Uma Política de Inserção de Conteúdo baseada na Correlação entre Medidas de Centralidade para Redes Centradas em Conteúdo

• Igor Carvalho UFPA
• Antônio Jorge Gomes Abelém UFPA

DOI: https://doi.org/10.5753/sbrc.2018.2445

Resumo

O cache em rede é uma importante característica de Redes Centrada em Conteúdo (RCCs). A escolha dos nodos que armazenarão o conteúdo é um grande desafio e uma boa maneira de fazer isso é através de medidas de centralidade de rede, que descrevem a importância de um nodo, dada uma característica. Entretanto, o grande número de medidas torna a escolha dos nodos ainda mais desafiadora, pois é incerto se uma medida escolhida resultará num alto desempenho em diferentes cenários, dada a sua forte dependência da estrutura topológica. Por conta disso, uma boa alternativa seria considerar a correlação entre elas para selecioná-los. Neste trabalho, propõe-se uma política de inserção de conteúdo baseada na correlação entre medidas de centralidade para selecionaráquelas forte ou mais fortemente correlacionadas para armazenar o conteúdo nos seus nodos correspondentes. Por meio de simulação e utilizando uma boa variedade de topologias nos testes, nossa proposta superou o desempenho das políticas de inserção em termos de taxa de acertos de conteúdo e tempo médio de download.

Referências

Bell, D. C., Atkinson, J. S., and Carlson, J. W. (1999). Centrality measures for disease transmission networks. Social networks, 21(1):1–21.

Borgatti, S. P. (2005). Centrality and network ow. Social networks, 27(1):55–71.

Brandes, U. (2001). A faster algorithm for betweenness centrality. Journal of mathematical sociology, 25(2):163–177.

Chai, W. K., He, D., Psaras, I., and Pavlou, G. (2012). Cache “less for more” in information-centric networks. In NETWORKING 2012, pages 27–40. Springer.

Chapela, V., Criado, R., Moral, S., and Romance, M. (2015). Mathematical foundations: Complex networks and graphs (a review). In Intentional Risk Management through Complex Networks Analysis, pages 9–36. Springer.

Foster, K. C., Muth, S. Q., Potterat, J. J., and Rothenberg, R. B. (2001). A faster katz status score algorithm. Computational & Mathematical Organization Theory, 7(4):275–285.

Fricker, C., Robert, P., Roberts, J., and Sbihi, N. (2012). Impact of trafc mix on caching performance in a content-centric network. In Computer Communications Workshops (INFOCOM WKSHPS), 2012 IEEE Conference on, pages 310–315. IEEE.

Grando, F., Noble, D., and Lamb, L. C. (2016). An analysis of centrality measures for complex and social networks. In Global Communications Conference (GLOBECOM), 2016 IEEE, pages 1–6. IEEE.

Guan, J., Quan, W., Xu, C., and Zhang, H. (2012). The location selection for ccn router based on the network centrality. In Cloud Computing and Intelligent Systems (CCIS), 2012 IEEE 2nd International Conference on, volume 2, pages 568–582. IEEE.

Kutscher, D., Eum, S., Pentikousis, K., Psaras, I., Corujo, D., Saucez, D., Schmidt, T., and Waehlisch, M. (2014). Icn research challenges. Work in progress.

Laoutaris, N., Che, H., and Stavrakakis, I. (2006). The lcd interconnection of lru caches and its analysis. Performance Evaluation, 63(7):609–634.

Page, L., Brin, S., Motwani, R., and Winograd, T. (1999). The pagerank citation ranking: Bringing order to the web. Technical report, Stanford InfoLab.

Rossi, D. and Rossini, G. (2012). On sizing ccn content stores by exploiting topological information. In Computer Communications Workshops (INFOCOM WKSHPS), 2012 IEEE Conference on, pages 280–285. IEEE.

Saino, L., Psaras, I., and Pavlou, G. (2014). Icarus: a caching simulator for information centric networking (icn). In Proceedings of the 7th International ICST Conference on Simulation Tools and Techniques, SIMUTOOLS ’14, ICST, Brussels, Belgium, Belgium. ICST.

Statstutor (2017). Pearson’s correlation.

Sun, Y., Fayaz, S. K., Guo, Y., Sekar, V., Jin, Y., Kaafar, M. A., and Uhlig, S. (2014). Trace-driven analysis of icn caching algorithms on video-on-demand workloads. In Proceedings of the 10th ACM International on Conference on emerging Networking Experiments and Technologies, pages 363–376. ACM.

You, K., Tempo, R., and Qiu, L. (2017). Distributed algorithms for computation of centrality measures in complex networks. IEEE Transactions on Automatic Control, 62(5):2080–2094.

Yufei, C., Min, Z., and Muqing, W. (2016). A centralized control caching strategy based on popularity and betweenness centrality in ccn. In Wireless Communication Systems (ISWCS), 2016 International Symposium on, pages 286–291. IEEE.