基于聯盟鏈的邊緣緩存系統收益最大化的緩存策略

摘 要：邊緣緩存技術能夠將熱點內容提前放置在距離用戶較近的網絡邊緣，可以顯著降低傳輸時延、提高網絡效率。然而，不同的運營商各自部署邊緣設備，投入巨大且緩存內容相互隔離，無法共享。針對此問題，改進了一種基于聯盟鏈的邊緣緩存系統架構，運營商部署的邊緣設備間能夠打破內容隔離，實現更大范圍的內容共享。此外，設計了基于智能合約的內容交易流程，使得不同運營商之間的合作變得可信、公平和可追蹤。最后，考慮到熱門內容的流行程度、文件大小以及傳輸時延等，對熱點內容進行定價，并以收益最大化為目標，通過貪婪算法確定緩存內容放置的位置。仿真實驗表明，基于該架構下的收益最大化緩存策略能夠有效增加邊緣緩存的收益。

關鍵詞：邊緣緩存； 聯盟鏈； 智能合約； 內容共享； 協作緩存

中圖分類號：TN92文獻標志碼：A

文章編號：1001-3695（2023）08-032-2447-05

doi：10.19734/j.issn.1001-3695.2022.10.0633

Benefit maximization caching strategy in edge cache systembased on consortium blockchain

Yang Fan， Jiang Jing， Du Jianbo， Zhang Xuewei， Liu Meng， Ju Lei

（Shaanxi Key Laboratory of Information Communication Network amp; Security， Xi’an University of Posts amp; Telecommunications， Xi’an 710121， China）

Abstract：Edge caching technology places hotspots in advance on the edge of the network closer to the users， which can significantly reduce transmission delay and improve network transmission efficiency. However， different operators deploy edge devices independently， which requires a vast investment. The cached contents are isolated from each other and cannot be shared. Aiming at this problem， this paper improved the architecture of an edge cache system based on consortium chain， so that the edge devices deployed by different operators could break the content isolation and achieved a wider range of content sharing. In addition， this paper designed a content transaction process based on smart contract， making the cooperation between different operators credible， fair and traceable. Finally， considering the popularity of popular content， file size， transmission delay， etc.， it priced the hotspot content and determined the location of cache content by maximizing benefits. The simulation results show that the benefit maximization caching strategy based on this architecture can effectively increase the revenue of edge caching.

Key words：edge caching; consortium blockchain; smart contracts; content sharing; collaborative caching

0 引言

隨著移動業務的多樣化、終端數量的不斷增加以及用戶對服務質量的更高追求，無線網絡數據呈現爆炸式增長［1］。傳統集中式數據中心將存儲資源部署在云計算平臺，導致數據傳輸端到端延遲長、回傳帶寬受限以及冗余傳輸等問題。移動邊緣計算（MEC）技術將存儲資源部署在網絡邊緣，用戶可以從附近的邊緣設備直接獲取數據，而無須經過云計算中心，從而極大降低數據傳輸延遲，并且一定程度上減少了熱點內容在回程鏈路上的重復傳輸，有效減輕了網絡的流量負載［2］。然而面對數量巨大的移動終端，邊緣設備的存儲容量十分有限，并且不同的運營商之間的邊緣緩存內容相互隔離、互不共享，導致熱點內容在不同運營商的邊緣設備上重復緩存，不能充分利用邊緣設備有限的存儲容量［3］。為了解決上述問題，基于區塊鏈技術的邊緣緩存新架構得到了廣泛的研究與關注［4］。區塊鏈技術是一種高級的數據庫機制，存儲于其中的數據或者信息具有不可偽造、公開透明、集體維護等特征［5］。邊緣緩存技術與區塊鏈技術相結合，將熱點內容分布式存儲在距離用戶較近的邊緣設備上，利用區塊鏈去中心化、不可竄改、可溯源、多方維護、公開透明等特點保證數據傳輸和訪問安全，通過共識機制同步網絡，讓各大運營商之間共享邊緣緩存基礎設施，分攤成本，能夠實現運營商邊緣設備間更大范圍的內容共享，提高緩存空間的利用效率，因而成為6G的研究熱點［6］。

基于區塊鏈與邊緣緩存技術的研究，文獻［7］提出了一種基于區塊鏈的物聯網節點選擇算法，能夠為熱點內容的擁有者提供一種高命中率的內容緩存策略。文獻［8］基于地域差異特性，提出了一種時延最小化的緩存協作策略，將緩存內容放置在時延最小的節點上。文獻［9］考慮不同物聯網系統的異構性以及集中化數據處理平臺單點故障等問題，提出一種基于區塊鏈技術的去中心化物聯網數據共享和存儲方案。以上研究主要針對于求解熱點內容最佳的緩存位置，但是忽略了不同運營商之間內容共享帶來的利益分配問題。針對此問題，本文考慮到熱門內容的流行程度、文件大小以及傳輸時延等，對內容進行定價，并以內容交易獲取收益的方式鼓勵運營商積極進行內容緩存。

另一方面，考慮到公有區塊鏈的節點惡意攻擊行為，文獻［10］考慮了重傳因素對靜態和移動用戶的影響。文獻［11］提出了一種基于聲譽的工作證明共識機制，根據邊緣設備的聲譽差異化實現可信的內容共享。上述研究均針對公有區塊鏈的信任問題，公有鏈的運行機制會導致區塊鏈賬本的維護難以長期維護，并且由于任意節點都能接入系統當中，增加了惡意攻擊，使得服務不可控制［12］。而私有區塊鏈僅供單個組織或機構使用，不適用于邊緣設備數量龐大的邊緣緩存系統［13］。而聯盟區塊鏈作為公有區塊鏈和私有區塊鏈的折中方案，只針對特定某個群體的成員和有限的第三方，由若干成員共同參與管理，因此已經成為了區塊鏈技術發展的主要方向之一［14］，也非常適用于運營商建立并維護邊緣緩存系統。

文獻［15］提出了一種基于聯盟鏈的邊緣緩存系統架構，并設計了一種基于內容緩存的部分實用拜占庭容錯（pPBFT）共識機制，但是其僅考慮了計算節點的開銷，并未考慮到緩存內容自身的屬性對運營商的價值。在此基礎上，本文對文獻［15］提出的架構進行改進，利用聯盟鏈技術，實現不同運營商邊緣設備之間的內容共享和定價交易，將有效提高緩存內容利用率，降低運營商的邊緣設備建設及運行成本。因此，本文的主要貢獻如下：

a）在文獻［15］所提出的基于聯盟鏈的邊緣緩存架構的基礎上，對架構進行改進，該架構由邊緣緩存層和聯盟鏈層組成，邊緣緩存層緩存熱點內容，聯盟鏈層保存區塊信息并基于智能合約執行內容交付。

b）本文設計了一種基于智能合約的內容共享流程，包括區塊結構和內容交易過程，考慮到內容的流行程度、所需緩存空間以及傳輸時延等，對內容進行定價，以邊緣設備收益最大化為目標求解緩存內容最佳的緩存位置。

1 系統架構

1.1 基于聯盟鏈的邊緣緩存系統框架

如圖1所示，基于聯盟鏈的邊緣緩存系統框架由邊緣緩存層和聯盟鏈層組成。

a）邊緣緩存層由具有緩存、計算和通信資源的邊緣設備組成，主要提供熱點內容的緩存服務。

b）聯盟鏈層由區塊鏈控制節點（blockchain controllers，BC）組成，包含聯盟鏈賬本模塊以及內容交易模塊。聯盟鏈賬本模塊用于保存區塊信息，并通過數字合同的形式保證參與交易的各方按照智能合約自動執行內容的交付，在共識機制下使所有的BC達成共識。內容交易模塊負責執行內容交易服務，包括節點認證、內容交易以及內容更新。

1.2 基于內容交易的區塊結構

有別于現有區塊鏈應用，本文設計了一種基于內容交易的新型區塊結構，如圖2所示。其中，區塊頭包含現有聯盟鏈應用常見的內容，例如版本號、時間戳、區盟鏈高度、父區塊哈希以及默克爾根哈希；同時增加了叔區塊哈希，叔區塊哈希是指由同一BC節點發布的上一個區塊的默克爾樹根哈希，用于快速定位某一BC節點的歷史信息［16］。

區塊體主要包含內容目錄列表、交易列表以及內容交易證明三個部分，具體說明如下：

a）內容目錄列表是發布區塊的BC節點經過基于收益最大化的緩存策略決策出緩存在該節點上的內容的索引。

b）交易列表記錄了有關內容共享交易的詳細信息，并生成默克爾樹根哈希記錄在區塊頭中，這一部分還記錄了BC節點的SBS地址。

c）內容交易證明記錄了內容交付成功的收據，由于系統中內容交付與收益有關，所以添加內容交易證明能夠防止欺詐和糾紛，驗證內容交付的真實性。

1.3 內容交易過程

在基于聯盟鏈的邊緣緩存系統當中，邊緣設備可以通過聯盟鏈發起內容交易，如圖3所示，具體過程如下：

a）用戶發起內容請求，鄰近的邊緣設備為用戶提供內容服務。邊緣設備首先在本地查找用戶請求內容，如果本地緩存命中，則邊緣設備直接進行內容交付；如果本地緩存未命中，則邊緣設備通過聯盟鏈層向其他邊緣設備發起內容交易請求。

b）BC節點將內容交易請求通過聯盟鏈賬本模塊廣播到協作域中的邊緣設備上，具有共享能力的邊緣設備會反饋合作意向，待雙方合作達成后，聯盟鏈賬本模塊部署智能合約，對此次內容交易請求進行處理；如果雙方合作未達成，采用宏基站交付方式。

c）提供內容的BC節點根據智能合約中的合約地址，將內容交付給請求內容的BC節點，傳輸的內容由接收者的公鑰加密，并只能由相應的私鑰解密。

d）請求內容的BC節點收到完整的內容數據后會進行驗證，驗證無誤后會根據內容定價向提供內容的BC節點提供報酬。

e）提供內容的BC節點收到報酬后會生成收據，并將收據上傳至區塊體中的內容交易證明當中，之后使用哈希算法生成此次交易對應哈希值并上傳至區塊體中的交易列表當中，通過共識機制在系統中更新區塊鏈，達成系統共識。內容交付過程執行完畢。

2 內容定價模型

為了不同運營商之間能夠互相信任，公平地分配邊緣緩存帶來的收益，本章根據內容的大小、緩存位置、流行程度以及邊緣設備的協作能力、傳輸時延，對內容進行綜合定價。

2.1 內容模型

2.2 內容流行度模型

2.3 傳輸時延分析

2.4 內容定價模型

3 基于收益最大化的內容緩存策略

3.1 優化問題建模

3.2 NPcomplete討論

3.3 使用貪婪算法求解緩存策略

4 仿真結果及分析

4.1 仿真設置

4.2 仿真結果分析

圖4描述了邊緣設備不同容量下的收益比較，邊緣設備的緩存容量為0～40。從圖上可以看出，隨著緩存容量的增加，緩存收益呈現增長的趨勢，但增長的速度會逐漸下降。這是因為隨著邊緣設備緩存容量的增加，更多的內容能夠緩存在邊緣設備上，導致收益的增加，隨著本地緩存內容越來越多，其需要通過聯盟鏈進行內容共享的概率也會隨之降低，進而緩存收益中的通過內容共享獲取到的收益會減少，導致收益增長的速度會逐漸下降。對比文獻［15］提出的pPBF算法，系統較小容量時，本文算法收益較高，而隨著系統容量的增加，pPBFT算法的收益較高，這是因為隨著系統容量的增加，pPBFT會重復緩存某些內容，而本文所提出的基于聯盟鏈的邊緣緩存系統收益最大化的緩存策略為了避免惡意競爭，在協作區域內的節點不會進行重復緩存。對比隨機緩存策略以及MPC緩存策略來說，本文所提出緩存策略帶來的收益明顯優于其他兩種對比緩存方案，能夠顯著提高運營商邊緣緩存系統帶來的收益。

從圖5中可以看出，緩存命中率隨著邊緣基站緩存容量的增加而呈現增長趨勢，并且存在輕微的波動。這是因為隨著緩存容量的增加，更多的請求內容可以緩存在邊緣設備中，從而通過宏基站的傳輸的概率會減少，使得用戶請求內容的命中率增高，但是由于本文所提緩存策略的緩存位置并非僅靠內容的流行度來選擇位置，而是選擇收益最大的緩存位置，所以導致命中率存在波動。對比其他兩種緩存策略，本文提出的基于聯盟鏈的邊緣緩存系統收益最大化的緩存策略在命中率上也優于其他三種對比策略。因此在容量具有限制的情況下，本文提出的緩存方案優于其他緩存方案，可以提高用戶請求內容的命中率。

5 結束語

本文改進了一種基于聯盟鏈的邊緣緩存系統，并設計了一種基于智能合約的內容共享流程，可以實現不同運營商邊緣設備間緩存內容的共享和交易。為了公平合理地分配邊緣緩存系統帶來的收益，本文綜合考量內容的各項屬性以及緩存位置，對內容進行綜合定價，并以收益最大化為優化目標，使用貪婪策略解決緩存內容的放置問題。仿真結果表明，與隨機緩存策略以及MPC緩存策略相比，該策略可以有效提高邊緣緩存設備的收益和內容的請求命中率也。在下一步工作中，將進一步考慮基于聯盟鏈的邊緣緩存系統的共識機制問題，對現有共識算法進行改進，從而降低共識開銷，使其更加適用于基于聯盟鏈的邊緣緩存系統。

參考文獻：

［1］王俊嶺， 胡敏， 黃宏程. 基于區域用戶需求感知的邊緣緩存策略研究 ［J］. 計算機應用研究， 2021，38（2）： 544-548. （Wang Junling， Hu Min， Huang Hongchen. Research on edge cache strategy based on regional user demand perception ［J］. Application Research of Computers， 2021，38（2）： 544-548.）

［2］Sheraz M， Ahmed M， Hou Xueshi， et al. Artificial intelligence for wireless caching： schemes， performance， and challenges［J］. IEEE Communications Surveys amp; Tutorials， 2021，23（1）： 631-661.

［3］Batu E， Bennis M， Debbah M. Cacheenabled small cell networks： modeling and tradeoffs［C］//Proc of the 11th International Symposium on Wireless Communications Systems . Piscataway， NJ： IEEE Press， 2014： 649-653.

［4］You Xiaohu， Wang Chengxiang， Huang Jie， et al. Towards 6G wireless communication networks： vision， enabling technologies， and new paradigm shifts［J］. Science China： Information Sciences， 2021，64（1）： 5-78.

［5］袁勇， 王飛躍. 區塊鏈技術發展現狀與展望［J］. 自動化學報， 2016，42（4）： 481-494. （Yuan Yong， Wang Feiyue. Blockchain： the state of the art and future trends［J］. Acta Automatica Sinica， 2016，42（4）： 481-494.）

［6］Sun Wen， Li Sheng， Zhang Yan. Edge caching in blockchain empowered 6G［J］. China Communication， 2021，18（1）： 1-17.

［7］Wang Hongman， Li Yingxue， Zhao Xiaoqi， et al. An algorithm based on Markov chain to improve edge cache hit ratio for blockchainenabled IoT［J］. China Communications， 2020，17（9）： 66-76.

［8］王亞麗， 陳家超， 張俊娜. 移動邊緣計算中收益最大化的緩存協作策略［J］. 計算機應用， 2022，42（11）： 3479-3485. （Wang Yali， Chen Jiachao， Zhang Junna. Cache collaboration strategies for maximizing revenue in mobile edge computing［J］. Journal of Computer Applications， 2022，42（11）： 3479-3485.）

［9］蔣宇娜， 葛曉虎， 楊旸， 等. 面向6G的區塊鏈物聯網數據共享和存儲機制［J］. 通信學報， 2020，41（10）： 48-58. （Jiang Yuna， Ge Xiaohu， Yang Yang， et al. 6G oriented blockchain based Internet of Things data sharing and storage mechanism［J］. Journal on Communications， 2020，41（10）： 48-58.）

［10］Krishnan S， Afshang M， Dhillon H S. Effect of retransmissions on optimal caching in cacheenabled small cell networks［J］. IEEE Trans on Vehicular Technology， 2017，66（12）： 11383-11387.

［11］Xu Yueqiang， Zhang Heli， Ji Hong， et al. Transaction throughput optimization for integrated blockchain and MEC system in IoT［J］. IEEE Trans on Wireless Communications， 2022，21（2）： 1022-1036.

［12］牛淑芬， 楊平平， 謝亞亞， 等. 區塊鏈上基于云輔助的密文策略屬性基數據共享加密方案［J］. 電子與信息學報， 2021，43（7）： 1864-1871. （Niu Shufen， Yang Pingping， Xie Yaya， et al. Cloud-assisted ciphertext policy attribute base data sharing encryption scheme on blockchain［J］. Journal of Electronics amp; Information Technology， 2021，43（7）： 1864-1871.）

［13］李子姝， 謝人超， 孫禮， 等. 移動邊緣計算綜述［J］. 電信科學， 2018，34（1）： 87-101. （Li Zishu， Xie Renchao， Sun Li， et al. A survey of mobile edge computing［J］. Telecommunications Science， 2018，34（1）： 87-101.）

［14］Zhang Ran， Yu F R， Liu Jiang， et al. Deep reinforcement learning （DRL）： based device-to-device （D2D） caching with blockchain and mobile edge computing［J］. IEEE Trans on Wireless Communications， 2020， 19（10）： 6469-6485.

［15］姜靜， 王凱， 許曰強， 等. 基于聯盟鏈的運營商最佳緩存策略［J］. 電子與信息學報， 2022，44（9）： 3043-3050. （Jiang Jing， Wang Kai， Xu Yueqiang， et al. Optimal caching strategy of operators based on consortium blockchain［J］. Journal of Electronics amp; Information Technology， 2022，44（9）： 3043-3050.）

［16］Zhang Ran， Yu F R， Liu Jiang， et al. Blockchain-incentivized D2D and mobile edge caching：a deep reinforcement learning approach［J］. IEEE Network， 2022，34（7）： 150-157.

［17］Chen Qi， Wang Wei， Yu F R， et al. Content caching oriented popularity prediction： a weighted clustering approach［J］. IEEE Trans on Wireless Communications， 2021，20（1）： 623-636.

［18］Yang Peng， Zhang Ning， Zhang Shan， et al. Content popularity prediction towards location-aware mobile edge caching［J］. IEEE Trans on Multimedia， 2019，21（4）： 915-929.

［19］Baek B， Lee J， Peng Y， et al. Three dynamic pricing schemes for resource allocation of edge computing for IoT environment［J］. IEEE Internet of Things Journal， 2020，7（5）： 4292-4303.

［20］Jiang Wei， Feng Gang， Qin Shuang. Optimal cooperative content caching and delivery policy for heterogeneous cellular networks［J］. IEEE Trans on Mobile Computing， 2017，16（5）： 1382-1393.

［21］胡琳琳， 寧愛兵， 黃飛， 等. 加權集合覆蓋問題的加權分治算法［J］. 小型微型計算機系統， 2016，37（5）： 987-991. （Hu Linlin， Ning Aibing， Huang Fei， et al. Weighted divide and conquer algorithm for weighted set coverage problems［J］. Small Microcomputer System， 2016，37（5）： 987-991.）

［22］Chen Zheng ， Lee J， Kountouris M. Cooperative caching and transmission design in cluster-centric small cell networks［J］. IEEE Trans on Wireless Communications， 2017，16（5）： 3401-3415.

［23］左亞兵， 王凱， 楊帆， 等. 基于用戶偏好的協作內容緩存策略［J］. 計算機應用究， 2022，39（1）： 123-127. （Zuo Yabing， Wang Kai， Yang Fan， et al. Collaborative content caching strategy based on user preferences［J］. Application Research of Computers， 2022，39（1）： 123-127.）

［24］Liu An ， Lau V K N. Exploiting base station caching in MIMO cel-lular networks： opportunistic cooperation for video streaming［J］. IEEE Trans on Signal Processing， 2015，62（1）： 57-69.

［25］黃永明， 鄭沖， 張征明， 等. 大規模無線通信網絡移動邊緣計算和緩存研究［J］. 通信學報， 2021，42（4）： 44-61. （Huang Yongming， Zheng Chong， Zhang Zhengming， et al. Research on mobile edge computing and caching in massive wireless communication network［J］. Journal on Communications， 2021，42（4）： 44-61.）