任樂源 王俊芳 張學敏

摘 要：為了解決內(nèi)容中心網(wǎng)絡(luò)（CCN）中存在的緩存問題，在內(nèi)容中心網(wǎng)絡(luò)和軟件定義網(wǎng)絡(luò)（SDN）的融合架構(gòu)下，充分利用控制層全局感知和集中控制的優(yōu)勢，提出了一種軟件定義下的CCN緩存決策方法?？紤]了中介中心度、內(nèi)容流行度、節(jié)點邊緣度和緩存節(jié)點存儲容量的有限性，引入了控制節(jié)點和通信節(jié)點的概念，通過控制器緩存決策，使得請求內(nèi)容在不同的節(jié)點進行合理緩存。同時，根據(jù)控制節(jié)點距離緩存節(jié)點和服務(wù)器的跳數(shù)，找到返回用戶請求的最短路徑，采用ndnSIM進行仿真實驗。結(jié)果表明，相比ALWAYS，LCD兩種傳統(tǒng)緩存決策策略，該方案可以明顯提高緩存命中率，降低路徑延展率和緩存替換數(shù)，達到了提高CCN緩存效率的目的，有利于內(nèi)容中心網(wǎng)絡(luò)及未來網(wǎng)絡(luò)的發(fā)展。

關(guān)鍵詞：通信網(wǎng)絡(luò)技術(shù)；內(nèi)容中心網(wǎng)絡(luò)；軟件定義網(wǎng)絡(luò)；緩存；集中控制

中圖分類號：TN9159 文獻標志碼：A

文章編號：1008-1542（2018）05-0455-07

隨著網(wǎng)絡(luò)用戶和通信量的急劇增長，傳統(tǒng)網(wǎng)絡(luò)逐漸暴露出安全性、移動性、可靠性等問題，另外IPv4地址空間不足和路由表的可擴展性問題都制約了網(wǎng)絡(luò)的發(fā)展[1]，網(wǎng)絡(luò)帶寬和網(wǎng)絡(luò)性能的發(fā)展無法跟上用戶需求不斷增長的腳步[2]。當今互聯(lián)網(wǎng)已經(jīng)無法滿足未來網(wǎng)絡(luò)的發(fā)展需求，急需一種新的網(wǎng)絡(luò)體系架構(gòu)來解決傳統(tǒng)網(wǎng)絡(luò)的弊端。

在未來互聯(lián)網(wǎng)研究項目中，最引人注目的是內(nèi)容中心網(wǎng)絡(luò)[3]（content centric networking，CCN），CCN以內(nèi)容為中心并在路由節(jié)點內(nèi)置緩存功能，實現(xiàn)了緩存功能的泛在化和透明化[4]。內(nèi)容中心網(wǎng)絡(luò)引入唯一的命名作為網(wǎng)絡(luò)內(nèi)容標識，實現(xiàn)內(nèi)容數(shù)據(jù)和位置、應(yīng)用、存儲以及傳輸方式的分離，并通過對網(wǎng)絡(luò)中內(nèi)容的直接感知和保護，減少了網(wǎng)絡(luò)中的信息冗余，提高了網(wǎng)絡(luò)通信的安全性和保密性。

對于CCN緩存網(wǎng)絡(luò)的研究目前尚處于起步階段，無論是理論模型、路由機制、優(yōu)化緩存策略等關(guān)鍵技術(shù)，還是它們的應(yīng)用業(yè)務(wù)，都有大量的問題亟待研究解決[5]。CCN緩存的泛在化使得網(wǎng)絡(luò)拓撲結(jié)構(gòu)不再是簡單的樹型拓撲或線性拓撲，增加了數(shù)學建模的難度[6]。另外，節(jié)點獨立作出緩存決策[7]，沒有一個中心節(jié)點能對整個網(wǎng)絡(luò)的緩存作出有效的管理和決策，這樣會增加交換節(jié)點的負擔并降低緩存的命中率和有效性，所以筆者將軟件定義網(wǎng)絡(luò)（software defined networking，SDN）控制與轉(zhuǎn)發(fā)解耦的思想應(yīng)用到CCN中[8]。SDN控制器是整個網(wǎng)絡(luò)的核心[9]，通過南向接口OpenFlow協(xié)議與基礎(chǔ)設(shè)施層的網(wǎng)絡(luò)設(shè)備進行通信[10]，通過北向接口與應(yīng)用層的防火墻、擁塞控制等業(yè)務(wù)進行通信。引入SDN技術(shù)后，可以根據(jù)SDN控制器掌握的全網(wǎng)資源對緩存決策策略進行優(yōu)化[11]，將路由決策過程放到控制層面，由控制器給出內(nèi)容返回時最佳的緩存節(jié)點[12]，而交換層面僅需根據(jù)下發(fā)的命令進行數(shù)據(jù)的轉(zhuǎn)發(fā)[13]。

筆者在SDN和CCN融合的架構(gòu)下，提出了一種對內(nèi)容進行集中緩存決策的算法，即選擇網(wǎng)絡(luò)中最合適的節(jié)點來緩存相應(yīng)的內(nèi)容。該方法將緩存節(jié)點分為控制節(jié)點和通信節(jié)點，先將內(nèi)容緩存在中介中心度[14]最大的控制節(jié)點處，為防止該節(jié)點的內(nèi)容被很快替換掉，控制器通過掌握的全網(wǎng)資源作出緩存決策，將控制節(jié)點內(nèi)容流行度高的內(nèi)容轉(zhuǎn)移到中介中心度高、節(jié)點邊緣度大的通信節(jié)點上，將控制節(jié)點內(nèi)容流行度低的內(nèi)容轉(zhuǎn)移到中介中心度低、節(jié)點邊緣度小的通信節(jié)點上，在交換層根據(jù)下發(fā)的命令進行數(shù)據(jù)轉(zhuǎn)發(fā)的過程中，選擇較短的路徑，這樣的緩存決策策略可以提高緩存命中率，降低路徑延展率和緩存替換數(shù)，既可以利用SDN邏輯中心化[15]和集中控制的優(yōu)勢，又可以體現(xiàn)CCN在內(nèi)容獲取上的優(yōu)勢。

1 基于SDN的CCN集中控制緩存決策方法

1.1 相關(guān)定義

定義1（中介中心度） 由于緩存節(jié)點在網(wǎng)絡(luò)拓撲結(jié)構(gòu)中位置的不同，會導致節(jié)點在網(wǎng)絡(luò)中緩存價值不同，因此需要中介中心度來衡量各個節(jié)點的緩存概率和重要程度。若中介中心度高，說明經(jīng)過該節(jié)點的最短路徑數(shù)目多，則內(nèi)容在該節(jié)點被命中的概率大。用B（Ry）表示節(jié)點Ry處的中介中心度，可表示為

1.2 控制節(jié)點及通信節(jié)點

將興趣包請求路徑中中介中心度最大的點定義為控制節(jié)點，針對不同的業(yè)務(wù)請求，需要確定不同的控制節(jié)點，對于同一業(yè)務(wù)請求，如果在興趣包經(jīng)過的節(jié)點中沒有緩存過該內(nèi)容并且沒有具有控制功能的節(jié)點，則需要確定此路徑中的控制節(jié)點。控制節(jié)點除了具有控制功能，還能通過比較其距離通信節(jié)點和服務(wù)器的跳數(shù)，來選擇合適的數(shù)據(jù)包返回路線，若控制節(jié)點距離通信節(jié)點的跳數(shù)小于距離服務(wù)器的跳數(shù)，則將興趣包傳送至通信節(jié)點，這樣數(shù)據(jù)返回用戶的路線較短。

由于網(wǎng)絡(luò)中內(nèi)容數(shù)量巨大，緩存在控制節(jié)點的內(nèi)容會被頻繁地替換掉。為了防止這一現(xiàn)象，要將控制節(jié)點處的內(nèi)容轉(zhuǎn)移到內(nèi)容請求路徑中合適的節(jié)點處，這個節(jié)點為通信節(jié)點，根據(jù)式（2）和式（3）來確定通信節(jié)點。根據(jù)控制器作出的緩存決策，將控制節(jié)點內(nèi)容流行度高的內(nèi)容緩存在中介中心度高、節(jié)點邊緣度大的通信節(jié)點上，將控制節(jié)點內(nèi)容流行度低的內(nèi)容緩存在中介中心度低、節(jié)點邊緣度小的通信節(jié)點上。

1.3 CCN節(jié)點結(jié)構(gòu)

內(nèi)容中心網(wǎng)絡(luò)中傳輸?shù)膱笪挠蓴?shù)據(jù)包（data packet）和興趣包（interest packet）組成。用戶終端請求內(nèi)容時發(fā)送興趣包，興趣包攜帶所請求內(nèi)容的內(nèi)容名。數(shù)據(jù)包包含數(shù)據(jù)命名和被請求內(nèi)容的內(nèi)容數(shù)據(jù)[16]。

內(nèi)容中心網(wǎng)絡(luò)中每個節(jié)點都具有緩存的功能，CCN節(jié)點包含CS（content store，內(nèi)容存儲器）、PIT（pending interest table，待定請求表）和FIB（forwarding information base，轉(zhuǎn)發(fā)信息庫）。其中，CS代表內(nèi)容緩存區(qū)； FIB為節(jié)點提供興趣包的下一跳轉(zhuǎn)發(fā)信息；PIT用于記錄興趣包的來源信息，方便數(shù)據(jù)包返回時找到返回路徑[17]。

1.4 緩存決策流程

在整個緩存過程中，數(shù)據(jù)層中的交換機實時地對路由信息進行統(tǒng)計，控制層中的控制器收集數(shù)據(jù)層的緩存信息并作出緩存決策，SDN控制器和CCN節(jié)點之間通過OpenFlow協(xié)議進行通信，通過流表下發(fā)的方式告知CCN節(jié)點緩存決策的結(jié)果，然后由數(shù)據(jù)層執(zhí)行緩存決策后數(shù)據(jù)的轉(zhuǎn)發(fā)。

緩存決策的流程如圖1所示，當數(shù)據(jù)層的交換機接收到興趣包時，首先對興趣包中的內(nèi)容名進行判斷，若內(nèi)容名標記為已記錄緩存決策結(jié)果，則讀取緩存決策結(jié)果，若結(jié)果中包含自身節(jié)點，則緩存該內(nèi)容，若不包含，則繼續(xù)傳送該興趣包；若內(nèi)容名中沒有已記錄的緩存決策結(jié)果，則交換機向控制器發(fā)送包含該內(nèi)容名的緩存決策請求。

假設(shè)開始時，請求內(nèi)容k只緩存在服務(wù)器中，路由中沒有該內(nèi)容。當用戶3請求內(nèi)容k時，會沿著R1→R2→R3→R4的路線傳遞興趣包，最后在服務(wù)器命中；因為是首次請求，服務(wù)器會向控制器發(fā)送請求決策信息，控制器將緩存決策結(jié)果及控制節(jié)點的下游節(jié)點信息返回給服務(wù)器，服務(wù)器將該內(nèi)容標記為已記錄，并將緩存結(jié)果封裝到該內(nèi)容名中；處理完畢后，將數(shù)據(jù)包發(fā)出，沿原路徑返回，節(jié)點R4，R3，R2，R1依次讀取緩存決策結(jié)果，若內(nèi)容名中包含自身節(jié)點，則緩存該內(nèi)容并讀取下游節(jié)點信息，然后繼續(xù)傳輸，反之則不緩存，繼續(xù)傳送數(shù)據(jù)包，最終將該請求內(nèi)容返回給用戶3。

假設(shè)在這一過程中將內(nèi)容緩存在中介中心度最大的路由R3中，但是考慮到內(nèi)容在R3處命中的概率大，并且節(jié)點容量遠小于內(nèi)容的數(shù)量，R3中的內(nèi)容很容易被替換，筆者根據(jù)下發(fā)的緩存結(jié)果將內(nèi)容轉(zhuǎn)移到控制節(jié)點附近合適的通信節(jié)點中。假設(shè)內(nèi)容轉(zhuǎn)移到R2，R3就會成為控制節(jié)點，記錄緩存內(nèi)容的信息。

當用戶3再次請求內(nèi)容k時會沿著路線R1→R2傳送興趣包，當R2收到興趣包時檢測到它的CS中存在該內(nèi)容，則將數(shù)據(jù)包沿原路線返回給用戶，這樣比用戶3首次請求時，路徑跳數(shù)減少了一半；當用戶2請求內(nèi)容k時會沿著路線R14→R6→R5→R3傳送興趣包，當R3收到興趣包卻沒有在它的CS中檢測到緩存內(nèi)容時，則要求它的BCP表來判斷它是否是控制節(jié)點，如果是控制節(jié)點，比較R3的BCP表中SOURCE和HOP的值，如果HOP小于SOURCE，則將興趣包輸送給R2，R2讀取CS中的數(shù)據(jù)包，將內(nèi)容k沿路線R2→R3→R5→R6→R14返回給用戶2。

2 仿真實驗結(jié)果分析

2.1 仿真環(huán)境及參數(shù)指標

使用C++實現(xiàn)SDN和CCN融合架構(gòu)的內(nèi)容傳輸模型，采用ndnSIM仿真工具完成仿真實驗。ndnSIM是NS-3中的一個實現(xiàn)NDN通信模型的模塊，與CCNx比較，它具有更清晰和可擴展的內(nèi)部結(jié)構(gòu)。試驗中設(shè)置的節(jié)點數(shù)和內(nèi)容數(shù)遠遠少于實際數(shù)量，更大規(guī)模的仿真可以借鑒天地一體化網(wǎng)絡(luò)，構(gòu)建安全技術(shù)仿真與實驗平臺來支撐安全測試任務(wù)。

為驗證本算法可以達到預期效果，選擇了CCN算法中具有代表性的ALWAYS和LCD兩種算法進行比較，仿真參數(shù)的設(shè)置如表1所示，在互聯(lián)網(wǎng)中，內(nèi)容流量的熱度分布遵從Zipf分布，緩存替換策略采用默認的LRU（最近最少使用替換策略）為網(wǎng)頁類內(nèi)容的流行度分布，設(shè)置值為0.7，緩存替換算法采用默認的最近最少使用替換策略LRU。

ALWAYS采用處處緩存的方式，將請求內(nèi)容緩存到沿途傳輸?shù)乃泄?jié)點中，使網(wǎng)絡(luò)內(nèi)產(chǎn)生了大量的緩存冗余[18]，由于節(jié)點緩存容量有限，

會導致頻繁發(fā)生緩存替換和節(jié)點上的內(nèi)容更新，此算法對緩存空間的利用率低，并且當用戶請求量較大時，用戶體驗不佳。LCD緩存策略是在命中節(jié)點的下一跳節(jié)點進行緩存，緩存內(nèi)容沿請求路徑逐漸靠近網(wǎng)絡(luò)邊緣，但內(nèi)容向網(wǎng)絡(luò)邊緣移動的速度比較慢，需要多個訪問周期。與ALWAYS相比，此算法減少了冗余副本，但是沒有考慮對不同流行度的內(nèi)容和不同重要度的節(jié)點進行區(qū)分。

2.2 性能評價指標

1）緩存命中率[19]（CHR） 緩存命中率表示用戶請求能夠得到響應(yīng)的概率，其值越高，緩存響應(yīng)用戶請求的概率越大，這樣可以提高緩存系統(tǒng)的效率和緩存資源的利用率，降低網(wǎng)絡(luò)負載。若用n表示用戶請求在緩存節(jié)點得到響應(yīng)的次數(shù)，N表示用戶請求內(nèi)容的總次數(shù)。CHR可表示為

2）路徑延展率（PS） 路徑延展率與用戶獲取請求內(nèi)容的平均跳數(shù)有關(guān)，其值越低，表示響應(yīng)用戶請求內(nèi)容所在的節(jié)點離用戶越近，這樣能夠有效降低用戶訪問時延，并能夠改善網(wǎng)絡(luò)負載。若用d表示用戶獲取內(nèi)容的平均跳數(shù)，[AKd-]表示用戶到源服務(wù)器的平均跳數(shù)。PS可表示為

3）緩存替換數(shù)[20] 內(nèi)容中心網(wǎng)絡(luò)中緩存節(jié)點的緩存容量有限，其值遠遠小于內(nèi)容的大小，所以會產(chǎn)生大量的替換操作，節(jié)點緩存的內(nèi)容會不斷地更新，頻繁的替換操作會導致緩存內(nèi)容副本在節(jié)點的存活時間太短，從而影響緩存命中率，所以緩存替換數(shù)越少越有利于緩存命中率的提升。

4）能耗 整個CCN的能耗主要由四部分組成：傳輸能耗、緩存能耗、計算能耗、通信能耗。

2.3 結(jié)果及分析

在實驗中設(shè)置節(jié)點緩存容量分別是10，30，50，70，90，110，130，150，單位為塊（chunk），隨節(jié)點緩存容量的不斷增加，觀察3種緩存策略的源服務(wù)器命中率（見圖2）、用戶請求平均跳數(shù)（見圖3）和緩存替換數(shù)（見圖4）3個指標的變化情況。

如圖2所示，縱坐標是內(nèi)容源服務(wù)器命中率，其值越低，表示節(jié)點緩存命中率越高，隨著節(jié)點緩存容量的不斷增加，3種緩存算法的緩存命中率都不斷提高，而本文算法的緩存命中率明顯高于其他2種算法。如圖3所示，縱坐標是用戶請求平均跳數(shù)，其值越低，表示路徑延展率越低，隨著節(jié)點緩存容量的增加，3種緩存算法的路徑延展率都不斷降低，本文算法的路徑延展率最低，可以更有效地降低用戶請求時延。ALWAYS算法和LCD算法沒有實現(xiàn)節(jié)點之間的協(xié)同，沒有對不同流行度的內(nèi)容和不同重要度的節(jié)點進行區(qū)分，而本文算法對傳統(tǒng)緩存算法進行了優(yōu)化和改進，考慮了用戶訪問體驗的因素，因此在緩存命中率和路徑延展率上都得到了更好的結(jié)果。

分別觀察節(jié)點R4和重要節(jié)點R2節(jié)點處的緩存替換數(shù)，當節(jié)點緩存容量不斷增加時，3種緩存策略的緩存替換數(shù)都不斷減少。由于網(wǎng)絡(luò)中內(nèi)容數(shù)量遠大于節(jié)點緩存容量，ALWAYS處緩存會導致每個節(jié)點都會有大量的替換操作，LCD算法需要多個訪問周期才能將內(nèi)容移動到邊緣節(jié)點，所以不能有效降低緩存替換數(shù)，本文算法根據(jù)內(nèi)容流行度、節(jié)點重要度和節(jié)點邊緣度選擇緩存節(jié)點，能夠?qū)?nèi)容在節(jié)點上進行合理的布局，有效地減少內(nèi)容的替換和更新。在節(jié)點R2和R4緩存容量一樣的情況下，本文算法的緩存替換數(shù)遠小于其他2種算法的緩存替換數(shù)。

緩存能耗是CCN每個節(jié)點提供緩存功能帶來的開銷，本文算法僅在特定的節(jié)點處緩存，所以大大減少了緩存能耗，并且通過減少內(nèi)容獲取的平均跳數(shù)和消除網(wǎng)絡(luò)中重復的內(nèi)容傳輸，減少了傳輸能耗，但是會比傳統(tǒng)算法增加計算能耗和通信能耗。

3 結(jié) 語

本研究基于傳統(tǒng)的網(wǎng)內(nèi)緩存算法，充分利用了SDN全局感知和集中控制的優(yōu)勢，結(jié)合中介中心度、內(nèi)容流行度和節(jié)點邊緣度的概念，得到內(nèi)容的最佳緩存節(jié)點。將網(wǎng)絡(luò)中緩存節(jié)點分為控制節(jié)點和通信節(jié)點，在沿途傳送興趣包的過程中，根據(jù)控制節(jié)點距離通信節(jié)點和服務(wù)器的跳數(shù)選擇合適的數(shù)據(jù)包返回路線。

目前，常用的CCN緩存算法有ALWAYS，LCD等。在本文實驗條件下，相比于ALWAYS算法，本文算法源服務(wù)器命中率最多可降低24%，平均跳數(shù)最多可減少50%，重要節(jié)點的緩存替換數(shù)也可以降低到250以下。本研究在提高緩存替換率、減少用戶訪問時延、降低緩存替換更新等方面，都表現(xiàn)出了更好的緩存性能，但也可能會產(chǎn)生更多的能耗。如何在不影響性能的情況下，將能耗降到最低是下一步優(yōu)化算法的主要工作內(nèi)容。SDN與CCN結(jié)合的網(wǎng)絡(luò)架構(gòu)和軟件定義下的CCN緩存算法，是未來網(wǎng)絡(luò)研究的一個重要方向，對內(nèi)容中心網(wǎng)絡(luò)乃至未來網(wǎng)絡(luò)的發(fā)展都具有重要的科學意義。

參考文獻/References：

[1] FELDMANN A. Internet clean-slate design： What and why[J]. ACM SIGCOMM Computer Communication Review， 2007， 37（3）： 59-64.

[2] 周鑫.基于內(nèi)容流行度和節(jié)點緩存壽命的內(nèi)容中心網(wǎng)絡(luò)緩存技術(shù)[D].南京：南京大學，2017.

ZHOU Xin. Popularity and Life-Span Based Cache Scheme for Content-Centric Network [D]. Nanjing： Nanjing University， 2017.

[3] DIRK T， MIKKO S， KAREN S. Arguments for an information-centric internet working architecture[J]. ACM Computer Communication Review， 2010， 40（4）： 26-33.

[4] 崔現(xiàn)東.內(nèi)容中心網(wǎng)絡(luò)網(wǎng)內(nèi)緩存策略研究[D].北京：北京郵電大學，2014.

CUI Xiandong. Research on In-Network Caching Schemes for Content Centric Networking[D]. Beijing： Beijing University of Posts and Telecommunications， 2014.

[5] KOPONEN T， CHAWLA M， CHUN B G， et al. A data-oriented （and beyond） network architecture[J]. Acm Sigcomm Computer Communication Review， 2007， 37（4）： 181-192.

[6] ZHANG G Q， YANG L I， TAO L， et al. Survey of in-network caching techniques in information-centric networks[J]. Journal of Software， 2014， 25（1）： 154-175.

[7] LIU D， DONG M， GU B， et al. Impact of item popularity and chunk popularity in CCN caching management[C]// Network Operations and Management Symposium. Pacific： IEEE Press， 2016： 2-5.

[8] MCKEOMN N， ANDERSON T， BALAKRISHNAN H， et al. OpenFlow： Enabling innovation in campus networks[J]. Acm Sigcomm Computer Communication Review， 2008， 38（2）： 69-74.

[9] GUDE N， KOPONEN T， PETTIT J， et al. NOX： Towards an operating systems for networks[J]. Acm Sigcomm Computer Communication Review， 2008， 38（3）： 105-110.

[10]王寧.基于SDN的內(nèi)容中心網(wǎng)絡(luò)架構(gòu)設(shè)計及緩存機制研究[D].北京：北京郵電大學，2015.

WANG Ning. Design and Research in Content Centric Networking Based on SDN[D]. Beijing： Beijing University of Posts and Telecommunications， 2015.

[11]曲樺，李巖松，劉軍，等.一種基于SDN 的CCN 集中控制緩存決策方法[J].電信科學學報，2017， 33（5）： 2-7.

QU Hua， LI Yansong， LIU Jun， et al. A method of CCN centralized control cache decision based on SDN[J]. Journal of Telecommunications Science， 2017， 33（5）： 2-7.

[12]CUI Y F， ZHAO M， WU M Q. A centralized control caching strategy based on popularity and betweenness centrality in CCN[C]// Wireless Communication Systems. Poland： IEEE Press， 2016： 286-289.

[13]張國強，李楊，林濤，等.信息中心網(wǎng)絡(luò)的內(nèi)置緩存技術(shù)研究[J].軟件學報，2014，25（1）：154-175.

ZHANG Guoqiang， LI Yang， LIN Tao， et al. Survey of in-network caching techniques in information-centric networks[J]. Software Journal， 2014， 25（1）：154-175.

[14]WEI K C， DILIANG H， IOANNIS P， et al. “Less for more” Caching in The Information-Centric Networks [M]. Berlin： Springer Berlin Heidelberg， 2012.

[15]SUN Q， WANG W， HU Y， et al. SDN-based autonomic CCN traffic management[C]// Globecom Workshop. Austin： IEEE Press， 2015： 183-187.

[16]LIU W， YU S， GAO Y， et al. Caching efficiency of information-centric networking[J]. IET Networks， 2013， 2（2）： 53-62.

[17]BARI M F， CHOWDHURY S， AHMED R， et al. A survey of naming and routing in information-centric networks[J]. IEEE Communication， 2012， 50（12）： 44-53.

[18]劉濤.內(nèi)容中心網(wǎng)絡(luò)訪問時延優(yōu)化技術(shù)研究[D].鄭州：解放軍信息工程大學，2013.

LIU Tao. Research on Optimization of Access Delay in Content Centric Networks[D]. Zhengzhou： The PLA Information Engineering University， 2013.

[19]FANG C， HUANG T， LIU J， et al. Fast convergence caching replacement algorithm based on dynamic classification for content-centric networks[J]. The Journal of China Universities of Posts and Telecommunications， 2013， 20（5）： 45-50.

[20]CUI X D， HUANG T， LIU J， et al. Design of in-network caching scheme in CCN based on grey relational analysis[J]. The Journal of China Universities of Posts and Telecommunications， 2014， 21（2）： 1-8.