命名数据网络中一种基于节点分类的数据存储策略

黄胜; 滕明埝; 吴震; 许江华; 季瑞军

doi:10.7544/issn1000-1239.2016.20148097

命名数据网络中一种基于节点分类的数据存储策略

(重庆邮电大学光纤通信技术重点实验室重庆 400065) (tmnfighting@163.com)

基金项目: 国家自然科学基金项目(61371096,61275077);国家“九七三”重点基础研究发展计划基金项目(2012CB315803);重庆市自然科学基金项目(cstc2013jcyjA40052);重庆市教委科学技术研究项目(KJ130515)

详细信息

中图分类号: TP393
计量
- 文章访问数: 1244
- HTML全文浏览量: 1
- PDF下载量: 801
出版历程
- 发布日期: 2016-05-31

A Data Caching Scheme Based on Node Classification in Named Data Networking

(Key Laboratory of Optical Fiber Communication Technology, Chongqing University of Posts and Telecommunications, Chongqing 400065)

摘要

摘要: 缓存是命名数据网络(named data networking, NDN)有别于传统网络最突出的特性之一，NDN中默认所有节点都具有缓存所有经过数据的功能.这种“处处缓存”策略导致网内大量冗余数据的产生，使网内缓存被严重浪费.针对上述问题，首次提出了一种基于节点分类(based on node classification, BNC)的数据存储策略.基于节点位置的不同，将数据返回客户端所经过的节点分为“边缘”类节点与“核心”类节点.当数据经过“核心”类节点时，通过权衡该类节点的位置与数据在不同节点的流行度分布，将数据存储在对其他节点最有利的节点中；当数据经过“边缘”类节点时，通过该数据流行度来选择最有利于客户端的位置.仿真结果表明，提出的策略将有效提高数据命中率，减少数据请求时延和距离.
- 命名数据网络 /
- 节点分类数据存储策略 /
- 网内存储 /
- 冗余数据 /
- 内容中心网络
Abstract: Compared with the traditional Internet, in-networking caching is one of the most distinguishable features in named data networking (NDN). In NDN, a node caches every passing data packet as a default model. The caching scheme generates a large number of redundant data in in-networking. As a consequence, the networking cache resource is wasted seriously. To solve the problem, a caching scheme based on node classification (BNC) is proposed firstly in this paper. Based on different node positions, the nodes that data packet passes through are divided into two types: “edge” type and “core” type. When data packet passes through the “core” type nodes, by considering location and data popularity distribution at different nodes, it is cached in a node which is beneficial to other nodes. When the data packet passes through the “edge” nodes, a node is selected through data popularity to be beneficial to the client. The simulation results show that the proposed scheme can efficiently improve the in-network hit ratio and reduce the delay and hops of getting the data packet.
- named data networking (NDN) /
- node classification caching scheme /
- in-network caching /
- redundant data /
- content centric networking

HTML全文

参考文献(0)

施引文献(62)

期刊类型引用(19)

1.	董胡，陈伟，彭高丰，陈耀东，刘刚. 基于信号子空间和DNN的语音增强方法. 微型电脑应用. 2025(01): 32-34+38 . 百度学术
2.	李世其，周雨玫，郑旋烨，刘裔斌. 复杂噪声环境下服务机器人语音增强算法研究. 传感器与微系统. 2025(04): 35-39 . 百度学术
3.	王向辉，李梅，田旭华，王姣，谭歆，路东东. 短时傅里叶变换域最优非因果滤波器和滤波矩阵降噪算法. 陕西科技大学学报. 2024(02): 164-173+197 . 百度学术
4.	尤昕源，王恒. 基于门控膨胀卷积循环网络的单声道语音增强. 计算机应用. 2024(04): 1317-1324 . 百度学术
5.	莫尚斌，王文君，董凌，高盛祥，余正涛. 基于多路信息聚合协同解码的单通道语音增强. 计算机应用. 2024(08): 2611-2617 . 百度学术
6.	缪悦. 时频域变换技术在语音降噪中的应用. 电声技术. 2024(12): 92-94+100 . 百度学术
7.	李鑫元，黄鹤鸣. 基于并行卷积循环网络的单通道语音增强系统. 计算机工程与设计. 2023(04): 1181-1188 . 百度学术
8.	文丽萍. 噪声环境下基于小波变换的普通话智能测试系统设计. 自动化与仪器仪表. 2023(05): 153-157 . 百度学术
9.	刘汾港，马建芬，张朝霞. 基于离散余弦变换与Transformer的语音增强. 计算机工程与设计. 2023(06): 1893-1898 . 百度学术
10.	徐浩森，姜囡，齐志坤. 基于注意力机制的卷积循环网络语音降噪. 科学技术与工程. 2022(05): 1950-1957 . 百度学术
11.	李小平，白超. 一种基于多模态信息融合的火车司机疲劳驾驶检测方法. 铁道学报. 2022(06): 56-65 . 百度学术
12.	胡勉宁，李欣，李明锋，孙海春. 面向诈骗短信息识别的融合多策略数据增强技术研究. 信息网络安全. 2022(10): 121-128 . 百度学术
13.	孙立辉，曹丽静，张竟雄. 基于升降编解码全卷积神经网络语音增强技术. 智能计算机与应用. 2021(02): 19-22 . 百度学术
14.	刘元，匡文凯，苏盛，李彬. 基于双通道能量差的环网柜局放信号消噪方法. 仪器仪表学报. 2021(02): 218-227 . 百度学术
15.	台文鑫，王钇翔，李森，蓝天，刘峤. 基于动态选择机制的低信噪比单声道语音增强算法. 计算机应用研究. 2021(09): 2604-2608 . 百度学术
16.	祁晓，赵连玉. 基于多频带谱减法的老年人语音增强算法的研究. 电声技术. 2020(05): 34-37 . 百度学术
17.	梁力，莫晓毅，柯华强. 基于语音识别技术的测试平台研究. 科技视界. 2020(31): 17-18 . 百度学术
18.	曹洁，周尧风，于泓，李晓旭. 基于SI-SDR优化的生成对抗网络语音增强方法. 华中科技大学学报(自然科学版). 2020(11): 17-23 . 百度学术
19.	许春冬，徐琅，周滨，凌贤鹏. 单通道语音增强技术的研究现状与发展趋势. 江西理工大学学报. 2020(05): 55-64 . 百度学术