基于NDN双曲路由的Push机制设计与缓存一致性研究

来源 :哈尔滨工业大学 | 被引量 : 0次 | 上传用户:mhb0512
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
命名数据网络,NamedDataNetworking(NDN),是以内容为中心的网络架构中最有代表性的一员。NDN改变了传统IP网络的传输模式,它利用路由节点可以存储数据的特点,实现了分布式的信息交换。NDN天然支持组播和多源多路径的传输模式,它的中间缓存特性也能大大减少网络时延。NDN现在已经在物联网以及传感器网络中有大量的应用。但是,NDN的固有架构只支持Pull型通信模式,缺乏Push型传输,同时分布式存储也带来了缓存不一致的问题。近些年来,随着网络需求的不断扩大,Push通信变得越来越重要,缓存一致性问题也亟待解决。本文从命名数据网络的特性出发,提出了一种基于双曲路由的Push机制,并结合该Push机制以及基于Zipf分布的考虑,提出了一种对高流行度内容实现Provider-Driven的缓存更新策略。
  本文在第三章中设计了一种HyperPush推送机制,不同于当下所使用的Push机制,它利用双曲路由贪婪寻址的特性,解决了NDN中Producer找不到Consumer的问题。本文提出了Pop-Hyper双曲嵌入优化算法,将内容流行度作为坐标分配的标度,使之与NDN更加契合。HyperPush将以往的广播式泛洪推送优化为有目的的组播推送,大大降低了网络负载。同时,本课题对NDN架构做出了相应的优化。本文新增了一个PendingDataTable(PDT)结构来记录待推送的数据列表,并对Interest结构做出了修改,以区分两种通信模式的兴趣包。通过ndnSIM网络仿真实验表明,HyperPush大大减少了通信时延,提高了缓存击中率,较之经典的Push通信机制也减低了网络负载。
  本文在第四章中提出了一种强一致性与弱一致性相结合的POPcache缓存更新策略,考虑到消费者的请求服从Zipf分布,本课题对高流行度的内容实现Provider-Driven型的强一致性更新。同时,本文基于网络的负载、时延、节点的缓存容量以及内容的流行度等网络参数建立了一套数学模型,分布式地决定数据最佳的缓存位置,以此来降低缓存更新所带来的负载。通过ndnSIM仿真实验表明,POPcache缓存更新策略消除了经典策略中对Freshness值的依赖,在负载增加可容忍的范围内提高了内容的一致性。
其他文献
该文首先介绍了轴快流CO激光器及其加工系统的现状和发展趋势,从而提出了轴快流CO激光器控制系统的功能及要求.详细分析了轴快流CO激光器的控制系统的工作过程及原理,着重研究了气压控制系统以及功率控制系统的原理,提出了按偏差调节的气压稳定调节系统、以及放电电流与激光功率反馈的双闭环功率控制系统.在这些分析与研究的基础上,设计出了以S7-226为核心的控制系统的电气控制原理图,在程序设计上,采用模块化方
学位
该课题的研究目标旨在得到一种能快速、精确地计算脊波导中主模及各高次模K的有效方法,并编制相应的程序.在广泛查阅国内外相关资料的基础上,反复比较,该文采用了模式匹配法的横向谐振技术以得到有关K的特征方程.编制求根程序时,使用Fortran语言,用牛顿法求根,得到的结果与国外权威刊物上发表的数据进行了比较,相当一致;利用该文的结果制作了一个脊波导滤波器,理论模拟曲线和最后的实测曲线相当吻合.
学位
随着科学技术的发展以及工程机械系统自动化程度的提高,现代工程实际系统日趋复杂化,且对系统控制性能的要求、作业任务的难度不断加强。其中,极具代表性的下三角非线性系统的控制问题,受到了国内外诸多学者的广泛关注,并取得了大量的研究成果。本文主要采用递归设计方法,基于确定性系统和随机系统Lyapunov稳定理论,依次研究了下三角确定性非线性系统、下三角随机非线性系统,以及下三角非线性多智能体系统的控制器设
随着计算机科学的快速发展以及医疗领域对大脑神经科学的深入研究,脑机接口(brain-computer interaction,BCI)成为一种新型的人与外界环境的交互方式,吸引广大学者的研究热情。BCI不依赖任何动作信息、语言信息和视觉信息的参与,能将 EEG 信号转换为相应的指令来实现与外界的交流与控制。目前BCI系统的应用范围越来越广,涉及到医疗患者康复、医疗疾病诊断、作业安全高效、军事装备和
目前,云平台根据服务提供商和用户之间签订的服务水平协议(SLA)为用户提供付费服务,云平台提供商为了提供高质量的服务引入体验质量(QoE)指标,该指标包含用户关于服务质量(QoS)和用户需求的反馈信息.但有些贪婪的用户为了获取超出SLA以外的服务,故意提供错误的反馈信息,影响到QoE收集的准确性,因此,云平台提供商必须监控QoE指标,并根据该指标提供更好的服务.目前,已有研究者对云平台QoE的监测
学位
为了处理现实问题中所包含的不确定性,在过去的几十年中,研究者们构造了一系列的数学模型,例如:模糊集模型、粗糙集模型以及软集模型。其中,软集模型具有包含参数化工具的特点。通过使用软集模型,人们便于从不同的属性(参数)的角度对同一事物(问题)进行刻画与分析,也便于从不同的属性(参数)的角度对事物(问题)所包含的不确定性进行研究。将软集模型与其他理论模型相结合,可以得到软集的扩展模型。软集的扩展模型顺承
随着互联网规模的飞速发展,网络传输的数据量也在不断增加,日益增长的网络数据对网络带宽和服务器性能提出越来越高的要求。所以,网络数据分发的实时性与可靠性是一个需要解决的问题。  同时,随着网络规模和网络用户数量的不断增加,网络请求往往聚集在少数网络资源上,这就导致了网络请求的负载不均。面对这种情况,如何将一些热点资源迁移到网络低负载区域的节点上,在一定程度上实现网络资源的负载均衡也是一个急需解决的问
随着互联网的快速发展,网络应用如雨后春笋般出现在我们身边。网络的开放性和可扩展性使得人们在一定程度上,可以根据自己的意愿去设计和实现网络应用流的通信和传递方式。大量的应用流数据和各式各样的通信协议规则都为网络应用流量的管理带来巨大的挑战。  在对网络应用流量识别过程中,研究人员通过不断更新识别特征,改进识别算法以应对过去模型和方法对现有网络的缺陷和不足。但对现有的复杂网络流的识别仍存在以下挑战:特
随着互联网的不断普及,网络服务的种类也不断增加,其依托于主机的端口对外提供各种服务如HTTP、SSH、FTP等。网络服务在给我们的工作和生活提供极大的便利的同时也隐藏了不可忽视的风险与隐患,近年来重大网络安全事件不断发生,网络安全态势日益严峻,国家积极加强对互联网安全的治理。在此背景之下,就更需要有效的方法和手段对较大规模的各种网络服务进行统计和监管。  本课题首先对网络服务探测技术进行研究,针对
学位
人脸关键点检测指的是从原始的人脸图像中检测出面部的目标区域。精确的关键点检测在众多人脸相关的科研和应用中起到重要作用,例如人脸识别、人脸动画、人脸姿态估计和人脸建模等。从技术实现上看,人脸关键点检测可以拆分为两个子任务:人脸检测和人脸关键点定位。过去的几年时间里,凭借着优秀的图像特征自动提取能力,深度学习极大促进了人脸关键点检测研究的进展,但随之而来的一些问题也不得不引起重视:主流的人脸关键点检测