劉嘉琦,張亞文,張瀚文,孟緒穎,周繼華,張玉軍

1(中國科學院 計算技術研究所,北京 10019 0)

2(中國科學院大學,北京 10 0190)

3(金美通信,重慶 400030)

現(xiàn)行的以TCP/IP 為基礎的互聯(lián)網(wǎng)體系結(jié)構(gòu)設計之初是為了解決計算機間點對點的通信需求,然而隨著互聯(lián)網(wǎng)規(guī)模和業(yè)務類型的爆炸式增長,互聯(lián)網(wǎng)出現(xiàn)了許多新的問題,內(nèi)容的高效傳輸、移動性和安全性等問題亟待解決[1].互聯(lián)網(wǎng)的主流應用模式逐漸轉(zhuǎn)變?yōu)橐砸曨l分發(fā)、文件下載為代表的信息獲取服務[2].為了有效解決以IP 為中心的網(wǎng)絡體系架構(gòu)在新時代下所存在的各種問題,近年來,一些以信息為中心的互聯(lián)網(wǎng)體系架構(gòu)被提出,這種架構(gòu)即為信息中心網(wǎng)絡(information-centric networking,簡稱ICN)[3].

ICN 的本質(zhì)是要將網(wǎng)絡通信模式從當前的以位置為中心轉(zhuǎn)變?yōu)橐孕畔橹行?即實現(xiàn)位置(服務器/主機的IP 地址)到內(nèi)容(用戶/應用關心的信息)的轉(zhuǎn)變.這就要求ICN 中的節(jié)點擁有一定的緩存能力,使得用戶需要獲取信息時,不再向信息源所在的主機地址進行請求,而是直接基于內(nèi)容標識向網(wǎng)絡發(fā)起請求.在ICN 中,緩存呈現(xiàn)泛在化的新特性,網(wǎng)絡內(nèi)任意節(jié)點具有緩存能力,以此來緩和服務器的壓力,減少網(wǎng)絡中的流量,降低用戶的訪問延遲.

緩存策略是實現(xiàn)ICN 網(wǎng)絡潛在優(yōu)勢的關鍵技術,得到了學術界的廣泛關注.然而,針對如何有效利用緩存資源、提升網(wǎng)絡性能的問題,目前并未達成廣泛共識[4].Psaras[5]和Dabirmoghaddam[6]等人認為:應盡量將內(nèi)容緩存在網(wǎng)絡邊緣位置,以靠近用戶降低訪問延遲.Rossi 等人[7]則認為:只有將內(nèi)容緩存在網(wǎng)絡中心,才能保證單位緩存的復用效率,提高網(wǎng)絡緩存的利用率.Wang[4],Li[8]等人主張通過顯示協(xié)作方式增加緩存多樣性,提升緩存整體效用.而Zhang[2],Gill[9]等人則認為:顯示協(xié)作方式需要頻繁地交換信息與計算開銷,這將給以線性速度為要求的高速信息中心網(wǎng)絡帶來了新的性能瓶頸.當前,對ICN 網(wǎng)絡化緩存的研究還處于起步階段,現(xiàn)有各種方案大都只側(cè)重某單一方面的性能提升.各緩存策略在緩存內(nèi)容的多樣性和可用性等方面仍有很大的提升空間.

許多研究表明:網(wǎng)絡中內(nèi)容的熱度服從Zipf 分布[10],多數(shù)請求往往只集中在少數(shù)熱門內(nèi)容上,請求最多的內(nèi)容稱為最熱門內(nèi)容,其次是次熱門內(nèi)容,剩余長尾熱度的內(nèi)容為非熱門內(nèi)容.通過前期大量的仿真實驗,我們發(fā)現(xiàn):現(xiàn)有各種方案在達到穩(wěn)態(tài)時,緩存空間仍被大量非熱門內(nèi)容占據(jù),已緩存的內(nèi)容往往是最熱門內(nèi)容,次熱門內(nèi)容難以穩(wěn)定緩存,緩存的利用率仍比較低.為提高緩存的利用率,我們希望能夠盡可能合理利用緩存空間,穩(wěn)定緩存更多次熱門內(nèi)容;同時,為了降低延遲,最熱門內(nèi)容也應適度冗余.通過對仿真實驗結(jié)果的比對與分析,我們發(fā)現(xiàn):理想狀態(tài)下,最熱門內(nèi)容應適度冗余在網(wǎng)絡邊緣節(jié)點,次熱門內(nèi)容穩(wěn)定緩存并呈現(xiàn)多樣性.

針對現(xiàn)有ICN 網(wǎng)絡化緩存利用率較低和緩存位置缺乏合理規(guī)劃的問題,本文提出了一種基于兩級緩存的協(xié)同緩存機制(a cache coordination scheme based on two-level cache,簡稱CSTC).主要貢獻包括:

1)提出一種分級緩存框架,將每個節(jié)點的緩存空間分為RawCache 和HashCache 兩部分:針對RawCache,各節(jié)點基于本地熱度感知進行獨立緩存決策;針對HashCache,通過哈希機制構(gòu)成域內(nèi)多節(jié)點間協(xié)作,實現(xiàn)了域內(nèi)熱度的分布感知及決策,為不同層次的熱度內(nèi)容提供不同的緩存策略;

2)在此框架下,提出了熱度篩選機制與路由策略,以實現(xiàn)緩存協(xié)作.基于內(nèi)容熱度優(yōu)化了緩存位置,降低了緩存的冗余,增大了域內(nèi)穩(wěn)定緩存內(nèi)容的數(shù)量,從而提高緩存命中率,降低用戶請求響應時間;

3)通過仿真實驗與現(xiàn)有5 種主要的ICN 緩存策略進行了性能比較,并進一步分析了內(nèi)容熱度分布、緩存大小等因素對各緩存策略性能的影響.實驗結(jié)果表明:CSTC 將次熱門內(nèi)容緩存數(shù)量提升了2 倍;緩存內(nèi)容數(shù)量的增加及緩存位置的優(yōu)化使得命中率大幅提升,在緩存空間有限的情況下,即使與以高命中率為優(yōu)勢的哈希緩存策略相比,CSTC 最高可將命中率提升45.4%;同時,CSTC 有效降低了用戶請求的響應時間,多數(shù)情況下,平均請求響應往返跳數(shù)優(yōu)于現(xiàn)有主要的5 種緩存策略.

本文第1 節(jié)對相關研究工作進行介紹,并分析了現(xiàn)有ICN 緩存策略的問題所在.第2 節(jié)詳細介紹基于兩級緩存的協(xié)同緩存機制的運行過程.第3 節(jié)通過仿真實驗,從緩存分布、請求命中率等方面對方案進行定量評價.最后總結(jié)全文.

1 相關工作及問題分析

緩存策略作為ICN 的重點研究領域,受到學術界的廣泛關注.近年來,各種各樣的緩存策略被相繼提出.根據(jù)不同的分類側(cè)重點,可以將緩存策略分為不同的種類[11].例如:根據(jù)內(nèi)容緩存位置,可以將其分為On-path 緩存策略和Off-path 緩存策略;根據(jù)各節(jié)點協(xié)作關系,可以將其分為顯式協(xié)同緩存策略和隱式協(xié)同緩存策略;根據(jù)網(wǎng)絡節(jié)點是否都具備緩存能力,可以將其分為同構(gòu)緩存策略和異構(gòu)緩存策略.本節(jié)主要就On-path 緩存策略、基于哈希的緩存策略和混合緩存策略展開討論.

1.1 On-path緩存策略

在On-path 緩存策略中,請求內(nèi)容沿返回路徑緩存,而不會緩存到這條路徑之外的其他節(jié)點.這類緩存策略簡單易實現(xiàn),也在實際部署中被廣泛采用.LCE(leave copy everywhere)[12]緩存策略是一種典型的On-path 緩存策略,在該策略中,各節(jié)點無差別地緩存途經(jīng)的所有內(nèi)容.LCE 雖然易于實現(xiàn),卻不可避免地造成緩存內(nèi)容的大量冗余,緩存空間的浪費.

Prob(copy with probabi lity)和ProbCache[5]提出了路徑上的節(jié)點按概率緩存內(nèi)容的方法,優(yōu)化On-path 緩存策略.前者指每個沿途節(jié)點都以某一固定概率緩存內(nèi)容:一方面,每個節(jié)點雖然以相同概率對內(nèi)容進行緩存,但其隨機緩存的內(nèi)容卻不一樣,提高了緩存的多樣性;另一方面,某一內(nèi)容越熱門,則其被緩存的概率越大.后者是Psaras 等人提出的一種基于加權概率的緩存策略,在這種策略下,越靠近請求者的節(jié)點、緩存空間越大的節(jié)點,緩存該內(nèi)容的概率越大.該方法不僅降低了緩存的冗余,還提升了共享路徑節(jié)點的效用.

為了有效降低緩存冗余,提高緩存空間利用率,有人[7,9,13,14]開始倡導將內(nèi)容緩存在請求路徑上權重最高的一個節(jié)點上來降低緩存冗余,他們對于節(jié)點權重的定義各不相同.Rossi 等人[7]研究了各種基于網(wǎng)絡拓撲中心度的緩存策略,并得出,將內(nèi)容緩存至中心度數(shù)最大的節(jié)點處緩存效果相對較好.Xu 等人[13]設計了基于動態(tài)LRU隊列和基于布隆過濾器兩種內(nèi)容效用統(tǒng)計方法,將內(nèi)容緩存在路徑上效用最大的節(jié)點上.Ren 等人[14]提出的Magic 緩存策略將內(nèi)容緩存在收益最大的節(jié)點上,并定義了在不同節(jié)點的緩存收益計算公式,緩存收益由內(nèi)容在該節(jié)點的局部熱度和節(jié)點到請求者的距離兩方面共同決定.然而,文獻并沒有明確給出內(nèi)容熱度統(tǒng)計方式.Gill 等人[9]提出了BidCache 競拍緩存模型,請求轉(zhuǎn)發(fā)過程中,各節(jié)點根據(jù)當前節(jié)點信息進行“出價”,請求包頭記錄了最大“價格”及其出價節(jié)點.當內(nèi)容返回時,將其緩存至路徑上出價最高的節(jié)點上.

各種On-path 緩存策略的共同特點是,網(wǎng)絡節(jié)點只與其請求路徑上游或下游的某些節(jié)點進行協(xié)作.這一共性限制了網(wǎng)絡化緩存的潛在性能提升.由于缺乏全局拓撲視圖與緩存狀態(tài)相關信息,緩存策略只能基于單節(jié)點、單條傳輸路徑對緩存進行優(yōu)化,這就限制了網(wǎng)絡性能提升的上界,也帶來了如下幾個方面的問題.

1)緩存大量冗余.由于各節(jié)點獨立進行緩存決策,同一網(wǎng)絡中各節(jié)點請求分布又基本一致,導致同一層各節(jié)點緩存下的內(nèi)容基本相同.有限的緩存空間和大量重復的內(nèi)容,給ICN 網(wǎng)絡帶來了更大的挑戰(zhàn);

2)命中退化現(xiàn)象.熱門內(nèi)容被拉取到網(wǎng)絡邊緣后,多數(shù)請求在邊緣節(jié)點得到滿足.邊緣節(jié)點的過濾效應,使得靠近中心的節(jié)點收到的內(nèi)容請求分布趨于隨機,加上下游節(jié)點的請求匯聚作用,中心節(jié)點收到的請求熱度分布相對混亂.這種過濾與匯聚效應,使得原本在下游節(jié)點沒有命中的請求,在上游節(jié)點命中的概率也很低;

3)緩存可用性差.緩存僅為路徑可見,即使緩存在請求節(jié)點的鄰居節(jié)點,若不在其請求路徑上,則緩存不可用.緩存的可用性對網(wǎng)絡性能有很大的影響,較高的可用性,能夠提升單位緩存空間的效用.

1.2 基于哈希的緩存策略

為了有效解決On-path 緩存機制中緩存大量冗余、緩存命中率低的問題,曾在P2P 中廣泛應用的基于哈希的緩存策略得到了人們的重新關注.這類策略將內(nèi)容的放置與路由請求通過哈希機制相結(jié)合,哈希映射不僅決定了內(nèi)容應該緩存到哪,也決定了請求應該向哪轉(zhuǎn)發(fā).通過這種請求的重定向機制,大幅降低了緩存的冗余,也提高了緩存的命中率,避免了頻繁的信息開銷.

Thar 等人[15]給出了一種基于哈希的緩存模型,闡述了包括協(xié)作轉(zhuǎn)發(fā)、熱度預測、內(nèi)容存取等的詳細過程.仿真實驗顯示:該方案在緩存命中率方面有著巨大提升,然而也導致了內(nèi)容傳輸跳數(shù)上的增加.

傳輸跳數(shù)增加是所有哈希緩存策略存在的一個共同問題,下面分別是不同的解決方案[16?19].Saino 等人[16]提出了兩種不同的解決方法:一種使內(nèi)容數(shù)據(jù)返回時,總是沿著最短路徑返回;另一種則通過廣播的方式,多路徑返回內(nèi)容數(shù)據(jù).Sourlas 等人[17]認為:緩存命中率與傳輸跳數(shù)相互制約,當協(xié)作域較小時,雖然緩存的整體命中率有所下降,但哈希策略引發(fā)的跳數(shù)增加也被限定在了一定的范圍之內(nèi).作者主張將大的協(xié)作域劃分為多個小的協(xié)作域,并給出了兩種協(xié)作域劃分算法.Wang 等人[18]設計了一種緩存分配算法,該算法在限定的跳數(shù)增加范圍內(nèi),嘗試尋找一種緩存分配方案.內(nèi)容首先哈希映射到一個Partition,每一個Partition 對應一個或多個緩存節(jié)點.由于內(nèi)容分配方案由入口路由器請求分布、網(wǎng)絡拓撲、內(nèi)容熱度等多種因素共同決定,當網(wǎng)絡狀態(tài)發(fā)生改變時,尤其是不同入口請求流量發(fā)生改變時,若不改變已有分配方案,網(wǎng)絡性能則會明顯下降.而改變內(nèi)容分配方案帶來的代價是極大的,需要改變不同節(jié)點的緩存大小、路由轉(zhuǎn)發(fā)表、Partition 映射表等等.Li 等人[19]提出了一種啟發(fā)式內(nèi)容分配方案,將協(xié)作域內(nèi)的節(jié)點劃分為與出口路由器數(shù)量相等的簇.該算法采用模擬退火的方式,每次交換不同簇種的兩個節(jié)點,看是否優(yōu)于先前分配方案.

基于哈希的緩存策略通過設計一種內(nèi)容分配方案,將內(nèi)容的緩存任務分配到域內(nèi)特定的網(wǎng)絡節(jié)點.這種方式有效解決了緩存冗余問題,提高了緩存命中率,但也帶來了一些新的問題.

1)緩存位置缺乏合理規(guī)劃:內(nèi)容緩存位置被預先決定、將指定內(nèi)容與特定節(jié)點進行綁定的緩存方式,一定程度上違反了ICN 內(nèi)容與位置分離的設計原則.現(xiàn)有的各種哈希緩存策略內(nèi)容分配機制缺少對熱度內(nèi)容緩存位置的合理規(guī)劃.當內(nèi)容熱度隨著時間、地域發(fā)生變化時,這種問題尤為明顯;

2)傳輸路徑的增加:相比On-path 緩存策略中最短路徑路由策略,基于哈希的緩存策略需要先將請求轉(zhuǎn)發(fā)至特定節(jié)點,若未命中,再轉(zhuǎn)發(fā)至內(nèi)容源節(jié)點.這種路由策略增加了內(nèi)容請求與回傳中的途經(jīng)跳數(shù).這也是現(xiàn)階段各種基于哈希緩存策略著重關注的問題.目前,多數(shù)方案認為影響傳輸跳數(shù)的因素與網(wǎng)絡拓撲、請求分布密切相關,忽略了內(nèi)容熱度對傳輸跳數(shù)的影響.

1.3 混合緩存策略

關于結(jié)合不同緩存策略的緩存機制最近已有不少研究,主要包括基于網(wǎng)絡結(jié)構(gòu)的混合緩存策略以及基于內(nèi)容熱度的混合緩存策略.

基于網(wǎng)絡結(jié)構(gòu)的混合緩存策略根據(jù)節(jié)點所處位置為不同節(jié)點提供不同的緩存策略.Zhang 等人[20]提出將網(wǎng)絡分成一個核心域和多個邊緣域,在核心域使用基于哈希的緩存策略,在邊緣域使用On-path 的緩存策略.該方法實際上是一種多域協(xié)作的部署策略.節(jié)點間緩存策略的融合,雖然在整體上提升了網(wǎng)絡性能,但對于單個域本身來說,緩存性能并沒有改變,因為域內(nèi)應用的還是原有的緩存策略.該方法并不能解決緩存內(nèi)容在邊緣節(jié)點過度冗余的問題.

基于內(nèi)容熱度的混合緩存策略為不同熱度的內(nèi)容提供不同的緩存策略.近年來,已有許多緩存策略都考慮了內(nèi)容熱度對緩存的影響:Yu 等人[21]提出了基于熱度的動態(tài)緩存權限策略;Yovita 等人[22]考慮將內(nèi)容按照不同的服務分成不同類;Yu 等人[23]將路由器分級,將熱度高的內(nèi)容存儲在等級高的路由器上.相應的混合策略也得到了人們的廣泛關注,Li[24]和Chang[25]等人通過理論建模分析,證明了基于熱度合理配置緩存空間,使其一部分緩存最熱門的內(nèi)容,另一部分參與全局協(xié)作,緩存次熱門內(nèi)容,能夠有效提高網(wǎng)絡性能.這種基于單個節(jié)點緩存空間劃分,有效利用內(nèi)容熱度分布的機制,使兩種緩存策略相結(jié)合,達到了優(yōu)勢互補的效果.文章雖然強調(diào)了內(nèi)容熱度的重要性,卻沒有給出內(nèi)容熱度的統(tǒng)計與篩選機制,且基于信息交換的域內(nèi)協(xié)作機制也帶來了頻繁的計算開銷與信道占用.總的來說,這類方案目前主要集中在理論建模與數(shù)學分析,并沒有給出可供實際部署的緩存策略.

本文提出的CSTC 是一種基于兩級緩存的協(xié)同緩存機制,不同于Li[24]和Chang[25]等人通過域內(nèi)信息交換來協(xié)作緩存,我們引入哈希機制,避免了大量的信息傳遞與計算開銷.同時,我們也給出了兩部分緩存的協(xié)作方式、替換策略、熱度篩選方法及路由策略,是一種可應用于實際部署環(huán)境的緩存機制.

2 CSTC 運行機制

CSTC 通過引入兩級緩存機制,實現(xiàn)了不同熱度內(nèi)容的分級緩存,一方面降低了緩存的冗余;一方面,利用內(nèi)容熱度對緩存位置進行了合理的規(guī)劃,使得緩存分布更接近理想分布狀態(tài).每個節(jié)點的緩存空間被分為RawCache 和HashCache 兩部分:針對RawCache,各節(jié)點基于本地熱度感知進行獨立緩存決策;針對HashCache,則通過哈希機制構(gòu)成域內(nèi)多節(jié)點間協(xié)作,實現(xiàn)了域內(nèi)熱度的分布感知及決策,為不同層次的熱度內(nèi)容提供不同的緩存策略.通過所設計的熱度篩選機制與路由策略,達到了內(nèi)容熱度篩選的目的,優(yōu)化了緩存位置,降低了緩存的冗余,增大了域內(nèi)穩(wěn)定緩存內(nèi)容的數(shù)量.本節(jié)將闡述CSTC 的詳細過程.

2.1 CSTC基本框架

研究表明:網(wǎng)絡中內(nèi)容的熱度服從Zipf 分布[10],不同內(nèi)容的請求頻率相差巨大,多數(shù)請求僅僅集中在少數(shù)熱門內(nèi)容上.Li 等人[24]通過構(gòu)建模型,分析如何配置單個路由節(jié)點的緩存空間,以達到整體網(wǎng)絡性能與成本的最優(yōu);Chang 等人[25]在Li 等人研究的基礎上提出一種確定節(jié)點緩存空間比例以及如何放置內(nèi)容的方法,證明將緩存空間基于內(nèi)容熱度分塊——一部分采用On-path 來緩存最熱門的內(nèi)容,另一部分參與全局協(xié)作,緩存次熱門內(nèi)容,可以在保持緩存命中率的同時,有效降低請求的平均時延.

然而,上述方法僅僅是對最優(yōu)緩存策略的數(shù)學量化與理論建模.緩存策略也是基于所有內(nèi)容熱度已知的先決條件下完成的,同時,各節(jié)點的緩存依賴于集中式的決策控制,并不適用于實際環(huán)境的部署要求.CSTC 基于以下考慮.

1)最熱門內(nèi)容應在網(wǎng)絡邊緣適度冗余,減少用戶請求跳數(shù).Fayazbakhsh 等人[26]通過大量仿真實驗證明:僅僅簡單地在網(wǎng)絡邊緣部署足夠大的緩存,就能達到可觀的網(wǎng)絡性能提升.這正是熱門內(nèi)容在網(wǎng)絡邊緣冗余帶來的效果.讓用戶的多數(shù)請求在網(wǎng)絡邊緣節(jié)點得到滿足,不僅減少了用戶的請求時間,也極大降低了網(wǎng)絡負載;

2)次熱門內(nèi)容應穩(wěn)定緩存,盡量避免非熱門內(nèi)容占據(jù)緩存空間.最熱門內(nèi)容只占網(wǎng)絡中內(nèi)容的極少部分,網(wǎng)絡中存在著大量的次熱門和非熱門內(nèi)容.為有效提高請求命中率,我們希望可以選定合理的存儲位置,通過請求重定向匯聚次熱門內(nèi)容的熱度,使得次熱門內(nèi)容能在指定節(jié)點穩(wěn)定緩存,進而提高次熱門內(nèi)容緩存多樣性,降低非熱門內(nèi)容對緩存空間的占用;

3)節(jié)點間較小的信息交換開銷與線性算法復雜度.現(xiàn)有的各種全局節(jié)點協(xié)作的內(nèi)容熱度感知方案[8,27]需要不同節(jié)點間頻繁的信息交流與計算開銷,同時會給集中控制節(jié)點帶來較大的流量負擔與計算壓力,這會給以線性速度為要求的高速信息中心網(wǎng)絡帶來新的性能瓶頸.

CSTC 中,節(jié)點緩存空間被分為RawCache 和HashCache 兩部分,如圖1所示.RawCache 上采用On-path 緩存策略,對途經(jīng)的內(nèi)容進行緩存,同時對緩存下來的內(nèi)容進行基于單節(jié)點熱度統(tǒng)計.通過這種方式,最熱門內(nèi)容被拉取到網(wǎng)絡邊緣穩(wěn)定緩存,而次熱門與非熱門內(nèi)容則會在RawCache 中頻繁替換,難以穩(wěn)定緩存.當RawCache中緩存內(nèi)容發(fā)生替換時,若為非熱門內(nèi)容,則直接替換出緩存空間,否則根據(jù)哈希映射找到其匹配節(jié)點,并將其發(fā)往對應節(jié)點的HashCache.不同節(jié)點的HashCache 構(gòu)成一個協(xié)作整體,一方面,每塊HashCache 通過哈希機制緩存不同的內(nèi)容,有效避免了緩存冗余;另一方面,域內(nèi)被替換出的不同內(nèi)容會被匯聚到不同節(jié)點,內(nèi)容會依照其全局熱度在該節(jié)點展開緩存空間的二次競爭.通過這種兩級緩存機制,最熱門的內(nèi)容會留在RawCache 中,次熱門內(nèi)容會穩(wěn)定緩存在HashCache 中.不同節(jié)點的HashCache 被分配以不同的緩存任務,這些節(jié)點的HashCache通過哈希機制構(gòu)成一個協(xié)作整體.

節(jié)點上相互關聯(lián)兩部分的緩存可以采用LRU 或LFU 緩存替換策略.初始階段,兩部分緩存都為空,當內(nèi)容經(jīng)過節(jié)點時,節(jié)點的RawCache 部分執(zhí)行On-path 緩存策略對內(nèi)容進行存儲.當RawCache 剩余緩存空間大小為0 時,若仍需緩存新內(nèi)容,則會通過緩存替換決策替換掉原有的緩存內(nèi)容.這時,節(jié)點先依照所統(tǒng)計的內(nèi)容命中次數(shù)判斷將被替換出的內(nèi)容的熱度:若為熱門內(nèi)容,則查找哈希映射表,將內(nèi)容發(fā)往對應節(jié)點的HashCache,再執(zhí)行替換操作;否則,直接執(zhí)行替換操作.協(xié)作域中節(jié)點的HashCache 部分收到從RawCache 發(fā)來的內(nèi)容時,對其進行緩存決策,此時若該節(jié)點的RawCache 中已緩存該內(nèi)容,則將內(nèi)容從RawCache 中刪除以避免冗余.當HashCache發(fā)生內(nèi)容替換時,考慮到HashCache 中多為熱門內(nèi)容,節(jié)點將替換內(nèi)容移動到本節(jié)點的RawCache 中,而不是直接丟棄.

通過這種兩級緩存機制,域內(nèi)的RawCache 會對網(wǎng)絡中的內(nèi)容進行篩選,被頻繁訪問的最熱門內(nèi)容會穩(wěn)定地緩存在各個節(jié)點的RawCache 中,降低用戶的訪問跳數(shù),也減輕了網(wǎng)絡核心節(jié)點的負載.RawCache 中替換出的仍有一定熱度的內(nèi)容會通過哈希映射緩存在HashCache 中,大幅提高了緩存的多樣性,同時避免了過度冗余.

Fig.1 T wo-level cache for CSTC圖1 CSTC 兩級緩存

2.2 CSTC熱度篩選

內(nèi)容熱度是影響網(wǎng)絡緩存性能的關鍵.相比于常見的利用內(nèi)容請求次數(shù)來表示內(nèi)容熱度,本節(jié)設計了基于內(nèi)容命中次數(shù)的熱度統(tǒng)計方法,主要基于以下考慮.

1)由于網(wǎng)絡中的內(nèi)容非常多,統(tǒng)計所有內(nèi)容的請求數(shù)是不現(xiàn)實且不必要的.為了降低時間空間開銷,我們只針對已緩存的內(nèi)容進行請求次數(shù)的統(tǒng)計,已緩存內(nèi)容的請求次數(shù)即為內(nèi)容的命中數(shù);

2)在CSTC 方法中,熱度內(nèi)容首先基于On-path 策略存入RawCache,針對RawCache 中已緩存的內(nèi)容,再利用其熱度信息判斷是否存入HashCache.熱度統(tǒng)計只是針對RawCache 已緩存內(nèi)容,命中數(shù)可以很好地反映已緩存內(nèi)容的熱度.

為了準確感知內(nèi)容熱度,CSTC 中每個節(jié)點需要維護兩種數(shù)據(jù)結(jié)構(gòu):本地命中列表(local hit table,簡稱LHT)和熱度統(tǒng)計列表(popularity tab le,簡稱PT).如圖2所示,LHT 用以維護節(jié)點已緩存內(nèi)容在該節(jié)點上的命中次數(shù),格式為〈name:(hit,time)〉.PT 用以維護內(nèi)容在協(xié)作域內(nèi)的熱度,格式為〈name:(popularity,time)〉.各字段含義如下.

?name:目標內(nèi)容名字;

?hit:內(nèi)容命中次數(shù),非負整數(shù);

?popularity:內(nèi)容在域內(nèi)的熱度,非負整數(shù);

?time:列表項上次更新時間.

當內(nèi)容在節(jié)點的緩存空間(RawCache 或HashCache)命中時,LHT 對應位置上的hit項則加1.LHT 的列表長度與節(jié)點的緩存大小一樣,當內(nèi)容從節(jié)點緩存空間移除時,對應表項也隨之移除.因此,LHT 統(tǒng)計的內(nèi)容命中次數(shù)只是單節(jié)點局部時間熱度,保證了列表較小的空間復雜度.hit的初始值為對應內(nèi)容在PIT 表中記錄的返回接口數(shù)目減1,表示在內(nèi)容被緩存到節(jié)點的CS 中之前,內(nèi)容的熱度等于內(nèi)容的請求數(shù).當內(nèi)容被緩存在節(jié)點的CS中后,內(nèi)容在該節(jié)點的請求可以在CS 中命中,此時內(nèi)容的請求數(shù)等于內(nèi)容的命中數(shù).當Interest 在節(jié)點的CS 中命中時,使用下面的公式更新表項:

其中,ρ(0<ρ<1)決定了內(nèi)容命中次數(shù)隨時間衰減的快慢,tcur指當前時間,tlast指上次表項更新時間.與周期性進行熱度衰減的方法不同,我們采用基于命中的時間衰減方法,這種方法不需要周期性地更新內(nèi)容熱度,只需要在有數(shù)據(jù)包到來的時候進行衰減操作,降低了更新的開銷.當數(shù)據(jù)包到達時,首先利用時間衰變參數(shù)對歷史的命中數(shù)進行衰減,再將衰減操作后的值加1,表示當前內(nèi)容在節(jié)點中的熱度,當前時間與上次表項更新時間間隔越久,歷史命中數(shù)對當前內(nèi)容熱度的影響越小.

Fig.2 Local hit table and popularity table圖2 本地命中列表與熱度統(tǒng)計表

當緩存內(nèi)容在RawCache 中發(fā)生替換時,首先根據(jù)LHT 表中hit項判斷其命中次數(shù)是否大于所設閾值,若滿足要求,則認為該內(nèi)容應該被緩存至域內(nèi)HashCache 中,此時節(jié)點會將內(nèi)容本身以及該內(nèi)容在LHT 表中的相關信息一并發(fā)送至哈希映射所得節(jié)點.對應節(jié)點收到內(nèi)容以后,除了存儲內(nèi)容本身以外,還會更新自身PT 表項.更新規(guī)則如下:若PT 表中沒有該項內(nèi)容,則直接將內(nèi)容的單節(jié)點命中次數(shù)作為內(nèi)容熱度,即x.popularity=x.hit;若PT 表中已存在該項內(nèi)容,則使用下面的公式更新表項:

其中,θ(0<θ<1)是單節(jié)點內(nèi)容命中次數(shù)在域內(nèi)內(nèi)容熱度上的權重參數(shù),ρ(0<ρ<1)決定了內(nèi)容熱度隨時間衰減的快慢,tcur指當前時間,tlast指上次表項更新時間.為與LHT 表的時間衰減保持一致,我們在PT 表的熱度更新中同樣引入時間衰減.通過哈希映射機制,域內(nèi)各節(jié)點RawCache 中替換出的同一內(nèi)容會被發(fā)送到同一節(jié)點,目標節(jié)點通過域內(nèi)各個節(jié)點的局部命中次數(shù)不斷更新該內(nèi)容的popularity,最終得到的popularity實際上是域內(nèi)所有節(jié)點命中次數(shù)共同作用的整體結(jié)果.PT 表中內(nèi)容按照popularity由大到小排序,用以指導HashCache 緩存哪些內(nèi)容.節(jié)點會記錄HashCache 中已緩存內(nèi)容的popularity最小值,當要緩存新內(nèi)容時,首先比較二者的popularity:若要緩存的內(nèi)容的popularity大于該值,則進行緩存,并替換掉popularity最小的內(nèi)容;否則不做緩存處理.

2.3 CSTC路由策略

本節(jié)假設我們提出的CSTC 緩存機制運行在典型的ICN 網(wǎng)絡NDN[12]中,NDN 中共有兩種數(shù)據(jù)類型:興趣分組(interest packet)和數(shù)據(jù)分組(data pa cket).用戶發(fā)起的請求稱為Interest,響應請求返回的內(nèi)容數(shù)據(jù)稱為Data.需要說明的是:HashCache 上采用的哈希映射機制的詳細過程并不是CSTC 關注的主要內(nèi)容,就像我們并不限制RawCache 上必須采用某種On-path 緩存策略一樣.

表1 中,當節(jié)點收到Interest 請求時,首先會查找自身內(nèi)容存儲表(content st ore,CS)與待定請求表(pending interest ta ble,簡稱PIT),看是否有內(nèi)容命中.若都沒有命中,則根據(jù)哈希映射得到目標節(jié)點,并向其轉(zhuǎn)發(fā)(第5 行).若Interest 到達目標節(jié)點后仍沒有命中,則將Interest 轉(zhuǎn)發(fā)至內(nèi)容源(第3 行).

Table 1 INTEREST routing algorithm表1 INTEREST 路由算法

表2 中,節(jié)點收到Data 數(shù)據(jù)分為兩類:一類是普通的Data,另一類是其他節(jié)點RawCache 中替換出的內(nèi)容重新組裝成的Data.若是普通Data(第14 行),則按照RawCache 上采用的On-path 緩存策略對其進行處理,同時,如果在緩存的過程中發(fā)生了內(nèi)容替換,則節(jié)點將內(nèi)容本身及其所對應的PT 表項封裝為新的Data,轉(zhuǎn)發(fā)至哈希映射所得目標節(jié)點,轉(zhuǎn)發(fā)過程中的途經(jīng)節(jié)點不再對其進行處理(第12 行).當目標節(jié)點收到其他節(jié)點發(fā)送來的Data 時(第2 行),則將其緩存至HashCache 中并按照公式(2)更新PT 表項.HashCache 中替換出的內(nèi)容會被移動至該節(jié)點的RawCache 中,而不會直接丟棄.

Table 2 DA TA routing algorithm表2 DATA 路由算法

3 仿真實驗

為了評估CSTC 的緩存效果與性能,我們基于ccnSim[28]設計實現(xiàn)了緩存仿真實驗,將CSTC 與多種現(xiàn)有緩存方案進行了對比分析實驗,并探究了各緩存因素對緩存性能的影響.本節(jié)將從實驗環(huán)境與配置、對比方案與性能指標、仿真結(jié)果與分析這3 個方面詳細闡述仿真實驗與結(jié)果.

3.1 實驗環(huán)境與配置

考慮到一個請求域的大小,我們選擇了美國愛荷華州的一個真實拓撲結(jié)構(gòu)[29]作為仿真拓撲網(wǎng)絡,該拓撲共有30 個節(jié)點、38 條邊.為了合理模擬真實網(wǎng)絡狀態(tài),當內(nèi)容在域內(nèi)未命中時,我們設置的出域路由的請求跳數(shù)為10 跳.每個節(jié)點都連接有一組用戶,不間斷地連續(xù)模擬發(fā)起內(nèi)容請求,用戶請求服從泊松分布.仿真實驗中共有100 萬個不同的內(nèi)容,我們假設內(nèi)容整體上服從參數(shù)為α的Zipf 分布,也就是說,排名第k的熱門內(nèi)容的請求概率為:

實驗中,緩存默認替換算法采用LRU(least recently used),每次替換掉最近最少使用的內(nèi)容.仿真過程中,首先等待每個節(jié)點的緩存空間被占滿,然后等待每個節(jié)點處于穩(wěn)定狀態(tài)(即節(jié)點收到的請求數(shù)上下波動處于較小范圍)后,開始數(shù)據(jù)收集與統(tǒng)計.仿真實驗中,各項參數(shù)見表3.下文未特別說明實驗參數(shù)的情形下,均采用表3 中默認值.

Table 3 P arameters of experiments表3 實驗參數(shù)

3.2 對比方案與性能指標

仿真實驗中采用的緩存方案包括如下幾種.

?CSTC:即本文提出的基于兩級緩存的緩存機制.實驗中,每個緩存節(jié)點的RawCache 與HashCache 各占一半,RawCache 上采用Prob(0.05)的On-path 策略,設置的命中閾值為1,熱度權重參數(shù)θ為0.6,時間權重參數(shù)ρ為0.9;

?OH:我們實現(xiàn)了文獻[15]中的哈希映射機制,將其應用到仿真實驗中,以代表現(xiàn)有各種基于哈希的緩存策略,我們將這類策略簡稱為OH(only Hash);

?LCE:多數(shù)ICN 默認緩存策略,即節(jié)點無差別的緩存所有內(nèi)容[12];

?Prob(p):每個節(jié)點以固定概率p緩存經(jīng)過的所有內(nèi)容,我們設置的p=0.05;

?ProbCache:一種基于加權概率的緩存策略,距離請求者越近、存儲空間越大的節(jié)點,緩存該內(nèi)容的概率越大;

?BidCache:我們實現(xiàn)了文獻[9]中的BidCache 緩存機制,這是一種近年來較為典型的On-path 協(xié)作式緩存策略,它利用較少的代價進行路徑上節(jié)點的通信,結(jié)合網(wǎng)絡的拓撲實現(xiàn)緩存決策.

本文主要從兩個方面評判緩存方案的優(yōu)劣.

(1)請求命中率

內(nèi)容請求在域內(nèi)總的命中率反映了域內(nèi)整體緩存狀態(tài)(包括緩存多樣性、緩存可用性、緩存冗余度等)的好壞,命中率越高,說明緩存效果越好,帶來的網(wǎng)絡性能提升也越明顯.請求命中率的計算公式如下:

其中,Numhit表示請求在該節(jié)點的命中次數(shù),Numtotal表示請求總數(shù),i表示第i個節(jié)點.

(2)平均傳輸跳數(shù)

平均傳輸跳數(shù)不僅反映了緩存內(nèi)容的好壞,還體現(xiàn)了緩存位置是否合理.當請求命中率較高時,多數(shù)請求在域內(nèi)命中,避免了出域的跳數(shù)代價,跳數(shù)也就越小.同時,緩存內(nèi)容位置越合理,平均傳輸跳數(shù)也就越小,用戶訪問延時越低.其計算公式如下:

其中,hopinterest表示Interest 請求所用跳數(shù),hopdata表示Data 返回所用跳數(shù),Numtotal指總請求數(shù).

3.3 實驗結(jié)果

3.3.1 緩存內(nèi)容分布

前文分析已知:在緩存空間一定的情況下,能夠在本地域內(nèi)緩存的內(nèi)容數(shù)量越多,緩存內(nèi)容的熱度越高,越能高效響應用戶的不同請求.本節(jié)分析了不同緩存策略下緩存內(nèi)容的分布狀態(tài),內(nèi)容總數(shù)為1 000 000.根據(jù)Zipf分布定律,我們將熱度排名為1~1 000 的內(nèi)容用黑色表示,代表最熱門內(nèi)容;排名在1 000~10 000 的內(nèi)容用灰色表示,代表次熱門內(nèi)容;其他內(nèi)容用白色表示,代表非熱門內(nèi)容.圖3 在真實拓撲上繪制了各個節(jié)點在不同緩存方案下緩存內(nèi)容分布狀況.

Fig.3 Distribution of cache圖3 緩存內(nèi)容分布

從圖3(a)可以看出:Prob(0.05)策略下,各節(jié)點缺乏合理協(xié)作機制,最熱門的內(nèi)容在各節(jié)點上形成了大量冗余,緩存空間被最熱門的一小部分內(nèi)容大量占據(jù),次熱門緩存數(shù)量極少,緩存多樣性較差,緩存空間利用率較低.這也印證了前文所述的On-path 所存在的各種問題.圖3(b)展示了OH 策略下各節(jié)點緩存狀態(tài),與Prob(0.05)不同的是:在該策略下,雖然有效避免了緩存冗余,緩存的多樣性得到了極大的提升,但緩存的內(nèi)容大多為非熱門內(nèi)容,緩存內(nèi)容的效用較差.

與前兩種緩存機制相比,CSTC 緩存效果最為理想.如圖3(c)所示,各個節(jié)點對最熱門內(nèi)容產(chǎn)生適度冗余,在次熱門內(nèi)容上緩存種類較多,有效避免了非熱門內(nèi)容對緩存空間的過量占據(jù).這主要是因為RawCache 的內(nèi)容熱度感知保證了HashCache 中緩存內(nèi)容的熱度,通過基于哈希的請求重定向,使得這些次熱門內(nèi)容的請求被匯聚并穩(wěn)定緩存到特定節(jié)點.

3.3.2 緩存大小的影響

緩存大小決定了緩存內(nèi)容的多少,是影響緩存性能的重要因素之一.本節(jié)分析了不同緩存空間大小對緩存性能的影響.我們設置的緩存空間大小變動范圍為500~7000,其他實驗參數(shù)保持不變,觀察請求命中率與平均傳輸跳數(shù)的變化.

從圖4(a)可以看出,請求命中率隨著緩存空間的增大而增大.CSTC 與OH 兩種策略在命中率上要顯著高于另外4 種基于On-path 的緩存策略,這得益于哈希映射機制有效降低了緩存冗余,提高了本地域內(nèi)的緩存多樣性,從而使得更多的用戶請求能在本地域內(nèi)得到響應.從圖中可以發(fā)現(xiàn):CSTC 即使內(nèi)容多樣性不如OH,但命中率卻大于OH.這主要是因為CSTC 基于熱度感知使得緩存下的內(nèi)容熱度較高,能夠在適當?shù)奈恢帽环€(wěn)定緩存;而OH 雖然可能緩存下更多內(nèi)容,但由于沒有熱度感知,使得緩存下的很多是非熱度內(nèi)容,這些內(nèi)容將在緩存中頻繁進出,浪費緩存空間.同時我們發(fā)現(xiàn):當緩存空間較小時,CSTC 的優(yōu)勢更為明顯.這是因為緩存空間變大以后,即使OH 缺乏合理熱度感知機制,也能將大多數(shù)熱門內(nèi)容緩存下來,從而縮小了與CSTC 的命中率差距.另外,ProbCache 與Prob(0.05)兩種緩存策略在命中率上基本一致,都高于LCE,BidCache 的命中率略高于ProbCache.這是由于BideCache 不僅考慮與用戶的距離,還考慮當前節(jié)點的中心度等,只有綜合分數(shù)最高的節(jié)點才能夠緩存內(nèi)容.因此,BidCache 有更合理的內(nèi)容放置策略,緩存的內(nèi)容更多,內(nèi)容命中率更高.當緩存空間越來越大時,ProbCache 緩存的內(nèi)容越來越多,兩種方法緩存的內(nèi)容種類差距變小,命中率也就越來越接近.

圖4(b)展示了不同緩存空間大小對平均傳輸跳數(shù)的影響.從圖中可以看出:當緩存空間較小時,由于Onpath 緩存策略可以將最為熱門的內(nèi)容緩存在網(wǎng)絡邊緣,所以在平均跳數(shù)上優(yōu)勢較為明顯;而OH 因為需要對所有請求重定向到特定節(jié)點,其請求和響應的平均跳數(shù)最大.但隨著緩存空間的增大,CSTC 與OH 在跳數(shù)上的下降較為明顯,而另外4 種On-path 策略對緩存空間大小的變化并不敏感.這是因為當緩存空間增大時,CSTC 與OH 可以緩存下來更多不同的內(nèi)容,從而大幅減少轉(zhuǎn)發(fā)至域外的請求數(shù)量,多數(shù)請求在域內(nèi)命中,總的平均跳數(shù)也隨之下降.

Fig.4 Impact of cache size圖4 緩存大小的影響

3.3.3 內(nèi)容熱度的影響

已有研究表明,網(wǎng)絡中內(nèi)容熱度分布服從Zipf 分布.本節(jié)探究了Zipf 分布參數(shù)α對緩存性能的影響.從圖5(a)中我們可以看出:隨著參數(shù)α值的增大,內(nèi)容的熱度收斂更加明顯,更多的請求集中在少數(shù)的熱門內(nèi)容上,導致請求的整體命中率提高.這是因為各節(jié)點只需將較為熱門的少許內(nèi)容進行存儲,便能達到較高的命中率.從圖中可以看出:CSTC 的命中率要高于OH,但隨著參數(shù)α的增大,二者的命中率逐漸趨于相同.這是由于參數(shù)α較小時,內(nèi)容熱度較不明顯,OH 雖然緩存的內(nèi)容多樣性更豐富,但由于較差的熱度感知能力,多數(shù)都為請求率較低的非熱門內(nèi)容.圖5(b)展示了不同參數(shù)α下,各緩存機制的平均傳輸跳數(shù).CSTC 的平均傳輸跳數(shù)不僅優(yōu)于簡單哈希機制,在多數(shù)情形下也優(yōu)于各種On-path 緩存機制.這是因為雖然On-path 緩存機制極大地減少了命中內(nèi)容的往返跳數(shù),但由于存在著大量的冗余,其緩存內(nèi)容的多樣性較差,命中率也較低.當內(nèi)容在域內(nèi)沒有命中時,就要將請求轉(zhuǎn)發(fā)至域外,導致跳數(shù)的大幅增加.

Fig.5 Impact of content popularity圖5 內(nèi)容熱度的影響

3.3.4 兩級緩存比例的影響

本節(jié)分析了CSTC 中RawCache 和HashCache 兩級緩存比例對緩存性能的影響.通過大量實驗我們發(fā)現(xiàn):兩級緩存比例對網(wǎng)絡性能的影響在不同條件下是不一致的,應該結(jié)合內(nèi)容熱度分布參數(shù)α和緩存大小綜合考慮.而內(nèi)容熱度分布參數(shù)α對其影響最為突出,下文以α為代表,分析其影響.

圖6(a)描述了兩級緩存比例對CSTC 命中率的影響,橫坐標代表RawCache 所占比例的變化,縱坐標表示請求命中率.圖中不同曲線反映了不同α下,兩級緩存比例對請求命中率的影響.從圖中可以看出:隨著RawCache比例的提高,緩存的命中率在逐漸降低.同時我們發(fā)現(xiàn):當α越小,其下降也越明顯.當RawCache 比例提高,也就是HashCache 比例下降時,域內(nèi)穩(wěn)定緩存的次熱度內(nèi)容數(shù)量減少,即緩存內(nèi)容多樣性隨之下降,從而導致了命中率的降低.α越小,緩存內(nèi)容熱度分布越不集中,RawCache 基于本地熱度感知所能穩(wěn)定緩存下的熱度內(nèi)容減少,因此命中率會有所下降.從圖中可以發(fā)現(xiàn):當RawCache 比例提高到100%,即退化為僅基于本地熱度感知的一級緩存策略時,命中率下降最為明顯.這也說明了兩級緩存的設計是緩存性能提升的優(yōu)勢所在.

圖6(b)與圖6(c)展示了兩級緩存比例對用戶請求響應平均傳輸跳數(shù)的影響.從圖6(b)我們發(fā)現(xiàn):當α較小時,隨著RawCache 比例的提高,平均傳輸跳數(shù)在逐漸升高.而圖6(c)顯示:當α較大時,隨著RawCache 比例的提高,平均傳輸跳數(shù)會先降低再上升.我們分析了其中的原因:當RawCache 比例提高時,一方面,RawCache 可以通過On-path 方式緩存更多的內(nèi)容,On-path 較小的傳輸跳數(shù)會減小CSTC 的平均傳輸跳數(shù);另一方面,因HashCache比例的下降,會導致許多原本在域內(nèi)就可以命中的內(nèi)容,現(xiàn)在需要將其轉(zhuǎn)發(fā)至域外,這增加了基于二級緩存的緩存方式的平均傳輸跳數(shù).所以當α較小時,On-path 緩存機制本身命中率較低,其對CSTC 跳數(shù)的降低不足以彌補由于HashCache 下降所帶來的跳數(shù)下降,從而展現(xiàn)出整體平均傳輸跳數(shù)的增加;而當α較大時,On-path 緩存機制的命中率較高,當其比例提升時,會較大幅度的降低往返跳數(shù),所以CSTC 的平均傳輸跳數(shù)開始呈現(xiàn)出下降的趨勢.但隨著RawCache 的比例不斷增大,其帶來的跳數(shù)下降也越來越微弱,而HashCache 比例的下降導致的跳數(shù)增加開始顯現(xiàn),所以CSTC 的平均傳輸跳數(shù)開始呈現(xiàn)上升趨勢.

Fig.6 Impact of two-level cache ratio圖6 兩級緩存比例的影響

通過這一小節(jié)的分析,我們發(fā)現(xiàn)兩級緩存比例對請求命中率與平均傳輸跳數(shù)的影響在不同條件下是不一致的,它取決于On-path 緩存方式的命中率的高低.而影響On-path 緩存方式的命中率又受內(nèi)容熱度分布參數(shù)α和緩存大小等其他因素影響,所以我們認為:在考慮兩級緩存比例對網(wǎng)絡性能的影響前,要先明確其他影響因素,不能一概而論.

4 結(jié)論

本文針對現(xiàn)有方案存在的緩存內(nèi)容效用較差、緩存位置不合理的問題,提出了一種基于兩級緩存的緩存機制(CSTC).該方案通過引入兩級緩存,既保證了緩存的多樣性,又合理規(guī)劃了熱門內(nèi)容的緩存位置.仿真實驗表明:CSTC 將次熱門內(nèi)容緩存數(shù)量提升了2 倍;緩存內(nèi)容數(shù)量的增加及緩存位置的優(yōu)化,使得命中率相比原有方案有大幅提升,即使與以高命中率為優(yōu)勢的哈希緩存策略相比,在緩存空間有限的情況下,CSTC 最高可將命中率提升45.4%;同時,CSTC 有效降低了用戶請求的響應時間,多數(shù)情況下,平均請求響應往返跳數(shù)優(yōu)于現(xiàn)有主要的5 種緩存策略.內(nèi)容熱度的統(tǒng)計方法是影響CSTC 的關鍵因素之一,下一步工作將充分考慮內(nèi)容請求熱度的地域與時域性分布特征,考慮真實網(wǎng)絡中內(nèi)容熱度隨時間的動態(tài)變化,進一步研究內(nèi)容熱度的動態(tài)感知方法,以優(yōu)化CSTC 的緩存性能.