于他们感兴趣的数据,而不是数据的物理位置。信息中心网络与基于IP的网络在以下三方面不同:第一,所有的内容通过层次命名方案被识别或命名。名字成为路由或者兴趣的对象。第二,整个网络有一个设计好的缓存系统以帮助内容分发,并帮助许多应用程序提供信息中心网络固有的特征,例如,多播。第三,包通信遵循”查询-回复”模式。用户(内容消费者)在整个网络内传播他的感兴趣的内容名作为兴趣包。当一个兴趣包命中中间缓存或者内容提供者的内容名时,内容数据包将沿着兴趣包转发的反向路径被转发回内容消费者。

      许多之前的研究聚焦于拥有高层体系结构的信息中心网络,并提供了所需组件的示意图。内容中心网络和命名数据网络是两个因特网中将信息中心网络概念实现的方案。它们的组件包括FIT,PIT和内容缓存,形成了因特网应用程序内容数据的缓存和转发系统。几个移动环境下的移动信息中心网络体系结构也已经被提出,例如,车辆NDN作为交通信息传播体系,MANET-CCN作为战术和紧急情况应用体系。

      仍然存在许多可能的挑战需要被分析并被集成进信息中心网络体系结构中。鉴于移动通信这个功能越来越重要,却极易遭受破坏,因此一个显著的解决方案是对延迟/破坏容忍的需求。

 

B. 延迟容忍网络

      延迟容忍网络是一种网络类型,支持在发送数据和接收数据之间存在大的延迟或破坏的场景。使用存储-携带-转发方法,DTN在网络破坏期间,将会临时地存储和携带数据,直到可以到达稀疏MANET的合适的下一跳。这些破坏和延迟可以被许多原因导致,比如节点密度低,网络失效,无线传播限制。一个典型的获得许多研究关注的网络类型是口袋交换网。口袋交换网通过在手机之间创建移动自组织网络链路,由人类机会性的接触形成。

      稀疏MANET中的路由协议已经讨论了几十年,不同的研究者提出了许多不同的路由协议。我们观察到的情况是,在真实环境中节点之间的相遇不是随机的,一个节点遇到其他节点的概率并不是相等的。Hsu等人称节点不会遇到超过全部节点数量的50%。结果,不是所有节点都有可能彼此相遇,节点需要评估它们能够遇到目的节点的可能性。我们发现,相遇节点之间可以足够构建一个互连关系图,叫做小世界图。因此,在不连通的延迟容忍MANET中,社交网络路由是一个最受欢迎的路由协议。一个节点不是随机地向下一个节点发送消息,而是基于他们的本地信息,将消息发送到他们认为是一个好的消息携带者的节点。

      地理路由利用节点通常处于同一平面上的事实。这允许节点基于目的地的地理位置坐标独立地做出本地路由决定。但是地理路由需要有效的位置服务,例如,分布式的数据库记录着每个目的节点的位置。维护位置状态的传输开销直接依赖于移动节点数量或者网络拓扑变化率。在不连通的延迟容忍MANET中,上一跳相遇节点路由利用位置信息帮助消息交付,并试图减少位置服务的开销。每个节点维护一个他与网络中的其他节点的上一跳相遇节点的时间和位置的本地数据库。数据库通过包来查询,以获得对目的节点当前位置的估计。随着包向目的节点传输,数据库能够相继改善对目的节点位置的精确估计,因为移动的节点有分散的对节点位置的估计。

      Haggle是另一个在稀疏MANET中相遇节点之间传送消息的例子。它允许从底层网络拓扑中分离出应用程序逻辑。应用程序执行处理数据的任务,并将与Haggle进行数据通信,并将这个场景下具有最好连通性和最可靠的协议应用于当前网络环境,并运用允许用户指定消息交换速度、开销和能源限制的策略。Haggle的转发算法包括直接模式和传染病模式,直接模式运行在连通网络中,以传送消息到目的可达节点。传染病模式洪泛消息到所有的即时可达节点,以提高在稀疏MANET中的传输率。

      根据信息中心网络应用程序的设计,内容数据被分割成几个数据块,以便适应拥塞控制和包重传特性。块可能被通过兴趣单独分开。在大规模稀疏MANET中,移动用户可能生成大量的兴趣包。所有这些预示着,在大规模网络中,原始的传染病方法不适于移动信息中心网络应用程序,特别在不同的通信组/社团之间。我们需要一个可扩展的内容获取方案来减小网络控制开销,并为延迟容忍移动信息中心网络提高消息交付率。

      我们的工作与所有这些研究在以下几方面不同。第一,我们考虑在不同社团之间的社交层次。第二,我们向更高社交层次聚集请求和内容摘要,来避免在稀疏MANET中纯粹的洪泛宣告。第三,基于社团之间的社交图,而不是基于原始信息中心网络设计中的反向路径,内容数据被转发回请求者。

 

3. 协议设计

      在这一部分,我们首先给出驱动协议设计决定的常见假设。然后,我们详细描述了STCRC方案的设计。

 

A. 假设

      在本文中,我们做了下面的假设。这些假设对延迟容忍移动信息中心网络很常见。

      (1)我们假定与每个相遇节点之间的连接是双向的,因此形成了相遇期间的双向通信。

      (2)在给定的拓扑中,节点ID用作给定节点的唯一标识符。

      (3)我们遵循NDN中的命名方案。

      (4)对任何内容的请求可以从任何节点被随机发送。

 

B. 基础工作

      作为STCRC方案的基础,我们描述了在单一社团中,它的基本内容获取方法。

      当从相遇节点接收到Hello消息时,一个数据结构,叫做相遇向量,包括相遇的节点ID和相遇事件时间戳,将被在每个相遇事件之后创建。每个节点也维护一个数据结构,叫做相遇节点表,存储着在相遇时间内节点创建的相遇向量。在相遇期间,在相同组的的节点之间,相遇节点表将被交换和存储。在接收到相邻节点的相遇节点表之后,每个节点将汇总该相遇节点表到自己的相遇节点表。

      (1)计算社交关系:频率度量被用来评估两个节点彼此之间相遇的频繁程度。我们认为,如果两个节点相遇频繁,他们之间一定有很大的关系。新鲜度度量被用作评估相遇节点的时间戳分布,反映节点最近彼此相遇的时间。一个强烈的社交关系线来自最近相遇的而不是很久之前的相遇节点。因此,我们估值最近的节点相遇事件高于很久之前的相遇事件。结合频率和新鲜度的概念,我们定义社交关系概念来评估两个节点之间的社交关系。

      相遇事件对这个值的贡献由一个权重函数F(x)决定,x是从相遇时间到当前时间的时间范围。假定系统时间由一个整数代表,并基于节点i的n个相遇事件。节点i的社交关系值是节点i与节点j在时间tbase时刻的关系,用Ri(j)来表示,定义如式(1)。


      其中,F(x)是权重函数,{tj1,tj2,……,tjn}是当节点i遇到节点j的相遇时间,tj1<tj2<……<tjn<=tbase。我们做F(x)=(1/2)λx,其中λ=1e-4是控制参数,该函数我们可以在文献[10]中证明。

      (2)计算中心度:每个节点维护一个社交关系表,该表包含从当前节点到所有其他相遇节点的社交距离,每个社交关系条目跟随一个计算时的时间戳tbase。当节点相遇期间,社交关系表被交换,并融合进其他节点的社交关系表。

      基于社交关系表,一个节点可以计算每个节点的中心度。中心度测量从给定节点到所有其他相遇节点的平均社交距离,这可以在式(2)中计算,其中,N是从社交关系表中观察到的节点数,R是从给定节点到每个其他节点的社交关系值。


      我们提出了一个中心度估计技术,该技术考虑平均社交关系值和他们的分布,以获得一个高的中心度。我们采纳了Jain’s Fairness Index机制来评估社交关系值的平均分布。像在式(3)中那样,Jain’s Fairness Index用来决定是否用户或者应用程序正在接收一个公平共享的网络资源。


      Jain的等式计算了一组值的平均数,计算结果从1/n(最坏情况)变化到1(最好情况)。Jain的度量标识着未被充分利用的信道,并对一个典型的网络流模型不过度敏感。在我们的方法中,Jain’s fairness index被用来估计社交关系连接的平均数。中心度度量如(4)中定义,其中N是在相遇节点表中计算的相遇节点。


      这里α(在实验中设为0.5)是一个用户根据特定场景和网络条件决定的参数。

      (3)内容摘要汇聚:一个节点可以从它的社交关系表中计算每个观察到的节点的中心度,并在网络中观察到的节点之间形成一个社交关系序列。一个高中心度的节点比低中心度的节点有更高的可能性遇到其他节点。在内容查询阶段,为了避免单纯的洪泛,我们设计了一个内容摘要汇聚过程。基本的思想是每个内容提供者主动将它的内容名字摘要宣告到高中心度节点。当一个节点遇到另一个高中心度的节点时,他将向这个节点发送它的带有时间戳的内容名字摘要。每个节点包含一个本地数据结构,叫做摘要表,来从低中心度节点存储接收到的摘要。

      然后,摘要表将被发送到另一个之后遇到的更高中心度节点。如果节点从相同的内容提供者接收到内容名字摘要的多个副本,摘要表便根据最新的时间戳被更新。以这种方式,每个节点从低中心度节点收集内容名字摘要,并向高中心度节点报告收集到的摘要。因此,来自每个内容提供者的内容名字摘要被汇聚到网络中的最高中心度节点。最高中心度节点对内容名字摘要信息了解得更多,并知道哪个内容提供者包含什么内容。

      (4)内容请求:当一个内容请求者请求确定的内容,生成的兴趣包将会包含请求者的节点ID和内容名。该兴趣包被转发到高中心度节点以避免单纯洪泛,因为一个高中心度节点有更多的关于内容提供者的信息。每个节点可以根据它本地的社交关系表计算新遇到的节点的中心度。如果我们计算社交关系表中每个节点的中心度,并将它们排序,我们将会发现中心度间隔不是偶数,如图1中所示。如果中继节点相比当前节点有相似的中心度,它们可能有关于内容名字摘要的相似信息。因此,我们也许不会从这个转发中获益很多。直观上,我们更喜欢一个与当前节点的中心度有很大不同的中继节点,以更大地减少传输开销。受K-means聚类算法启发,我们根据节点的中心分布,周期性地将节点划分成簇,并将兴趣包转发到一个新遇到的节点,该节点属于一个具有更高中心度的簇,如图2所示。兴趣包仅仅从簇A转发到簇B,在一个簇之内没有兴趣包转发。

      我们应用Lloyd的K-means聚类算法,这被证明具有多项式平滑运行时间。在K-means聚类算法中,K是一个根据特定场景和网络可扩展性决定的参数。一个更大的K值将使得包交付率提高,但是引起更高的传输开销。


      (5)兴趣包转发:如上面的描述,我们使用K-means聚类算法来建造一个社交层次,在社交节点表中的节点被分配到不同的层级。请求者携带兴趣包并将它转发到比自身拥有更高社交层级的首次相遇的节点。之后,请求者保存兴趣包的副本,并将其转发到下一个比上次转发到的中继节点拥有更高社交层级的相遇节点。

      在节点从他遇到的其他节点收到兴趣包后,他将首先检查他的本地摘要表来看是否存在任何匹配的名字。如果没有找到匹配的名字,他将继续转发兴趣包。每个中继节点执行同样的策略:转发兴趣包到下一个比上一个中继节点拥有更高社交层级的中继节点。遵循着这个策略,兴趣包向更高层级转发,或者跳到更高层级,直到到达中心度层级中最受欢迎的节点。

      由于内容名字摘要一直保持更新,并向更高社交层级节点汇聚,当兴趣包名匹配摘要表中的某一社交层级的特定节点的内容名时,向着网络中的更高社交层级传递的兴趣包的查询将会结束。在这点上,由于内容提供者ID已经被公开,兴趣包将使用社交关系路由向目的地转发。

      有一个DTN引起的潜在的问题。与链路状态路由协议中的汇聚问题相似,由于DTN中的携带-转发方案,社交关系表汇聚有一个明显的延迟,这导致了用来计算中心度序列的信息在节点间并不一致的问题。为了使设计实用,我们以分布式方法构建了社交关系,计算结果来自节点的本地数据库(例如,社交关系表)。当两个节点相遇时,本地社交关系表被更新,以刷新社交关系结果。这可以被看作一个学习阶段,而在每个更新期间,社交关系变得更精确。由于之前的接触信息被用来预测未来的相遇者,社交关系表变得更精确,使得不连续的社交关系表的影响消除了,并可以随着时间进度被容忍。然而,由于不连续的中心序列,仍然存在一个路由环路。

      TTL值在兴趣包中配置,并在内容查询阶段进行倒数。内容请求者在发出兴趣包后启动等待计时器。路由环路会使得TTL值达到0,请求者的等待计时器耗尽。在这种情况下,我们提供了一个备用转发策略,中继节点总是传送兴趣包到比自身更高的社交层级节点,而不是前面方法中,比上一个中继节点更高的社交层级节点。

      如果备用转发策略被采纳,等待计时器被再次耗尽,内容请求者将开始传染病路由来洪泛兴趣包到整个网络。兴趣包头有一个转发标识来指示被内容请求者设置的三个转发策略之一,每个中继节点在转发过程中遵循指定的转发策略。

      (6)社交关系路由:在这一步中,内容提供者的节点ID被公开,并附加在兴趣包中。因此,任务是转发兴趣包到目的节点。与中心度序列相似,使用本地社交关系表和K-means聚类算法,我们可以生成内容提供者的社交关系序列,并构建一个社交关系层次。然后,中继节点转发兴趣包到新遇到的节点,该节点有比自己到目的节点更高的社交关系层级,遵循被兴趣包头部的标识表示的三个转发策略来进行转发。总之,在内容查询阶段,由于网络中更高中心度的节点有更多的内容名字摘要信息,兴趣包向更高中心度层级转发。在兴趣包匹配内容名字摘要后,我们进入兴趣包交付阶段,该阶段转发兴趣包到内容提供者。在这一阶段,因为更高社交层级节点更靠近目的地,兴趣包向对内容提供者更高的社交关系层次转发。

      兴趣包到达内容提供者之后,内容提供者会再次使用社交关系路由将内容发送回请求者,并从兴趣包头部拷贝转发标识域。每个中继节点将比较新相遇节点的社交关系,并向更高社交关系层次转发内容。内容提供者对相同的兴趣包和请求者仅仅响应一次,并忽略随之而来接收到的重复兴趣包。在内容数据获取期间,目的节点ID是内容请求者,内容数据包将使用与兴趣包同样的转发策略转发。

 

C. 社团间内容路由

      在这一部分,我们扩展上面的单个社团路由的实现来支持网络中多个社团间有效的内容获取。我们提出了一种贪婪方法,可以快速地将内容请求注入邻居社团,并提出一种启发式方法来选择最好的网关节点在社团之间中继传递包。

      (1)兴趣包转发:在最坏情况下,中间中继节点可能没有内容提供者对请求内容的信息,兴趣包将被最终转发到簇头节点,簇头节点是社团中拥有最高中心度的节点。如果簇头节点没有内容提供者的信息,可能请求的内容在内容请求者所在的社团中不存在。在单个社团的情形下,簇头节点不采取任何措施。然而,在多个社团中,本地簇头节点通常不知道内容拥有者的身份,而内容拥有者通常不在簇头节点自己的社团中。虽然我们允许内容名字摘要在社团之间交换,我们发现内容名字摘要由网关节点中继转发,内容名字摘要包含有限的信息,并不能捕获社团拥有的大量的内容。原因是因为网关节点处于社团的边界上(不是在中心)。因而,网关节点在自己的社团中没有高中心度,这对决定是否节点有他所在社团的全面信息是一个重要的度量。

      由于本地簇头节点不能可靠地依赖于外部的内容名字摘要来获得所有社团的全局信息,我们遵循一个快速贪婪方法在邻居社团中定位内容。在兴趣包到达本地簇头节点后,,本地簇头节点将检查它的本地摘要表来看是否存在任何匹配的名字。如果没有发现任何匹配的名字,它将为每个外部社团选择最佳本地网关节点。我们为外部社团X定义最佳的网关节点作为与属于社团X的绝大多数节点相遇的本地节点。然后,簇头通过转发兴趣包到下一个相比他自己到目的/网关节点有更高社交关系值的中继节点将兴趣包路由到每个网关节点。

      在兴趣包到达网关节点后,当下一个相遇事件发生时,网关节点将转发兴趣包到外部节点。为了减少传输代价开销,网关节点为每个已知社团记录上一个外部相遇节点的身份。网关节点仅仅转发兴趣包到一个比上一个相遇节点具有更高社交层次的外部节点,上一个相遇节点与新相遇节点属于相同的社团。由于我们允许来自不同社团的网关节点交换并合并他们的社交节点表,网关节点推断并比较外部节点的社交层次变成可能,导致整个网络状态跨越所有社团传播。一旦兴趣包到达外部社团,我们能够进行社团内部路由来定位到内容提供者。

      在簇头节点知道外部内容提供者的身份的情况下,兴趣包转发策略与是相似的。在这种场景下,簇头仅为那个社团选择最佳的网关节点,然后社交关系路由兴趣包到网关。这与上面的情形不同,在上面的情形中,簇头不知道哪个社团拥有内容,因而必须将兴趣包社交路由到多个社团的多个网关节点。一旦网关节点将兴趣包注入到目的社团,社交关系路由将被用来将兴趣包直接路由到内容提供者,而不需要经过外部簇头。Pseudocode 1汇总了我们的兴趣包转发策略。


      (2)内容包转发:兴趣包到达外部内容提供者之后,内容提供者将发送内容到请求者所属社团的最佳的本地网关节点。随后,网关节点将内容注入到请求者的社团。然后,社交路由能够再一次被运用以路由内容到最初的请求者。

      图3显示了当一个节点请求内容直到内容被交付到最初的请求者所需的所有步骤。

      (1)生成一个兴趣包,并使用社交层次路由将它路由到A的簇头节点。

      (2)A的簇头社交关系路由兴趣包到A的最佳网关节点。

      (3)A的网关节点将兴趣包通过B的边界节点注入到社团B中。

      (4)B的边界节点通过社交层次路由传播兴趣包到B的簇头节点。

      (5)B的簇头社交关系将兴趣包路由到内容提供者。

      (6)内容提供者社交关系将内容路由到B的最佳网关节点。

      (7)B的网关节点通过A的边界节点将内容转发到社团A。

      (8)A的边界节点社交关系将内容路由到最初的请求者。


 

4. 性能评估

      在这一部分,我使用人造轨迹在包级模拟中评估提出的STCRC方案的性能。我们首先描述我们的人造轨迹的特性,随后描述模拟器的启动、度量值的使用和结果。

 

A. 人造轨迹

      如图4中所示,我们生成一条人造轨迹,有多个社团和节点的一个小的子集,这些节点从一个社团频繁地移动到其他社团。这条轨迹被设计用来评估在两个分离社团中的交互节点。在每个社团中的节点被分簇进小的子社团组,以确保在拥有更高中心度值的节点之间形成一个异构的社交结构。在两个社团之间移动的节点对转发兴趣包到目的节点有帮助。


      由于每个社团由拥有变化的半径的多个子社团组成,在一个社团中的不同节点中,存在中心度层级的重大变化。而且,不同节点的运动速度和暂停时间也有相当大的变化。因此,移动得更快的节点将暴露给更多的节点,并因而更可能在一个更高的社交层次中。

      为了开发一个复杂的轨迹,该轨迹以多个社团之间的交互为特征,生成并合并了许多分开的轨迹文件。节点通过对模拟区域的一个位置的吸引点的分配,被分组到一个特定的位置,用一个特殊的吸引的标准偏差,来确保节点没有汇聚到同一点。那些负责在社团之间中继内容和兴趣包的节点被分配到分离的社团的多个吸引点。

 

B. 模拟器启动

      我们用NS-3.19网络模拟器实现了提出的STCRC方案。DTN节点每300ms广播Hello消息。为了测试性能的底线,我们假设每个节点有唯一的与其他节点不同的内容。我们也假设内容数据可以以1MB的大小被获取,以便内容大小的变化不会影响测量。

      我们使用IEEE 802.11g无线信道模型和表1中列出的PHY/MAC参数。我们使用一个包含120个节点的人造轨迹,将这120个节点分成两个社团。一个社团包含50个节点,另一个社团包含70个节点,其中20个节点在两个社团之间频繁移动。


      我们在三个实验中,评估我们STCRC方案的性能。在第一个实验中,节点请求邻居社团的内容。在第二个实验中,节点请求来自自己社团和来自邻居社团的内容。在第三个实验中,社团内部和社团间请求混合使用,而变化的K值被用来计算每个节点的社交层级。

 

C. 度量评估

      我们将我们提出的STCRC方案与传染病路由进行比较,尝试理解连通度的上界(传染病有最高的交付率)。在传染病路由中,当两个节点彼此相遇时,他们交换他们还没有彼此交换的信息。这导致传染病路由通过拷贝消息到所有节点,生成了无限数量的消息。我们在实验中使用下面的度量:

      (1)命中率:兴趣包成功地交付到内容提供者的百分比,相反,内容数据成功地交付到内容请求者的百分比。这一度量反映了发现请求内容的方法的性能。

      (2)平均延迟:从兴趣包发出到成功交付内容所经过的时间为平均延迟时间。

      (3)总代价:消息副本在网络中的总数量。

 

D. 实验结果

      (1)命中率:图5和图8显示了传染病路由和我们提出的STCRC路由方案随时间的变化的命中率。参数K被设为10。当内容请求跨越社团,或者一个在社团里面,一个在跨越社团时,趋势看起来是相似的。传染病路由在两种情况下都有更高的命中率,因为在传染病路由中,一个节点将兴趣包拷贝到所有其他节点,兴趣包最终将以一个很高的概率到达内容提供者。传染病路由的性能比STCRC性能稍高。两个方案之间的偏差大约15%。此外,在社团内部请求方面,发现内容提供者更快,导致传染病路由和STCRC路由命中率上的提高。

      (2)平均延迟:当请求的数量是变化的时,图6和图9显示了两种方法的平均延迟。图中显示出的传染病路由的延迟低于我们的方案。在传染病路由中,兴趣包和内容在网络中快速洪泛。结果,兴趣包和内容可以在一个短暂的延迟后到达目的地。然而,我们的STCRC方案,在社团间请求的例子中,传播兴趣包到本地簇头节点时会有延迟,传播兴趣包到外部簇头节点时也会有延迟。与实验中的命中率相似,在社团内部请求方面,延迟在两个方案中都有减少。

      (3)总代价:图7和图10显示了两种方法的平均代价。随着内容请求数量的增长,传染病路由的代价比STCRC路由的代价更高。在传染病路由中,每个节点向每个相遇节点交付兴趣包或者内容包,因此导致非常高的代价。在STCRC中,中继节点的选择是有选择性的。为了发现内容提供者,在一个社团内,STCRC仅向拥有高社交层次的节点转发兴趣包。跨越社团,STCRC仅让边界节点将兴趣包发送到比上一个外部相遇节点具有更高社交等级的外部节点。两个策略都为STCRC带来明显的低代价,并保证成功发现了内容提供者。在平均延迟案例中,当内容请求者和内容提供者属于同一社团时,在两个方案中,代价都被减少。

      (4)K-means的影响:在上面的实验中,参数K被设置为10,一个更高的K值导致网络中更多的簇,因此生成更多的包转发,这有利于命中率和平均延迟的总代价。因此,K值应该根据特定场景仔细选择。针对不同的K值,我们已经评估了我们提出的STCRC方案的性能。图11-13显示了K值对所有三个评估度量的影响。

 

5. 结束语

      在本文中,我们提出了STCRC,一个社交关系和社团感知的内容获取体系结构,该方案在延迟容忍移动信息中心网络中是高度可扩展的。STCRC生成了基于社交网络的路由结构,以便支持高效的社团之间的兴趣包和内容数据转发。评估结果显示,我们的系统需要更少的控制开销,却为内容获取应用程序提供与其他路由算法可比拟的性能。

 

参考资料

[1] D. Arthur, B. Manthey, and H. Roglin, “k-means haspolynomial smoothed complexity,” in 50thAnnual IEEE Symposium on Foundations of Computer Science, 2009.

[2] A. Chaintreau, Hui et al., “Pocketswitched networks: Real-world mobility and its consequences foropportunistic forwarding,” University of Cambridge, Computer Laboratory, Tech.Rep., 2005.

[3] E. Daly and M. Haahr, “Socialnetwork analysis for information flow in disconnected delay-tolerant manets,” MobileComputing, IEEE Transactions on, vol. 8, no. 5, pp. 606–621, May2009.

[4] K. Fall, “A delay-tolerantnetwork architecture for challenged internets,” in Proceedings ofthe 2003 Conference on Applications, Technologies, Architectures, and Protocolsfor Computer Communications, 2003.

[5] M. Grossglauser and M. Vetterli, “Locatingmobile nodes with ease: learning efficient routes from encounterhistories alone,” Networking, IEEE/ACM Transactions on, vol. 14, no. 3,pp. 457–469, June 2006.

[6] W. J. Hsu and A. Helmy, “Impact:Investigation of mobile-user patterns across university campuses using wlan traceanalysis,” CoRR, 2005.

[7] Jacobson et al., “Content-centricnetworking: Whitepaper describing future assurable global networks,” 2007.

[8] R. Jain, D.-M. Chiu, and W. R. Hawe, Aquantitative measure of fairness and discrimination for resource allocationin shared computer system. Eastern Research Laboratory, DigitalEquipment Corporation, 1984.

[9] T. Kanungo, Mount et al., “An efficientk-means clustering algorithm: Analysis and implementation,” PatternAnalysis and Machine Intelligence, IEEE Transactions on, pp. 881–892, 2002.

[10] D. Lee, J. Choi, Kim et al., “Lrfu: Aspectrum of policies that subsumes the least recently used and least frequentlyused policies,” IEEE Trans. Comput., 2001.

[11] Y. Lu, X. Li, Y.-T. Yu, and M. Gerla, “Information-centricdelay-tolerant mobile ad-hoc networks,” Workshop on NameOriented Mobility, 2014.

[12] M. Mauve, J. Widmer, and H.Hartenstein, “A survey on position-based routing in mobile ad hoc networks,” Network,IEEE, pp. 30–39, 2001.

[13] S. Oh, D. Lau, and M. Gerla, “Contentcentric networking in tactical and emergency manets,” in WirelessDays (WD), Oct 2010, pp. 1–5.

[14] N. Sastry, Manjunath et al., “Data deliveryproperties of human contact networks,” Mobile Computing,IEEE Transactions on, 2011.

[15] J. Scott, J. Crowcroft, and C. Hui,P.and Diot, “Haggle: A networking architecture designed around mobile users,” in WONS2006: Third Annual Conference on Wireless On-Demand NetworkSystems and Services.

[16] K. L. Scott and S. Burleigh, “Bundleprotocol specification,” 2007.

[17] J. Su, Scott et al., “Haggle:Seamless networking for mobile applications,” in Proceedings ofthe 9th International Conference on Ubiquitous Computing, 2007.

[18] A. Vahdat, D. Becker et al., “Epidemicrouting for partially connected ad hoc networks,” Duke University,Tech. Rep., 2000.

[19] L. Wang, Afanasyev et al., “Rapidtraffic information dissemination using named data,” inProceedings of the 1st ACM Workshop on Emerging Name-Oriented Mobile NetworkingDesign - Architecture, Algorithms, and Applications, 2012, pp. 7–12.

[20] L. Zhang et al., “Named datanetworking (ndn) project,” Relat′orio T′ecnico NDN-0001, Xerox Palo Alto Research Center-PARC, 2010.

 

 

      (社交关系social-tie,中心度Centrality,中心度序列Centrality sequence,中心度聚簇Centrality clusters)

      (相遇向量encounter-vectors,相遇节点表encounter table,社交关系表social-tie table,摘要表digest table)

 

      收获:

      (1)  相遇向量、相遇节点表、社交关系表、摘要表中的字段在PPT中都有。

      (2)  转发策略:STCRC正常转发策略、备用转发策略、传染病路由。

      (3)  簇头节点是所在社团中拥有最高中心度的节点,拥有所在社团的最全面信息。网关节点在自己的社团中没有高中心度,但拥有相邻外部社团的信息。


      存在问题:

      (1)  数学公式1、2、3、4不理解。

      (2)  中心度定义:从给定节点到所有其他相遇节点的平均社交距离。这个社交距离的定义是什么?社交距离越大,中心度值越大?

      (3)  在此协议中,社团是怎样划分的?社团中有哪些节点是否是提前定好的?

      (4)  一个社团按照中心度值的不同划分成多个簇,每个簇是一个子社团,是这样吗?

      (5)  图3中网关节点、边界节点是哪些?社团A和社团B中间的节点是在社团A和社团B之间频繁移动的节点吗?这其中哪些是边界节点?哪些是网关节点?

      (6)  4、性能评估 A.人造轨迹的最后一段不理解。

      (7)  需要学习STCR协议、延迟容忍网络、社交网络、自组织网络分簇算法方面。

已标记关键词 清除标记
©️2020 CSDN 皮肤主题: 书香水墨 设计师:CSDN官方博客 返回首页