宏观把控

论文总结

1

2

3

4

---

对问题的一些探讨。

---

1.类比

延时----->电脑缓存：CPU与内存之间的临时存储器
延时------>传输距离①
traffic growth②
①②------->网络缓存：用户与数据中心服务器的临时存储器。即：instead of retrieving a webpage from a central server, popular webpages were replicated in small servers(cache) around the world, reducing (i)network bandwidth usage, (ii)content access time, and (iii)server congestion.

2.中心到分发

中心-->分发

1). 问题

• limit cache papacity

• effective content placement -->content popularity + user preference
• enlarge the set of cache files -->cooperation caching (transmission distance-->spectrum efficientcy && cache hit)

3). d2d与d2I的区别

• d2d之间是为了给定用户与相遇节点之间的content placement之间的选定：给定用户-相遇时间-请求流行性来决定content placement，依节点间的相遇时间来扩充the set of cache files
• d2I强调cache files 的reuse：whether fixed cache nodes cache the files is influenced by the users' request being covered by the SBS.换言之，相遇时间越长，请求的到满足的概率越大。

3. 影响CP的因素

所有模型的基本决策变量都为content placement(CP)，在此基础上，模型的改变是提出影响CP的因素或者其他决策变量。其中，


协作方式包含两种： 水平协作 && 垂直协作

• 水平协作：
  或者称为同级协作。常发生在当前缓存节点CP=0，即请求先访问当前节点，current(CP)（为0），再转向同级。常用表达方式如下：
  至少有一个缓存：1-Multi(1-all(x))/
  min{sum{other(x)}, 1}/
  1-current(x)/
• 垂直协作
  二级协作(D2BS、cluster2BS)：coding 与uncoding的垂直协作方式不同。
  coding : 常高一级的CP并不单独设立，目标为最小化高一级的消耗
  uncoding: multi(1-all(x))/ 定义不同级的CP
  多级协作：出现较少(P.K有用过)
  常垂直和水平一起用。
  
  针对相同的协作方式，不同的优化目标同样会影响CP：
• 请求和服务服从服从M/M/1队列，套用其公式优化延时
• 最小化水平层、垂直层分别server request的cost
• 增大cost(server-cache) /delay(server-cache)的差

Motivation:

Note that the data traffic at different base stations exhibits
spatial diversity, as the users’s access patterns and rates may vary from base station to base station.

两种分析方式：

• 直接将transmission decision 设定为变量y={0,1}，并服从相关constraints：
  y<=x/ link capacity
• 定义成功传输（即在SIR干扰在<=阈值）的概率/基站分配给用户的带宽=[0,1]。

实际上也是routing的一种，不同之处是具有缓存内容的节点基于用户与cache nodes 之间的通信质量的强弱决定是否将文件f传给user i；而routing是请求被多跳中继后传送到cache nodes，不同的多跳中继组成不同的路径。二者实际上

I. 在分层缓存模型中，每层的cost 或者 delay是影响CP的因素， 而delay又受transmission rate/带宽的影响；每层的CP的决策变量之间的协作；路由
II. 在D2D模型中，编码、用户的偏好、社交属性(contact time)、通信范围、节点密度等是影响决策变量的因素。
III. 上述同样可以应用与D2I模型中。
I. 协作方式
至少有一个缓存：1-Multi(1-all(x))/
min{sum{other(x)}, 1}/
1-current(x)/

4. Ideas

• considering the difference between D2D and D2I, we can define a variable p(0<=p<=1) that denote the fraction fo the requests of users i for content f sent to device cache, otherwise, 1-p. (×)
• 相遇时间间隔影响retention time(相对简单，待续。。。)