بخشی از مقاله
خلاصه
در این مقاله یک سیاست جدید کشینگ ارائه شده است که تبادل محتوای محبوب از طریق ارتباط موج میلیمتری نرخ بالا را آسان میکند. این سیاست کشینگ وسیله بهوسیله نام دارد، باهدف فعال کردن ارتباطات وسیلهبهوسیله محتوای قابل ذخیرهسازی را به دو گروه تقسیم میکند و این را بهصورت تصادفی به دستگاه کاربران - UE - ها توزیع میکند. با بهرهگیری از پهنای باند و جهتگیری بالای موجهای میلیمتری ما مطمئن هستیم که برای ارسال وسیله به وسیله نرخهای بالایی را خواهیم داشت، درحالیکه کاهش تداخل هم کانال گینهای ارتباط وسیلهبهوسیله در باندهای زیر 6 گیگاهرتز را محدود میکرد. نتایج شبیهسازی نشان میدهد که سیاست ارائهشده تخلیه بالاتر و تأخیر بازیابی محتوای کمتری را دارد.
.1 مقدمه
در طول چند سال اخیر زیادشدن دستگاههای موبایل که به اینترنت متصل میشوند، مانند تلفنهای هوشمند و تبلتها منجر به افزایش بیسابقهی ترافیک بیسیم شده است که انتظار میرود با یک نرخ سالیانهی 53٪ تا سال 2020 افزایش یابد.[1] برای پاسخگویی به این رشد، یک هدف برای نسل 5 شبکه موبایل برای بهبود ظرفیت شبکه تعیینشده است.
درحالیکه روشهای مرسوم بازده طیفی ناحیه شبکه را از طریق جنبههایی مانند تراکم سلول، ارسال در باند موج میلیمتری و Massive MIMO بهبود میبخشد. مطالعات، الگوی تکراری درخواستهای محتوای کاربر را برجسته نموده و راههای کارآمدتری را برای بهکارگیری آنها پیشنهاد میدهد.
با کشینگ فعال محتوای متداول محبوب در طول ساعات کم باری - برای مثال در شب - درون شبکه ذخیره میشوند، بهطوریکه میتوان آن را در طول ساعات پرباری بهصورت محلی به کاربرد. دو روش زیر در مطالعات پیشین متمایز در نظر گرفتهشدهاند، - 1 کشینگ لبه، زمانی که محتوا در نودهای یاور ذخیره شدهاند، - 2 کشینگ دستگاه، زمانی که محتوا در دستگاههای کاربر - UE - ذخیرهشده باشد.
درحالیکه کشینگ لبه، محدودیت لینک پشتی سلولهای کوچک را با استفاده از کاهش ارسالات از شبکه اصلی کاهش میدهد، کشینگ دستگاه با استفاده از کاهش ارسالهای سلولار ایستگاههای پایه را تخلیه میکند، که نرخ کاربرهای سلولار فعال را افزایش و مصرف انرژی دینامیکی ایستگاههای پایه را کاهش میدهد. ازآنجاییکه محتوای ذخیرهشده بلافاصله یا از طریق ارتباط وسیلهبهوسیله از حافظه دستگاههای محلی به کار گرفته میشوند درنتیجه کاربران تأخیر کمتری را متحمل خواهند شد.
اگرچه تمامی نتایج فوقالذکر برای کشینگ مثبت میباشند اما روشهای برنامهریزی دقیق و تخصیص توان نیازمند کاهش تداخل وسیلهبهوسیله میباشند که باعث محدود شدن تروپوت کاربر و افزایش پیچیدگی سیستم میشود. تأثیر بالایی از تداخل وسیلهبهوسیله به الگوهای ارسال تک جهته نسبت دادهشده است که معمولاً در باندهای زیر 6 گیگاهرتز هستند. درحالیکه جهتگیری بهطور طبیعی میتواند تداخل وسیلهبهوسیله و نیاز به هماهنگی را کاهش دهد، این کار نیازمند تعداد زیادی آنتن میباشد که با توجه به سایز آنتنها در باند ماکرویو این کار عملی نمیباشد. در مقایسه با ماکرویو، موج میلیمتر با توجه به طولموج کوچکش اجازه استفاده از آرایههای آنتن کوچک را در دستگاه های کاربران میدهد. در نتیجه موج میلیمتری یکراه حلی بسیار جذاب برای ارتباطات وسیله به وسیله است.
ادامه ساختار این مقاله بدینصورت است که در بخش - 2 - سیاست کشینگ را بیان میکنیم و در بخش - 3 - سیاست کشینگ را مشخص میکنیم و درنهایت در بخش - 4 - نتیجهگیری مقاله را بیان میکنیم.
.2 سیاست کشینگ
در این بخش با توجه به یک مدل در نظر گرفتهشده برای درخواستهای کاربران سیاستهای MPC و DAC
پیشنهادشده را بیان میکنیم.
- 1 مدل درخواست کاربر:
ما فرض میکنیم که کاربران از یک کتابخانهای شامل L فایل با سایز file محتوا را درخواست میکند و درخواست-
هایشان دارای توزیع Zipf است. با توجه به این مدل بعد از رتبهبندی فایلها برحسب کاهش محبوبیتشان، احتمال qi
درخواست یک کاربر برای i امین فایل بهصورت زیر است
که نشاندهنده شاخص محبوبیت توزیع Zipf است. این پارامتر مشخصکننده ناهمواری - عدم تقارن - توزیع محبوبیت است و وابسته بودن به نوع محتوا - برای مثال صفحه وب، ویدئو، صدا ... - است.
- 2 مراحل کشینگ
در کشینگ دستگاه هر کاربر یک حافظه پنهان ای از k فایل را نگه میدارد که k< L است، بنابراین زمانی که یک محتوای کش شده درخواست میشود، این محتوا بهجای ارسال سلولار، با یک تأخیر ناچیز بهصورت محلی بازیابی میشود. به این اتفاق برخورد کش میگویند و احتمال آن بهصورت زیر با h نشان داده میشود.
که C بیانگر محتویات کش شدهی یک کاربر است، همانطور که توسط سیاست کشینگ مشخص میشود. سیاست MPC یک روش کشینگ گسترده است که K تا از محبوبترین محتواها را از کتابخانه L فایلی در هر کاربر ذخیره میکند که دارای بیشترین احتمال برخورد می باشد.
سیاست DAC پیشنهادی:
اگرچه روش MPC بیشترین احتمال برخورد را دارد اما ازآنجاکه همهی کاربران محتوای یکسانی را ذخیره میکنند مانع از تبادل محتوا در میان کاربرها میشود؛ اما یک روشی که محتویات درون کاربران را متنوع میسازد، قابلیت تبادل از طریق ارتباط وسیلهبهوسیله را میتواند فراهم کند و لذا منجر به تخلیه بیشتری میشود. علاوه بر این، بهواسطهی نرخ وسیلهبهوسیله بالا و افزایش در نرخ سلولار با توجه به تخلیه، روش در نظر گرفتهشده باوجوداینکه احتمال برخورد کمتری نسبت به روش MPC دارد، ممکن است تأخیر بازیابی محتوا را بهبود ببخشد.
با این اوصاف، درروش DAC پیشنهادشده 2K از محبوبترین محتویات کتابخانهی L فایلی درون دو گروه k فایلی که هیچ همپوشانی باهم ندارند تقسیم میشود و توسط گروههای A و B مشخص میشوند و بهصورت تصادفی برای کاربران توزیع میشوند؛ که بهعنوان کاربرهای A و B به ترتیب مشخص میشوند. زمانی که یک US A به یک US A نزدیک باشد، شبکه ممکن است آنها را برای قادر ساختن تبادل محتوا از طریق ارتباط وسیله بهوسیله با هم جفت کند. احتمالات برخورد برای این دو نوع کاربر به صورت hA , hB نمایش داده میشوند. زمانی که یک US A جفت شده درخواست محتوا میکند سه نوع احتمال وجود دارد.
-1 محتوا با احتمال hA از طریق یک کش محلی US A بازیابی میشود.
محتوا با احتمال hB از طریق یک ارتباط وسیلهبهوسیله از کش - حافظه پنهان - US B جفت بازیابی میشود.
محتوا با احتمالhB hA 1 از طریق یک ارسال سلولار از ایستگاه مرتبط به A US بازیابی میشود.
حالتهای بالا برای یک US B جفت شده بر همین منوال تعریف میشوند.
گزارهی : - 1 - کشهای US A و US B را با C A و C B در یک جفت وسیلهبهوسیله نشان میدهیم و احتمال تبادل
محتوایشان را با eA و e B نشان میدهیم. eA و eB زمانی که C Aو C B یک پارتیشنبندی غیر همپوشانی از 2k از محبوبترین محتویات باشند ماکزیمم میشوند
زمانی که کاربرهای جفت شد محتوای غیر همپوشان را ذخیره میکنند، احتمالات برخورشان با احتمالات تبادل محتوایشان مطابق میشوند. برای مثال hB eA و hA eB ، ازاینرو روش DAC همچنین hA و hB را برای
همهی پارتیشنبندیهای 2k ممکن به مفهوم گزارهی - 1 - ماکزیمم میکند.*
2k محتویات میتوانند با روشهای متعددی پارتیشنبندی بیشتری شوند، اما حالتی که hA و hB مساوی انتخابشده منصفانهتر است. اگرچه تساوی دقیق با توجه به طبیعت گسسته بودن توزیع Zipf ممکن نیست، پارتیشنبندی که اختلاف hB hA را مینیمم میکند را میتوان یافت. انتظار میرود که این اختلاف برای مقادیر بهاندازه کافی بزرگ
k ناچیز باشد، hA و hB بهصورت زیر میتوانند بیان شوند:
درنهایت، ازآنجاکه دو کاربر جفت شده ممکن است بخواهند بهطور همزمان محتوا تبادل کنند با احتمال hdac 2 ما دو حالت را برای روش DAC در نظر گرفتهایم:
لطفاً دقت نمایید ازآنجاکه MPC مبتنی بر پارتیشنبندی نیست در نتیجه hA و hB هنوز هم از hMPC کمتر است.
