Big Data Caching for Networking: Moving from Cloud to Edge 论文分享

Big Data Caching for Networking: Moving from Cloud to Edge

Abstract

问题背景： 为应对5G无线网络下的流量爆炸问题，目前解决方法包括开发新的频谱，建立更多基站，增加移动分组核心网络中的节点
而基于环境感知5G网络与边缘/云计算和大数据分析的开发可以为移动运营商带来显著收益。
主要研究： 本文研究了5G无线网络中的主动内容缓存，提出了一种大数据支持架构。在这个实用的架构中，大数据被用来估计内容的受欢迎程度，并以此制定内容在BSs中的缓存策略，以实现更高的用户满意度和回程卸载。
实验结果： 以16个基站，30%的内容拥有rating（描述可能不准确，以之后实验一节为准），13Gbyte的存储空间为例，本架构收获了100%的用户满意度和98%的回程链路卸载。

回程链路卸载： offloads of backhuaul 骨干网流量,通俗理解为运营商基站(靠近用户端)到云服务器之间的流量，这部分流量如果可以在本地基站直接满足就可以不用走骨干网再向云端请求，即实现了缓存的意义。

回程链路 Backhaul
蜂窝网络 Cellular_network
维基百科：

Visualizing the entire hierarchical network as a human skeleton, the core network would represent the spine, the backhaul links would be the limbs, the edge networks would be the hands and feet, and the individual links within those edge networks would be the fingers and toes.

将整个分层网络可视化为人的骨架，核心网络将代表脊椎，回程链路是四肢，边缘网络是手和脚，而那些边缘网络中的各个链路将是手指和脚趾。

INTRODUCTION

背景： 无线流量数据大量增长。

原因： Driven by mobile video, online social media and over-the-top (OTT) applications

带来挑战： Compelling mobile operators to look for innovative ways to manage their increasingly complex networks and scarce(稀缺) backhaul resources.
分析： 实际上，回程问题的主要驱动因素是无线视频点播业务，其中用户可以以异步方式（与实时流和数字电视不同）随时随地访问内容，并且具有独特的特征（即，用户的需求集中于少量的热门内容，导致大量重复传送）
提出方法： 基于不同特征(即结构化/非结构化)的不同领域(如医疗保健、机对机通信、车联网等)的数据流量爆炸式增长，属于大数据[3]框架。事实上，大数据所提供的潜力已经激发了行业、政府和学术界的极大兴趣(见[4]及其参考文献)。

背景： 新型网络架构的发展：ultra-dense networks（超密集组网）, massive-multiple-input multiple-output (MIMO)（大规模天线阵列）, millimeter-wave communication（毫米波通信）, edge caching（边缘缓存）, device-to-device communications（（D2D）

与针对以响应方式满足请求的dump移动终端设计的基站中心架构(可能)不同，5G网络本质上将以用户为中心，感知上下文，并具有前瞻性。

问题提出：

在社交和移动应用激增的推动下，今天的移动网络架构应该考虑一个新的范式转变。事实上，在数据中心收集和存储信息用于数据分析和决策的时代已经到来。得益于存储/内存、上下文感知和边缘/云计算[6][9]的最新进展，电信公司正在寻找分散和灵活的网络架构，其中预测性资源管理发挥了关键作用。在无线世界中，大数据为网络规划带来了一种新型的信息集，这种信息集可以相互连接，更好地了解用户行为和网络特征(如位置、用户速度、社交地理数据等)。

基于此，本文从主动缓存的角度研究了移动蜂窝网络中大数据的开发。由于人类行为具有高度可预测性，且运营商网络中存在大量