移动边缘计算中的内容分发加速策略

柳 兴，杨 震，王新军，朱 恒

（1.北京邮电大学计算机学院，北京100876； 2.中国联合网络通信集团有限公司联通（湖南）产业互联网研究院，长沙410014）（∗通信作者电子邮箱liuxing_bupt@qq.com）

0 引言

随着5G的商用，流量数据应用（如人人视频、爱奇艺、快手等）必然愈发普及［1］。边缘计算将以更快的网络服务响应能力，受到各类移动用户的青睐［2］。有研究表明，未来流量数据将是以视频流量为主［3］，因此，如何合理设计移动边缘计算（Mobile Edge Computing，MEC）的缓存策略是值得研究的课题。

目前，已经有多个文献对MEC中的缓存策略进行了研究：文献［4］基于智能域名解析设计了一种基站和核心网联合部署的MEC架构，实现了信息技术与通信技术的融合，将上层功能下沉到网络边缘；文献［5］考虑用户访问资源的整体代价，提出了一种基于效用的启发式分层协作缓存策略，根据资源的效用值进行决策，可最小化用户资源访问代价；文献［6］考虑MEC服务器之间的协作，提出了一种协作式缓存管理算法，可在最大化缓存命中率的同时最小化带宽开销。然而，上述方法都是从MEC协议或架构的角度进行设计，并没有考虑MEC的随机环境，仅从架构上来设计难以有效提升MEC的性能。

为了适应MEC的随机环境，进一步提升边缘计算的服务质量，文献［7］利用用户间的社交关系建立内容传播模型，采用传播动力学方法预测小用户数据下的内容流行度，从个体角度出发预测内容被访问的概率；文献［8］为了提升时延容忍任务的用户体验，通过获取移动用户的运动轨迹及个人偏好信息，设计了移动感知的服务调度算法；……