移动边缘计算下的内容缓存策略研究与实现开题报告
2020-02-20 09:02
1. 研究目的与意义（文献综述）
近年来，随着万物互联时代的快速到来和无线网络的普及，高清视频流、虚拟现实等移动多媒体服务快速发展，网络边缘的设备数量和产生的数据都快速增长，并且还将达到当前蜂窝网络的容量限制。在未来的5g移动通信中，移动互联网应用还将进一步持续高速发展，数据业务类型更加多样化，用户对高速率的移动网络服务的需求急剧增加，现有的移动通信网络架构明显受到限制，5g通信系统必须提供快速、灵活、可靠和持续的无线连接，同时有效地支持快速增长的移动网络流量和海量数据业务。
为了应对移动网络流量的爆发式增长，学术界和产业界做出了许多努力，其中移动边缘计算就是重要的一个方面。移动边缘计算（mec，mobile edge computing），又称为多接入边缘计算（multi-access edge computing），是一项新兴的技术，它能够在移动网络的边缘或靠近用户的无线接入网侧提供信息技术服务环境和云计算能力。同时，对应用开发者和内容提供商而言，mec 可以为其提供超低时延和高带宽的网络服务环境，为互联网业务的发展以及应对海量的数据流量提供了数据支持，利用mec平台的计算能力、存储能力以及靠近用户端的特性，可以在网络边缘最大限度地提高服务、内容访问和应用程序的响应速度，增强交互性，提升用户体验。mec 基于虚拟化平台，被欧洲 5g ppp（5g infrastructure publicprivate partnership）研究机构认可为 5g 网络（包括网络功能虚拟化（network function virtualization, nfv）和软件定义网络（software define network, sdn））的关键新兴技术之一。
随着通过对流量爆炸式增长问题的研究发现，移动网络流量主要一部分来自于从远端服务器重复下载一些流行度较高的内容（例如多媒体文件和视频流），为了应对急剧增长的用户需求和海量的数据流量对移动通信网络的冲击
2. 研究的基本内容与方案
基本内容：
设计并实现一种高效缓存策略或算法，在给定的模型和框架里，为最大化用户体验（qoe）,来选择适当的视频表示放置在分布式边缘服务器的本地缓存上。其中用户体验主要通过视频质量和初始延迟这两个指标来衡量。
技术方案：
3. 研究计划与安排
1）第1学期 18-20周：查阅翻译有关的参考资料并完成开题报告。
2）第2学期 1-5周：熟悉所选用的开发平台，完成整个系统的前期设计工作。
3）第2学期 6-14周：进行系统的编码、调试、集成、测试工作。
4. 参考文献（12篇以上）
|
参考文献 [1] Shi W , Cao J , Zhang Q , et al. Edge Computing: Visionand Challenges[J]. IEEE Internet of Things Journal, 2016, 3(5):637-646. [2] 施巍松, 孙辉, 曹杰, et al. 边缘计算:万物互联时代新型计算模型[J]. 计算机研究与发展, 2017(5). [3] 赵梓铭, 刘芳, 蔡志平, et al. 边缘计算:平台、应用与挑战[J]. 计算机研究与发展, 2018. [4] 崔勇, 宋健, 缪葱葱, et al. 移动云计算研究进展与趋势[J]. 计算机学报, 2017(2). [5] 周悦, 芝张迪. 近端云计算:后云计算时代的机遇与挑战[J]. 计算机学报, 2018. [6] Satyanarayanan, Mahadev. The Emergence of EdgeComputing[J]. Computer, 2017, 50(1):30-39. [7] 朱丹,王晓冬.移动网络边缘计算与缓存技术研究[J].铁路计算机应用,2017,26(08):51-54. [8] 田辉, 范绍帅, 吕昕晨, 等. 面向 5G 需求的移动边缘计算[J].2017. [9] Ahlehagh H,Dey S. Video-aware scheduling and caching in the radio access network[J].IEEE/ACM Transactions on Networking (TON), 2014, 22(5): 1444-1462. [10] Li C, Toni L,Zou J, et al. QoE-driven mobile edge caching placement for adaptive videostreaming[J]. IEEE Transactions on Multimedia, 2018, 20(4): 965-984. [11] Hu Y C, PatelM, Sabella D, et al. Mobile edge computing—A key technology towards 5G[J].ETSI white paper, 2015, 11(11): 1-16. [12] Nemhauser GL, Wolsey L A, Fisher M L. An analysis of approximations for maximizingsubmodular set functions—I[J]. Mathematical programming, 1978, 14(1):265-294. [13] WangS , Zhang X , Zhang Y , et al. A Survey on Mobile Edge Networks: Convergenceof Computing, Caching and Communications[J]. IEEE Access, 2017:1-1. [14] Shanmugam K, Golrezaei N, Dimakis A G, et al. Femtocaching: Wireless content delivery throughdistributed caching helpers[J]. IEEE Transactions on Information Theory,2013, 59(12): 8402-8413. [15] Poularakis K, Iosifidis G, Tassiulas L. Approximation algorithms for mobile data caching in small cell networks[J]. IEEE Transactions on Communications, 2014, 62(10): 3665-3677. |
