Optimal Content Prefetching in NDN Vehicle-to-INfrastructure Scenario

1、介紹了NDN的背景:(還需進一步的理解和補充。)

1)型型、節(jié)點

每個節(jié)點有三個數(shù)據(jù)集: the Content Store(CS), the Pending Table(PIT)鸿脓,the Forwarding Information Base(FIB).

cs:存儲數(shù)據(jù),存儲哪些數(shù)據(jù)由CS的存儲策略決定

PIT:stores the name prefixes that correspond to the INTEREST that the node could not satisfy and that it has sent to some other nodes; moreover, the node keeps track of the requesting nodes asking for the content?to send downstream the returned data

FIB:FIB registers the prefixes and the corresponding list of neighbors to forward INTEREST packets

2)妹懒、數(shù)據(jù)

發(fā)送的請求包含一個INTEREST 包雀监,其中包含數(shù)據(jù)名,selector and a Nonce; 響應(yīng)是DATA包眨唬;

3)会前、通信

節(jié)點向FIB列表中的鄰居節(jié)點發(fā)送INTEREST,當(dāng)任意一個鄰居節(jié)點收到請求匾竿,若cs含有請求數(shù)據(jù)瓦宜,則發(fā)送數(shù)據(jù)并丟棄INTEREST請求,否則岭妖,更新PIT临庇,將請求節(jié)點加入列表中反璃。如果FIB中的鄰居節(jié)點包含請求數(shù)據(jù),則將INTEREST 轉(zhuǎn)發(fā)給鄰居節(jié)點假夺。

2淮蜈、車輛移動軌跡選擇概率遵循Zipf分布:? ? ? ?http://www.cnblogs.com/peon/articles/6146230.html


在單詞頻率分布中,arfa在不同文本侄泽,值不同礁芦。P(r)為排名為r的單詞的出現(xiàn)頻率。

通過統(tǒng)計訪問排名和訪問頻率計算arfa和C悼尾。

3柿扣、formulate the optimal problem and use the simulation results to prove the influences of factors.

max 下載率(數(shù)據(jù)流行性+節(jié)點介入AS的概率決定)

在保證下載率不小于某一值后,min 緩存文件j的邊緣設(shè)備數(shù)

4闺魏、存儲設(shè)備的拓?fù)浣Y(jié)構(gòu)


circle
mesh topology

5未状、指出數(shù)據(jù)流行行的穩(wěn)定性

6、數(shù)據(jù)下載過程

vehicle----->AP(若無則)---------->NDN node(還沒有則)---------------->producer

7析桥、NND司草,實在看不下去。pause

喜大普噴啊泡仗,數(shù)理統(tǒng)計過了B窈纭!

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末娩怎,一起剝皮案震驚了整個濱河市搔课,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌截亦,老刑警劉巖爬泥,帶你破解...
    沈念sama閱讀 222,807評論 6 518
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異崩瓤,居然都是意外死亡袍啡,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,284評論 3 399
  • 文/潘曉璐 我一進店門却桶,熙熙樓的掌柜王于貴愁眉苦臉地迎上來境输,“玉大人,你說我怎么就攤上這事肾扰〕胨唬” “怎么了?”我有些...
    開封第一講書人閱讀 169,589評論 0 363
  • 文/不壞的土叔 我叫張陵集晚,是天一觀的道長。 經(jīng)常有香客問我区匣,道長偷拔,這世上最難降的妖魔是什么蒋院? 我笑而不...
    開封第一講書人閱讀 60,188評論 1 300
  • 正文 為了忘掉前任,我火速辦了婚禮莲绰,結(jié)果婚禮上欺旧,老公的妹妹穿的比我還像新娘。我一直安慰自己蛤签,他們只是感情好辞友,可當(dāng)我...
    茶點故事閱讀 69,185評論 6 398
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著震肮,像睡著了一般称龙。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上戳晌,一...
    開封第一講書人閱讀 52,785評論 1 314
  • 那天鲫尊,我揣著相機與錄音,去河邊找鬼沦偎。 笑死疫向,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的豪嚎。 我是一名探鬼主播搔驼,決...
    沈念sama閱讀 41,220評論 3 423
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼侈询!你這毒婦竟也來了舌涨?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 40,167評論 0 277
  • 序言:老撾萬榮一對情侶失蹤妄荔,失蹤者是張志新(化名)和其女友劉穎泼菌,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體啦租,經(jīng)...
    沈念sama閱讀 46,698評論 1 320
  • 正文 獨居荒郊野嶺守林人離奇死亡哗伯,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,767評論 3 343
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了篷角。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片焊刹。...
    茶點故事閱讀 40,912評論 1 353
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖恳蹲,靈堂內(nèi)的尸體忽然破棺而出虐块,到底是詐尸還是另有隱情,我是刑警寧澤嘉蕾,帶...
    沈念sama閱讀 36,572評論 5 351
  • 正文 年R本政府宣布贺奠,位于F島的核電站,受9級特大地震影響错忱,放射性物質(zhì)發(fā)生泄漏儡率。R本人自食惡果不足惜挂据,卻給世界環(huán)境...
    茶點故事閱讀 42,254評論 3 336
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望儿普。 院中可真熱鬧崎逃,春花似錦、人聲如沸眉孩。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,746評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽浪汪。三九已至巴柿,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間吟宦,已是汗流浹背篮洁。 一陣腳步聲響...
    開封第一講書人閱讀 33,859評論 1 274
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留殃姓,地道東北人袁波。 一個月前我還...
    沈念sama閱讀 49,359評論 3 379
  • 正文 我出身青樓,卻偏偏與公主長得像蜗侈,于是被迫代替她去往敵國和親篷牌。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 45,922評論 2 361

推薦閱讀更多精彩內(nèi)容