面向5G的ICN与边缘结合：在基于ICN的边缘计算中利用5G网络中的网络内缓存

摘要

近年来，边缘计算和信息中心网络（ICN）作为将内容分发更贴近终端用户的新兴技术被引入。前者通过利用数据的本地性来提升多种应用的性能，并通过应对因数据量增加而导致的带宽需求增长来缓解核心网络的压力；后者使内容在网络中可直接寻址和路由。在无线接入网（RAN）中结合ICN与边缘计算，可通过缩短用户与服务之间的距离来提高内容分发效率和通信性能。基于此观点，本文提出一种适用于第五代移动通信技术边缘计算环境的具备ICN能力的RAN架构，该架构在基站层面支持设备到设备通信和ICN应用层功能。此外，ICN与边缘缓存仅对静态内容有效——动态内容请求仍需经过核心网络，从而增加了5G网络中的延迟。为解决这一问题，我们提出一种基于ICN命名的内容预取策略。实验结果表明，与传统边缘系统及先前针对5G的ICN研究相比，我们所提出的方案能够实现更高的缓存命中率并降低延迟。

关键词

第五代移动通信技术，无线接入网络，移动边缘缓存，信息中心网络，设备到设备通信，内容流行度，回传流量减少，未来网络。

1. 引言

互联网最初的设计目的是实现端到端主机之间的通信和资源共享。随着时间的推移，随着宽带和移动设备等技术的进步，互联网的应用范围发生了变化。如今，每天都有一大量内容通过Twitter、YouTube、Facebook、Flicker和Google等平台进行搜索和上传。这些内容正呈指数级增长，多媒体内容预计将在不久的将来占据大部分互联网流量。根据《全球移动数据流量预测更新 2016‐2021》，2016年全球移动数据流量增长了63%，预计到 2021[1]将达到49艾字节。根据爱立信移动报告[2],，已有数百万辆汽车通过第四代（4G）蜂窝接入连接到网络，而物联网（IoT）的蜂窝连接预计到 2024[3],[4]将显著增长。因此，已部署了多种技术用于内容分发，例如内容分发网络（CDNs）和对等（P2P）网络。边缘计算（EC）也被提出作为一种新兴范式，用于在网络边缘部署资源，引起了广泛关注；

特别是，边缘计算将计算、带宽和存储资源移至更靠近终端用户的位置，以减少骨干网络流量和响应延迟。随着边缘计算的发展，学术界最近推进了以信息为中心的网络（ICN）这一新兴范式。已提出多种ICN架构，它们在内容命名和基于拉取的通信方面共享共同的理念和原则 [5],[6]。通常，内容被分配一个名称，并且可以在无需知晓其所在位置的情况下进行检索（与传统的主机导向系统不同）。此外，ICN强调内容安全、消费者移动性和多宿主，而非仅仅保障通信通道的安全性。

信息中心网络（ICN）可以推动边缘计算（EC）愿景的实现，因为它将通信能力赋予了终端用户[7],[8],[9],[10]。在边缘计算出现之前，所有用户的内容请求都必须经过核心网络，从云/服务提供商处获取内容，这由于核心网络和广域网（WAN）的延迟而导致较高的延迟[11],[12]。为缓解这一问题，提出了内容分发网络（CDNs）的概念，通过在全球部署多个边缘服务器，将内容更贴近用户。边缘可以位于终端用户的任何附近位置（例如，基站（BS）、咖啡馆、购物中心）。此外，ICN天生支持客户端移动性、多宿主和内容安全性，且由于其基于名称的转发和路由机制，适用于第五代（5G）网络，可利用该机制在网络层直接实现内容感知。

现有的基于IP的无线接入网（RAN）层面缓存不具备上下文感知能力，导致在第五代移动通信技术网络中可扩展性有限 [13]。信息中心网络提供了网络内缓存，能够降低整体内容检索延迟。为此，研究人员最近提出了在第五代移动通信技术网络中结合边缘计算使用信息中心网络[14],[15]。然而，目前信息中心网络仅在基站与核心网络之间启用，部分目的是为了减少移动用户在不同基站之间切换时的用户切换延迟。

我们认为，信息中心网络还应在设备层面和基站在[16],[17],启用，以便设备首先在其附近（即从附近的设备）请求内容，若在设备附近无法获取内容，则再将请求发送至基站。

此外，信息中心网络（ICN）和边缘缓存面临动态内容的挑战，将内容缓存在边缘服务器上并不适合动态内容，因为动态内容通常需要通过核心网络从源服务器传输。这种方法适用于静态内容（即不随时间变化的内容），例如文件或图像[18],[19],，但对搜索结果或实时内容检索（例如体育比分）则无效。为了有效利用信息中心网络（ICN）和边缘计算（EC）等新兴技术，必须考虑内容的性质。

我们论文的主要贡献如下： 1. 为了利用信息中心网络（ICN）在设备层面的缓存能力以支持设备到设备（D2D）通信，我们提出了一种基于ICN边缘的5G网络架构。 2. 为了解决动态内容的问题，我们提出了一种基于名称的内容预取策略，用于从源服务器提前获取最新的动态内容。 3. 我们在.NET框架中实现了ICN功能及核心数据结构，如内容存储（ CS）、待定兴趣表（PIT）和转发信息库（FIB）。 4. 我们提出了基于.NET的Web应用程序编程接口（ API）以支持RESTful Web服务，使移动设备能够与边缘侧的基站（BSs）进行通信。 5. 通过大量仿真（使用 ndnSIM仿真器[20]以及我们开发的ICN边缘测试平台），我们给出了评估结果，并建立了缓存命中率与平均内容检索延迟之间的关联关系。

论文的其余部分组织如下。第2节描述了边缘计算、信息中心网络的研究背景以及相关工作，介绍了信息中心网络与边缘计算结合在第五代移动通信技术中的优势，并阐述了我们的问题场景。第3节提出了我们的方案。在第4节中，我们讨论了在测试平台和仿真环境中的性能评估。第5节指出了信息中心网络与边缘计算结合在5G网络中面临的开放性问题、挑战以及未来研究方向。最后，第6节对论文进行了总结。

2. 背景与相关工作

我们提出的方案由用于第五代移动通信技术网络的ICN与边缘计算组成。因此，在讨论我们提出的架构之前，有必要详细阐述基于边缘计算的传统内容交付，然后介绍ICN在第五代移动通信技术中对边缘计算的作用。

2.1. 边缘计算

云计算旨在集中计算、存储和网络管理。此类云被称为云数据中心、骨干IP网络和蜂窝核心网络[21]。然而，由于智能手机、笔记本电脑和平板电脑等技术的发展，对服务和应用的需求不断增加。尽管当今的移动设备资源强大，但仍可能无法满足增强现实（AR）和虚拟现实（ VR）等某些应用的要求[22]。为了延长电池寿命并支持高处理需求的应用，提出了移动云计算（MCC）的概念 [23]。在移动云计算中，用户可以通过移动运营商的核心网络和互联网将任务卸载到云数据中心。

由于物联网的出现，大量互联的物联网设备产生了海量数据。此外，一些应用可能需要实时处理，例如无人机飞行控制应用、增强现实/虚拟现实（AR/VR）和在线游戏，这些应用对延迟的要求低于几十毫秒。为了应对这些挑战，提出了边缘计算的概念，即将云服务推向更靠近终端用户的位置。2009年，“云朵”一词被首次提出，作为边缘计算范式的一种初步实现[24],，将计算和存储资源部署在终端用户附近。2012年，思科首次提出雾计算 [25]，通过在移动终端用户附近提供服务、应用和内容存储能力来支持该模式。在雾计算范式中，数据处理在本地进行，而不是发送到云服务器。雾计算支持任务卸载、缓存、位置感知和移动性信息，在对延迟敏感的应用中具有诸多优势。

从移动用户的角度来看，所有边缘计算（EC）方案都存在服务质量（QoS）和用户体验质量（QoE）方面的缺点。其中一个主要原因是移动网络未支持计算功能。为此，欧洲电信标准协会（ETSI）[26]在移动网络架构中引入了边缘计算，并将其命名为“移动边缘计算（MEC）”。MEC的主要目的是实现云计算功能与移动网络的高效、无缝集成。最初它仅针对移动网络，而现在固定和移动网络均在使用MEC。因此，MEC这一缩写不再指代“移动边缘计算（MEC）”，而是代表“多接入边缘计算”[27]。在文献中，诸如边缘（Edge）、雾（Fog）、MEC、云朵（Cloudlet）和MCC等术语常常混淆。这些概念均属于边缘计算（EC）的范畴。然而，每种方案在不同方面的具体实现规范有所不同。为了更好地理解这些术语以及各种边缘计算方案之间的差异，建议感兴趣的读者参考 [28],[29]。

2.2. 多接入边缘计算

在本节中，我们介绍MEC的传统数据传输方法（图1）。该架构包括移动用户、安装有边缘服务器的基站（MEC服务器）以及

MEC服务器通常是服务提供商（例如电信运营商）部署的微型云。这些服务器通过互联网与数据中心相连，而移动设备和MEC服务器则通过无线链路连接[30]。当用户需要某些数据时，会向MEC服务器发送请求。首次请求时，如果MEC服务器中未找到该数据，则请求将通过核心网络转发至云。服务提供商响应内容并将数据返回给MEC服务器。MEC服务器存储该内容，此后每当收到对该相同内容的请求时，服务器将直接提供内容，而无需再从服务提供商获取。

MEC服务器与移动用户直接通信的想法带来了显著的延迟降低。在存在移动性的情况下，这可能导致切换延迟，因为从一个基站移动到另一个基站的用户需要建立新的会话以进行内容检索。为解决此问题，研究人员在MEC中引入了信息中心网络（ICN），利用ICN的特性（如网络内缓存和基于名称的路由）来促进内容分发和用户移动性。

2.3. 以信息为中心的网络

ICN [5],[6]是一种新兴范式，其中为数据/内容分配名称，并且可以在无需知晓内容提供者物理位置的情况下检索该数据/内容，这与基于IP的网络不同。在文献中，已有多种架构在ICN范式下被提出，例如 MobilityFirst、信息网络（NetInf）、面向数据的网络架构（DONA）、发布订阅互联网技术（PURSUIT）、面向内容感知网络的内容中介架构（COMET）和 CONVERGENCE[31]。命名数据网络（NDN）[32]被认为是在所有ICN架构中应用最广泛的架构，因其在社区中的积极开发和广泛参与。NDN采用基于拉取的通信模型，通信过程中使用两种类型的数据包：兴趣包和数据。消费者发送包含所请求内容名称的兴趣数据包。当服务提供商或任意节点接收到兴趣数据包后，可回复相应的内容，且路径上的所有节点均可根据缓存策略对内容进行缓存。

NDN架构是内容中心网络（CCN）[33]的扩展，并遵循相同的兴趣包和数据交换的通信模型。然而，NDN在架构方面进行了轻微修改。通常，在纯ICN通信模型中，当任何节点接收到内容时，首先执行的操作是CS检查。但在最新的NDN通信模型及实现中，首先检查PIT，然后再检查 CS。文献指出，CS的规模远大于PIT，因此为了最小化查找延迟，NDN优先检查PIT[34]。NDN兴趣包和数据包交换的详细转发过程如图2所示，并讨论如下：

当消费者需要某些内容时，会发送一个兴趣包。任何节点在接收到兴趣包后，首先执行PIT操作。如果在PIT中找到对应内容的条目，则丢弃该兴趣包。否则检查内容存储（ CS）中数据的可用性；如果找到匹配的内容，节点将数据返回给消费者。否则，创建一个新的PIT条目，并通过转发信息库（FIB）中存储的接口将兴趣包向上游转发。一旦兴趣包到达数据生产者，生产者将回传一个数据包，该数据包根据每个路由器上已创建的状态（PIT条目）被转发回请求的消费者。在本文中，我们采用NDN通信模型，并可互换使用 ICN和NDN术语。

2.4. 面向第五代移动通信技术的边缘计算与信息中心网络

尽管传统的多接入边缘计算架构通过边缘计算将内容更接近用户，但仍存在一些挑战，且由于核心网络的额外开支，该方法无法降低延迟——如果边缘服务器上未找到数据，边缘服务器将通过核心网络向服务提供商/云转发请求。在这方面，针对5g‐icn的研究还非常有限。

He Liet al. [14]在基站和核心网络之间使用支持 ICN的转发设备来缓存内容。因此，如果在到达核心网络之前，支持ICN的转发设备上发生缓存命中，则无需访问核心网络。边缘服务器在收到来自终端用户设备的请求后，会通过ICN协议向部署在基站与核心网络之间的支持 ICN的转发设备发送内容请求，因为转发路径上的支持 ICN的转发设备可能已缓存所需内容。如果所需内容未在无线接入网中的ICN节点上缓存，边缘服务器仍需从核心网络下载内容。

张志等[15]还在基站与核心网络之间使用了支持 ICN的转发设备（图3）。作者提出了一种考虑用户移动性和内容流行度的ICN缓存方法，并证明如果在支持I CN的转发设备上缓存热门视频，移动用户在发生切换时可以直接从这些设备获取内容。该方法显著提高了用户体验质量，同时减少了切换延迟。

R. 拉文德兰等 [35]提出了一种5G‐ICN架构，并将其结果与基于第三代合作伙伴计划的移动架构进行了比较。5G‐ICN旨在提供出行即服务（MaaS）。为了最小化缓存冗余，文献[36]中提出了协同ICN缓存。缓存决策基于流行度

以概率方式对内容进行处理。然而，他们并未提出一种减少核心网络延迟的方案，而核心网络延迟是主要问题 第五代移动通信技术网络中的问题。对于动态内容，请求必须经过核心网络，从而带来额外的延迟

C. Liang et al 提出了一种面向第五代移动通信技术的以信息为中心的虚拟化架构[37]。将缓存和资源分配建模为一个联合优化问题，以最小化内容访问延迟。然而，该方法未启用设备到设备通信。具体而言，在第五代移动通信技术中，可以实现ICN‐D2D场景，其中移动用户能够共享其资源（例如存储和带宽资源），以实现高效的数据分发。在这方面， Grassiet al 在车载自组织网络中利用了信息中心网络，并启用了设备到设备通信[38]。与在存储、能量和其他资源方面能力较强的车辆不同，移动设备通常资源受限，可能无法执行复杂任务。因此，还应考虑边缘缓存，以平衡移动设备上的负载。

M. Sheng et al.[39]提出在移动设备和基站处进行缓存，并支持多跳设备到设备通信。然而，也可以通过在基站与核心网络之间部署支持信息中心网络的设备来实现缓存，从而进一步限制对核心网络的访问。此外，内容的性质至关重要，在5G架构中不同位置缓存内容时应予以考虑。

在本研究中，我们不仅在设备级别为设备到设备通信启用了信息中心网络，还在基站处实现了信息中心网络。我们还提供了内容预取方案，以应对第五代移动通信技术网络中的动态内容问题。现有工作与本研究工作的比较见表1。

下文我们将阐明在5G网络中使用信息中心网络（ICN）的情况，以及ICN为5G网络带来的潜在优势。

2.5. ICN如何助力5G？

信息中心网络范式有望提供现有第五代移动通信技术无线研究尚未解决的所需功能。信息中心网络具备许多非常适合5G网络的特性，例如对消费者移动性的支持、基于名称的转发、多宿主、内容安全和缓存。接下来我们重点介绍信息中心网络与5G系统的一些主要匹配特性 [410.] 。命名与上下文通信： ICN通过分层命名方案对内容和称为命名功能网络（NFN）的功能进行命名[41]。内容名称独立于生成它们的主机。借助内容命名，任何I CN节点都可以在网络层通过语义上有意义的名称识别内容类型和服务。此外，消费者移动性是ICN原生支持的特性，这有利于用户从一个基站切换到另一个基站时的切换过程。

2. 多宿主支持： ICN原生支持多宿主。这意味着ICN节点可以拥有多个接口，并可根据数据包中嵌入的信息选择最合适的接口。也可同时使用多个接口以增加可用带宽。由于5G网络中存在异构网络，需要支持多个接口，因此多宿主支持在5G网络中具有重要意义。

3. 网络内缓存：由于网络内缓存，信息中心网络中的节点可以根据缓存策略将内容缓存在更靠近用户的位置。例如，内容可以缓存在设备本身、基站或无线接入网的转发设备上，这将减少核心网络的流量，同时降低内容检索延迟。

4. 内容安全： 信息中心网络在网络层通过签名实现内容安全性，而不是保护通信信道 [42]。在现有的长期演进技术（LTE）系统中，移动用户需要经过认证，而认证阶段会引入额外的延迟。另一方面，信息中心网络的内置内容安全功能对于第五代移动通信技术网络至关重要，可确保内容的安全性而非信道的安全性。然而，该领域仍存在许多有待探索的挑战 [43]。

2.6. 问题场景及示例用例：ESPN

作为一个相关用例场景，我们选择了娱乐与体育节目网络（ESPN）[44]。在直播比赛中，球队的实时比分会从源服务器动态更新——所有对比分的请求都会被转发到这些服务器。在本文的研究背景下，我们考虑了三种比赛的实时比分场景：足球、板球和棒球。需要注意的是，类似的挑战也存在于智慧校园场景中，物联网设备连接到云以发送和获取相关内容，或出现在超密集体育场网络[45]的情况下。在传统MEC系统中，当用户请求比分时，每次请求都需要经过边缘服务器和核心网络到达源服务器，导致高延迟和开销，因为全球可能有数百万用户请求相同的实时比分。此外，移动用户可能会请求可以从MEC服务器获取的静态内容；在这种情况下，每个移动用户的每次请求都必须发送到基站。通过设备缓存能力，此类静态内容可以从附近的设备获取。最后，可以通过预取动态内容来限制每次请求对核心网络的访问。

3. 提出的由信息中心网络‐边缘支持的第五代移动通信技术架构

为清晰起见，我们首先对所提出的架构进行概述，然后再详细描述。图4展示了所提出架构的消息序列示例，包含两个主要元素：基于名称的设备到设备通信以及一种针对动态内容的基于名称的预取机制。为了在未来的 5G网络中实现信息中心网络（ICN）和边缘计算（EC），并减少对核心网络的访问需求，我们首先在设备层面本地启用了 ICN，使设备之间能够相互通信。其次，我们在基站的应用层启用了ICN，并实现了主要的ICN数据结构，包括待定兴趣表（ PIT）、内容存储（CS）和转发信息库（FIB）。我们还开发了一种分层的基于名称的内容预取策略，以应对5G网络中的动态内容。

如图4所示，寻求内容的移动用户会向附近的移动设备发送一个兴趣数据包。在接收到该数据包后，设备会查询其内存缓存以查找所请求的内容。如果找到内容，则将其发送回用户。如果在任何本地移动设备的缓存内存中均未找到内容，则该请求将被转发至基站。针对基于ICN的边缘系统，我们在基站提供了应用层实现。当基站接收到请求时，会搜索其内容存储（CS）中的内容。如果找到内容，则将其发送回移动用户；否则，基站会将此兴趣数据包转发至部署在基站与核心网络之间的支持ICN的路由器。在接收到兴趣数据包后，路由器会检查其缓存内存中是否存在对应的兴趣名称。如果找到内容，则将其发送回基站。系统会检查所有相邻的支持信息中心网络的路由器以查找内容；如果仍未找到，则通过核心网络将请求发送至提供商/云。这种方法减少了内容检索延迟，并通过降低对核心网络的访问需求提升了移动用户的用户体验质量。

如前所述，动态内容会随时间发生变化，对这类内容的请求必须通过核心网络到达源服务器。因此，所提出的架构还在基站（BS）以及连接到核心网络的支持信息中心网络的路由器（即无线接入网内容路由器（RCR））上实现了基于名称的内容预取策略。基站通过跟踪移动用户发出的请求数量来确定内容的流行度，并维持一个特定的流行度阈值。一旦某项内容的请求数量超过该阈值，就会向云发送预取请求，以提前下载最新内容（如图4中BS之后所示）。由于内容从源服务器预取后被缓存在基站，因此可直接提供给移动用户，而无需将请求转发至源服务器。

此外，在5G网络中，可能存在多个基站，每个基站根据其本地区域的兴趣具有不同的趋势。由于所有基站的流量都通过支持ICN的路由器和核心网络传输到源服务器，我们还在RCR处（直接连接到核心网络）在进入核心网络之前启用了一种内容预取策略。RCR还跟踪来自所有基站的请求并检查内容流行度。然而，RCR处的阈值高于基站处的阈值，因为RCR接收来自多个基站的请求。一旦特定内容的请求超过RCR的流行度阈值，预取请求将被发送到云以提前下载该内容（如图4中核心网络前所示）。通过这种方式，最新内容在RCR处被预取。该机制减少了对核心网络的访问需求，并最终可能降低5G网络中的延迟。

D2D通信和基于名称的分层内容预取策略将在下一节中详细描述，ICN应用层实现的细节在第4节中提供。在讨论了D2D通信（包括其局限性和假设）之后，我们将继续描述针对动态内容的基于名称的预取机制。

3.1. 设备到设备通信

图5展示了所提出的架构中基于ICN的设备到设备通信的设置。设备到设备通信以自组织的方式实现，允许附近的设备相互通信。然而，在蜂窝网络中进行设备到设备通信会带来技术挑战。第一个问题是，由于设备在授权蜂窝带宽中通过基站进行通信，因此自组织的设备到设备通信必须考虑本地通信时设备的计费问题。在前四代蜂窝网络中，通信只能通过基站进行，因此并未考虑设备到设备通信。另一个挑战涉及数据经过其他设备时的安全性，即如果一个设备作为另一个设备的中继，如何保障数据的安全性以及如何确保数据隐私？此外，如果不涉及基站，连接建立、干扰管理和资源分配又该如何管理？这些限制将在下文讨论。为了实现5G网络中基于ICN的设备到设备通信的目标，我们做出了若干假设，如下所述。

假设我：我们的第一个假设涉及在本地环境中通过自组织无线连接进行的设备到设备通信。由于所有设备均已通过身份验证，因此通过其他设备传输数据时不存在隐私问题。我们还假设参与设备到设备通信的设备在传递数据时不收取电池和带宽使用的费用；该通信环境完全基于友好设备，这些设备自愿向其他设备免费提供资源。当移动设备/用户需要内容时，其过程如下。

步骤1. 移动用户向最近的设备发送内容请求
步骤2. 最近的设备在接收到请求后，遵循NDN/ICN通信模型返回内容。如果找到所请求的内容，则满足该请求，并将数据发送回请求者
步骤3. 如果本地未找到内容，消费者将请求发送到一跳距离的MEC服务器
步骤4. 消费者开始与基站进行通信

一旦消费者节点与基站（BS）发起通信并发送请求，基站将使用分层命名方案检查内容可用性。然而，由于边缘节点/基站是真实设备，ICN机制无法直接工作，因此无法通过ICN命名方案检查边缘节点上的内容。由于我们的架构基于ICN，我们在边缘节点的应用层实现了ICN数据结构，以在基站上实现ICN功能，并通过ICN命名方案检查真实设备上的内容。在应用层使用ICN的原因是在边缘实现ICN，以便在边缘节点上遵循该机制。下一节描述了针对动态内容的基于名称的预取策略。

3.2. 内容预取

我们的内容预取策略基于信息中心网络的分层命名，可用于超出动态情况的场景

3.2.1. 预取命名方案

所提出的预取命名方案由多个组件构成。如图6所示，第一个组件是唯一提供商名称——在我们的用例中为 ESPN的名称前缀。第二个组件是向提供商请求的内容名称（例如，比赛类型，如足球、板球、棒球）。第三个组件是数据的性质（例如，实时比分、直播流）。第四个组件显示参赛球队（例如，巴基斯坦、韩国）。最后一个组件显示时区以及兴趣数据包发送的时间。我们的命名方案具有灵活性，可根据用户需求进行调整。例如，在智慧楼宇中，通常会部署节点来监测、感知或控制各种参数，如温度、压力、湿度和空气质量。提供商名称可能是使用物联网技术的智慧校园，其组件可表示为 Hongik/buildingD/Room425/Temperature/GMT， 表示弘益大学D栋425室的温度。该系统还可用于执行诸如打开或关闭灯光或空调等操作[46]。

3.2.2. 内容预取策略

图7展示了所提出的基于ICN的5G系统完整架构，包括移动用户、MEC服务器、ICN路由器、核心网络和云。图7 的左侧显示了如上所述的设备到设备通信设置。当移动设备向MEC服务器发送请求时，服务器会检查内容的可用性。如果找到相应内容，则将其发送回移动用户。然而，如前所述，对动态内容的请求必须通过核心网络发送至云。因此，我们提出了一种内容预取策略，以限制对核心网络的访问。为了对内容流行度进行排序并同时从服务器下载内容，我们在基站和RCR节点处提出了一种内容预取策略。

Pref etchingStrategy attheBS.首先，为了获取最受欢迎的内容，我们在基站启用了所提出的内容预取策略。我们跟踪了来自用户的请求次数通过在边缘节点上维持一个测量此类请求频率的表格，将移动用户与基站之间的请求进行关联。我们还在每个基站根据内容流行度设置了阈值。例如，如果对板球相关内容的请求等于或超过某个阈值，则将该内容归类为流行内容。在所提出的方案中，我们假设每个基站对特定请求的阈值为1000次请求。该阈值可根据用例需求进行调整，并可采用优化后的数值。

移动用户发送兴趣数据包后，基站会检查请求频率。如果移动用户请求的内容频率超过阈值，基站将发送一个包含内容名称和格林威治标准时间（GMT）的请求。例如，若边缘节点的GMT时间为13:20:48，则在此时间之后向源服务器发送下载最新内容的请求。当内容到达基站时，会检查基站的内容存储空间可用性。如果有可用空间，则将内容存储以供后续请求使用；否则，从内容存储中移除请求最少的内容。

例如，在世界杯期间，全球移动用户对足球比分的请求频率非常高。边缘节点会通过向服务器发送请求，提前从源服务器下载所有最新的相关内容，并附带时间信息，供源服务器据此转发所需内容。这些内容将被转发给移动用户，并在传输路径上进行缓存，从而减少对核心网络的访问需求，最终降低源服务器的延迟和流量，同时提高无线接入网中的缓存命中率。

然而，5G网络可能包含多个基站。如图7所示， MEC服务器通过ICN内容路由器连接到核心网络，使得来自所有基站的请求都经过连接到核心网络的RCR路由器。由于每个基站都会记录用户的请求，其他基站的请求趋势可能不同。在这种情况下，RCR节点会检查累积的热门内容，并决定从源服务器预取哪些内容。

无线接入网内容路由器（RCR）的预取策略。考虑三个基站，它们都将数据发送到部署在核心网络与基站之间的支持信息中心网络的路由器；这些路由器再将数据发送至核心网络。对于直接连接到核心网络的ICN路由器，假设各基站的终端用户请求频率不同。例如，在BS‐1处，板球比分的请求频率为1000，足球为500，棒球为700。如果我们假设基站的阈值为1000，则等于或大于该阈值的请求将被视为热门内容。BS‐1会向源服务器发送针对热门内容（在此情况下为板球）的预取请求，并附上相应的 GMT时间。现在假设到达BS‐2的请求呈现不同的趋势 （足球1000，板球800，棒球600）。BS‐2将预取最新的足球内容并将其存储在内容存储中（取决于内容存储资源可用性）。在BS‐3处，趋势再次不同（棒球1000，板球400，足球900）；BS‐3将从源服务器预取最新的棒球内容。当所有此类请求经过RCR节点时，内容

检查流行度是因为RCR节点收到来自不同基站的请求。RCR节点的阈值可能与基站的阈值不同，因为该节点可能连接到多个基站服务器，而每个基站的趋势各不相同。图7显示了一个部署了多个MEC服务器的示例，这些服务器均接收来自移动用户的请求。MEC服务器随后将这些请求转发给部署在核心网络与基站之间的支持ICN的内内容路由器。由于所有MEC服务器的流量都会经过RCR节点，因此RCR节点处的流量将高于基站处的流量。RCR节点会检查来自所有基站的请求流行度，并在其内容存储（CS）中预取最新的热门内容。本例中采用了最近最少使用（LRU）替换策略，但也可采用其他替换策略，如最不经常使用（LFU）。根据上述示例中的数据，RCR节点共收到2200个板球请求、2300个棒球请求和2400个足球请求。假设RCR的阈值为2000，则最频繁请求的内容（在本例中为足球）将从源服务器进行预取。这意味着对核心网络的访问被最小化，内容在RCR和基站处被预取。

4. 性能评估

对基于ICN的边缘计算相关方案的评估是一项繁琐的任务，因为目前没有专用的开源测试平台/模拟器可用。为了评估我们提出的支持边缘计算的ICN 5G架构，我们开发了自身的评估系统。在本节中，我们首先介绍实验设置，随后给出测试平台的ICN应用层实现细节。

4.1. 实验设置

为了评估我们的架构，我们对我们已开发的基于ICN的边缘计算测试平台进行了修改[47]。边缘应用的实现细节是在下一小节中给出。图8展示了我们用于评估所提出架构的实验平台模型，该模型包括ndnSIM模拟器[20][48],、边缘节点和云服务器（Microsoft Azure）。因此，在我们的评估中，真实设备是Microsoft Azure云服务器和边缘PC。对于 D2D通信，我们从ndnSIM向边缘节点（例如BS）生成请求。ndnSIM运行在一台具有8GB内存和4核CPU的Linux虚拟机上。为了确定ICN中网络内缓存的性能，我们在ndnSIM中采用了Mandelbrot‐Zipf（MZipf）[49]分布来表示内容流行度，设置参数为：p =5.0，且 α= 0.7‐1.2。这些是在文献中常用的值，基于互联网服务提供商（ISPs）和内容分发网络CDNs [50],[51]实际观测到的轨迹数据。我们将目录大小从1000变化到5000个数据对象，并在BS和RCR节点上使用特定的内容流行度阈值，以突出我们方案的优势。总仿真时间为120秒。

对于基站，我们开发了自主的边缘计算应用。我们采用了多种流行的 .NET 框架技术，例如 .NET 框架类库、用于内容存储的 SQL 数据库、用于 FIB 条目的 JSON、用于 PIT 条目短期存储的内存缓存、Entity Framework 6 用于基于 ICN 的边缘计算应用与数据库之间的通信，以及 LINQ‐to‐JSON 用于应用与 FIB JSON 文件之间的通信。在 API 部署方面，我们使用微软互联网信息服务（IIS），该服务托管用户或开发者所需的网站、Web 应用程序和服务。该 ICN 边缘计算应用托管在距离一跳的位置在配备16GB内存和i7‐4710HQ CPU@2.40GHz的系统上运行 ndnSIM。

如图8所示，移动设备使用ndnSIM生成对内容的请求。我们共部署了28个节点（如图8所示的移动设备）。本地ICN移动设备通过Web API与一跳距离内的基站设备（BS device）相连。由于我们考虑的是 ESPN实时比分的用例，因此请求中携带内容的名称以及基站的IP地址。例如，一个请求名称的形式为 192.168.72.1/api/ESPN/Soccer/live‐score/KoreaVsGermany/Current‐Score。名称的第一部分表示边缘节点（BS）所在位置的IP地址，第二部分表示内容本身。当请求到达基站时，基站会检查本地是否已缓存该内容。如果没有，基站会将兴趣数据包转发给部署在基站与核心网络之间的支持ICN的转发设备。由于我们没有真实的支持ICN的转发设备，因此也使用ndnSIM来模拟这些设备。在支持ICN的转发设备中检查内容，如果找到，则通过基站发送回请求用户；否则，经过核心网络转发至云。需要注意的是，ndnSIM运行在两个不同的虚拟机上（例如，一个在本地层级用于D2D，另一个位于基站与核心网络之间）。

4.2. 基站的应用层ICN实现

所提出的架构包含一个具有多个子层的应用层ICN实现，例如API层，

如图9所示，包括CS实现层、PIT条目层、转发层和数据访问层。以下将详细讨论所有子层的实现细节。

4.2.1. API层

我们在基站设备上提供了一个API层，该层具有两个核心职责：1）处理来自移动用户的请求；2）实现 ICN/NDN数据结构。所有来自移动用户（例如，来自 ndnSIM）的请求都以API的形式进入Web API（Microsoft ASP.NET Web API 2.0）的RequestHandler Controller。这些请求最初在Re-questProcessingAction中转换为ICN兴趣包格式，然后转发到ICNImple-mention class。ICNImplementation是API层内一个独立的class，用于实现ICN基本算法。ICNImplementation类根据ICN的机制处理兴趣包，并将数据返回给 Re-questHandler/RequestProcessingAction，然后再将结果返回给移动用户。ICNImplemention class采用了多种.NET类库（层）来提供ICN的功能。有关这些类库的更多细节将在接下来的小节中介绍。

4.2.2. CS实现层

CS实现层负责提供所有必要的C#方法，例如检查CS数据、列出CS（SQL数据库）中所有可用内容的名称、添加新CS中的内容，并从CS中删除内容。所有这些方法都写在 CS实现类中，通过调用数据访问层(DAL)与基于SQL的存储进行通信。DAL将在下一小节中进一步说明。

4.2.3. PIT条目层

PIT条目层负责提供所有必要的功能，例如在表中添加新的PIT条目、设置基于事件的定时器、将定时器与 PIT条目关联、在定时器到期后删除PIT条目、在接收到数据包后删除PIT条目，以及搜索所有PIT条目。我们使用缓存以C#列表的形式存储PIT条目。缓存能够将数据存储在内存中，以便快速访问，从而提高性能和可扩展性。可以使用 中的类进行缓存。 此命名空间中的缓存类提供了以下功能：
•提供用于创建自定义缓存实现基础的抽象类型。
一种具体的内存对象缓存实现。
抽象基缓存类(ObjectCache)定义了以下缓存任务：
•创建和管理缓存条目。
•指定过期和驱逐信息。
•触发在缓存条目发生修改时引发的事件。

4.2.4. 转发层

转发层的职责是为特定名称提供下一跳转发节点的信息。该层实现了Forwarder class，其中包含多种C#方法，例如在JSON集合中添加新的Forwarder条目、根据兴趣包名称查找Forwarder条目、删除条目以及更新现有条目。对于Forwarder条目的存储，我们采用JSON文件作为存储系统，并使用LINQ‐to‐JSON C#库实现应用与JSON文件存储之间的通信。选择JSON的原因如下：1）它是一种轻量级的数据交换格式；2）具有良好的可读性；3）可用于跨平台应用。此外，如果路由信息相同或发生故障时，还可以方便地将JSON文件从一个边缘计算应用移植或嵌入到另一个边缘计算应用中。

4.2.5. 数据访问层

DAL 是通过使用 SQL、MySQL、Oracle、 MongoDB 和 JSON 文件等数据库进行数据管理的层。在我们的实现中，我们使用 SQL 数据库作为内容存储，以及使用 JSON 文件来存储 Forwarder 信息。DAL 中的软件模块根据与 SQL 数据库或 JSON 文件通信的需求来触发。这两种调用分别来自其对应的层（例如，CSImplemention 或 Forwarder）。为了通信使用SQL数据库时，我们采用了微软Entity（一种数据库与应用之间的底层通信框架）。实体框架会自动处理应用程序相关的所有数据库操作。系统会自动生成用于读取或写入数据库数据的自动化数据库命令。实体框架提供相关库并在数据库中执行相应查询，为我们的应用生成结果。对于JSON文件通信，我们采用了LINQ‐to‐JSON库；这是一种用于处理JSON对象的应用程序编程接口，结合 LINQ设计，能够快速查询和创建JSON对象。此外，我们采用了仓储模式，以便为SQL数据库和JSON文件分别建立数据访问类。图9展示了基站的应用层ICN实现。

4.3. 评估指标

我们通过与第五代移动通信技术上支持信息中心网络的边缘计算（ECCN [14]）相关最具代表性的研究，以及传统的多接入边缘计算系统中基于IP的无线接入网缓存（在基站处缓存内容）进行对比，来评估我们的工作。为评估我们的框架，我们考虑以下指标：
•平均缓存命中率(CHR)：缓存命中率是衡量缓存能够满足的兴趣数据包数量与网络中转发的兴趣请求总数之比。
•平均延迟：平均延迟是指移动用户、基站、支持 ICN的转发设备和核心网络完成兴趣包‐数据交换所消耗的时间。

4.4. 结果与分析

4.4.1. 无预取情况下缓存命中率的影响

在本轮实验中，我们研究了在不采用所提出的预取机制的情况下，缓存命中率（CHR）对支持ICN边缘的5G架构的影响。图10展示了设备级别、基站（BS）以及核心网络与 BS之间的ICN转发节点上目录大小对缓存命中率的影响。每个内容路由器（CR）的缓存大小固定为10个数据对象，而我们将目录大小从1000变化到5000个数据对象。总共生成了12000个兴趣数据包。我们的结果表明，当目录大小为3000时，4.15%的请求在设备到设备（D2D）级别得到满足，其余请求被转发至边缘设备（例如，BS）。当请求到达边缘设备时，其中25.48%的请求（2930个请求）在边缘设备处得到满足，8571个请求被发送到ICN转发节点。这些节点满足了收到请求中的15.24%（1307个请求），而7265个请求被发送至服务提供商（例如，云）。我们的结果表明，在边缘计算（EC）系统中启用ICN可显著减少核心网络流量，并因限制对核心网络的访问而降低延迟。

图11展示了内容流行度对架构中缓存命中率的影响。我们考虑了9个不同的偏斜参数值（α= 0.70, 0.75, 0.80, 0.85, 0.90, 0.95, 1.0, 1.05, 1.10）。偏斜参数越接近0，对于相同的目录大小，网络内缓存的效果将越差。为了说明偏斜参数相对于缓存命中率的行为，我们选择了 一个偏斜参数值（流行值： α= 1.0），并描述了能够满足多少请求。总共生成了12000个兴趣数据包。我们研究了 在架构不同层级的请求满足率。结果表明，当偏斜参数为 α= 1.0时，D2D处理了13%的请求，基站处理了35%的请求，ICN转发节点处理了11%的请求，41%的请求通过核心网络发送到云。我们还观察到，缓存命中率与延迟成反比；随着更多请求可以从网络内缓存中得到满足，获取所请求内容的延迟降低。

4.4.2. 预取机制下缓存命中率与延迟的影响

在本组实验中，我们研究了启用所提出的预取机制时的缓存命中率和延迟情况。我们还评估并比较了所提出的架构与近期在第五代无线接入网中以边缘为中心的计算和以内容为中心的网络方面的研究工作ECCN [14]以及与现有的传统MEC系统中基于IP的无线接入网缓存，记为 “MEC”，用于对比。我们评估了目录大小从1000到 5000个数据对象变化时的缓存命中率性能。我们在基站以及核心网络与基站之间的RCR节点采用了预取机制。图 12展示了预取对我们架构的影响。结果表明，当目录大小为3000个对象且生成了12000个请求时，设备到设备处理了7%的请求，基站处理了30%的请求，信息中心网络转发设备处理了16%的请求，而47%的请求通过核心网络发送至云。综上所述，与未启用内容预取的情况相比，我们的预取机制使转发至核心网络的流量减少了8.3%。

我们还使用预取方案测量了基于内容流行度的缓存命中率性能。图13显示了缓存命中率作为偏斜参数变化函数的情况（α= 0.70, 0.75, 0.80, 0.85, 0.90, 0.95, 1.0, 1.05, 1.10）。在图10中，我们确认了当未启用预取时，有55.13%的请求通过核心网络发送至云。然而，当我们应用所提出的预取机制后，在架构的不同位置观察到了不同的趋势。例如，当使用偏斜参数（α= 1.10）生成12000个兴趣请求时，设备到设备（D2D）处理了15%的请求，基站（BS）处理了40%的请求，信息中心网络转发设备处理了16%的请求，29%的请求被发送至云。也就是说，71%的流量在5G无线接入网内得到处理，仅有29%的流量被发送至云。这表明，采用预取机制后，通过核心网络转发的流量减少了26.13%，限制了对核心网络的访问，从而最终降低了内容检索延迟。

为了研究预取对延迟的影响，我们调查了启用和不启用预取时的内容检索延迟。图14描绘了平均延迟随偏斜参数的变化情况。我们的结果表明，在未启用预取的情况下，延迟高于启用预取的情况。所提出的预取方案将内容更靠近用户置于5G无线接入网中，并限制对核心网络的访问，从而降低了整体延迟。对于(α= 1.10)且不启用预取的情况，网络中的总体延迟为61ms。然而，当启用所提出的预取方案时，延迟降低至39ms。主要原因是预取从服务器预先下载内容并将其带入5G RAN中，从而限制了对核心网络的访问，导致网络中的延迟显著降低。

图15显示了缓存命中率随目录大小的变化情况。缓存大小固定为10个数据对象，而目录大小从1000变化到 5000个数据对象。在此情况下，我们使用固定的偏斜参数（α= 1.10），以体现合理的内容流行度。我们的结果表明，所提出的方法优于传统的MEC和ECC。由于我们在架构中启用了D2D通信，在向基站发送请求之前，设备会尝试从附近的设备获取内容。大约10%–12%的缓存由于本地D2D通信会产生命中，而内容预取也有助于将内容更靠近无线接入网（RAN）中的移动用户。我们的结果表明，对于包含2000个对象的目录大小，我们方法在RAN中的缓存命中率为54%，而ECCN为47%，MEC为33%。换句话说，在我们提出的架构中，有46%的流量被发送到云，而在 ECCN中该比例为53%，在MEC中为67%。这是因为在 ECCN中，核心网络与基站（BS）之间使用了信息中心网络转发设备，因此内容可能被缓存在通往核心网络的转发路径上；然而，在MEC情况下，如果边缘服务器上未找到内容，基站（BS）会通过核心网络直接将请求发送到云。

我们还研究了缓存命中与延迟。图16的结果表明，网络延迟与缓存命中率（CHR）呈反比关系。缓存命中率越高，延迟就越低。我们的结果还显示，当目录大小为2000时，所提出的架构的平均延迟为75ms，而ECCN的延迟为86ms，MEC的延迟为102ms。原因是，在我们所提出的架构中，大部分内容被缓存在本地ICN（设备到设备通信）、基站和信息中心网络转发设备中。此外，所提出的内容预取机制将更多内容带入无线接入网（RAN），限制了对核心网络的访问，从而降低了整体延迟。另一方面，在ECC中，信息中心网络转发设备在基站之后缓存内容；而在MEC中，只有基站缓存内容，当基站无法满足请求时，大多数请求会通过核心网络发送至云。

5. 挑战与未来研究方向

在5G网络中实现ICN与EC的结合并非易事，该领域需要进一步关注。未来研究中仍存在若干未解决的问题和挑战。在5G中启用ICN可能会带来各种开放性研究挑战，特别是在D2D、边缘、RAN、核心网络、回传、缓存和资源管理方面。为此，我们在下文讨论了研究人员面临的开放性问题、挑战以及未来的研究方向。

5.1. 定价

在传统蜂窝系统中，运营商根据用户的使用情况收取费用。在这种系统中，运营商直接控制设备，并因这种控制而收费。然而，在直接的设备到设备通信中，运营商不会直接参与。因此，运营商应回答在设备到设备通信中应为何种服务收费的问题。在我们的架构中，我们实现了无需运营商控制的直接设备到设备通信。因此，设计一种商业模式和策略，以确定运营商如何在这种D2D环境中向设备收费，显得尤为重要。针对设备到设备通信中用户定价模型的决策，需要对使用场景和新的商业模式进行深入分析。此外，应注意的是，定价模型应基于用户中继设备的资源利用率。换句话说，在设备到设备通信中，设备将作为其他用户的中继，其电池、存储、带宽及其他资源会因执行此类中继功能而被消耗。

5.2. 安全性

由于在设备到设备通信中用户的数据会通过其他设备进行中继，因此数据安全和隐私是关键因素。在我们的研究中，我们假设这些设备是可信的。然而，在现实场景中，假设设备可信是不切实际的。也有可能在一个小规模网络（如大学或本地联邦环境）中列出设备清单，以对这些设备进行认证。此类设备可以通过加密来保护共享数据的机密性。然而，对于完整的系统部署，应探索设备到设备通信中的安全问题在软件和硬件方面的可能解决方案[52],[53]。

5.3. 兴趣包广播风暴与生产者移动性

在信息中心网络（ICN）中，多个兴趣包可能请求连续的内容。因此，应根据网络资源[55],[56]控制兴趣传输速率和流量。在设备到设备通信中，设备旨在从附近的设备获取内容。尽管ICN为消费者移动性提供了内置支持，但在我们的环境中，生产者移动性也将十分频繁。为此，需要进一步探索使生产者在移动过程中仍可被访问的机制 [57],[58],[59]。如果无法从生产者处获取数据，消费者将需要探索兴趣请求重传机制，希望最终能够到达生产者。或者，生产者可以将其生成的数据存储在网络边缘的数据存储库中，以便即使生产者不可达时，消费者也能从中检索数据[60],[61]。

5.4. 内容和上下文命名空间设计

在5G架构中实现信息中心网络（ICN）会带来内容与上下文的命名问题，具体体现在如何设计能够嵌入内容多种上下文特征的命名方案。一种解决方案可能是采用命名约定，或将明确链接在清单中的描述性信息移至元数据对象中。同时，ICN的命名应具备足够的灵活性，以适应各种类型的内容，并支持在不同条件下进行检索（例如，在终端用户移动设备、边缘设备、回传链路和核心网络之间不同位置的数据传输）。针对支持ICN的边缘计算，此类命名方案的设计仍需进一步的研究探索。

5.5. 基于名称的网络和协议设计

信息中心网络（ICN）天生支持多播通信，这一重要特性被YouTube和Netflix等现代内容共享应用广泛使用。近年来，它也成为增强现实应用的基本要求。然而，现有的应用试图利用基于IP的网络架构实现多播，但其应用范围相当有限，因为只有大型服务提供商才能启用多播。更糟糕的是，服务提供商对支持多播没有直接的商业利益，因此通常不会努力解决安全性和可扩展性问题。从根本上说，基于IP的架构在设计时并未考虑支持多播通信。所有这些问题凸显了设计可扩展且安全的信息中心网络解决方案以满足现代内容共享应用通信需求的重要性。

5.6. 边缘网络功能优化

在边缘计算中，计算主要或完全在分布式边缘计算服务器上执行，而不是主要发生在集中式云环境中。然而，网络边缘的条件高度动态，因此我们需要研究编排机制，以在整体系统[62]变化最小的情况下实现无缝资源分配。为了应对这些情况，开发用于测试整个系统优化和服务性能的功能至关重要。

5.7. 计算、通信、控制和存储的分布

基于ICN的边缘计算架构应允许可计算、存储和网络任务在边缘、核心网络和移动设备之间动态重新定位。在这种情况下，根本挑战在于确定哪些任务应被分发到边缘设备/基站、核心网络和云上执行，以及边缘设备、边缘和云之间应如何相互协作。另一个问题可能是边缘设备可能会请求轻量级和非平凡计算的混合任务。因此，计算任务中的轻量级部分可以在设备本地执行，而计算密集型部分则需要卸载到边缘和云服务器上。一个典型的例子是移动增强现实（AR）场景，多个移动AR设备同时开始感知环境，通过摄像头和传感器生成原始视频并捕获用户手势。经过本地处理后，部分数据将连同执行指令一起卸载到其他边缘设备上。计算密集型任务部分的计算时间可能比轻量级部分更长[63]。因此，需要研究将计算密集型部分与轻量级部分融合的可靠机制的设计。

5.8. 高效的资源与服务发现方法

第五代移动通信技术将支持移动增强现实等应用对超低延迟的需求。为了满足移动增强现实应用所需的实时反馈，必须高效且无缝地提供所需的计算资源和服务[64]。在资源（例如CPU和内存容量）和服务可用性发现的情况下，移动设备应能够知晓哪个边缘节点/基站具有充足的可用资源，并能响应其服务请求。这样可以避免因将服务请求转发至多个不同的边缘节点而造成不必要的延迟，直到找到能够提供必要计算资源的节点为止。为满足这一需求，设计一种基于信息中心网络的边缘计算高效资源/服务发现机制[8]，并探索计算复用机制[65]显得尤为重要。

5.9. 物理层和MAC层的修订与关注点

延迟是第五代移动通信技术网络的基本指标，可以通过对物理层和MAC层的改进进一步提升。需要进一步研究物理层有前景的技术，例如毫米波，它为3‐300GHz频段的通信带来了大量的新的频谱资源。还应探索链路层的协议增强，以实现高效的错误和丢失检测以及速率自适应 [66]。此外，在设备到设备通信中缺乏集中式控制器的情况下，设备连接建立、干扰管理以及资源分配将面临挑战。因此，需要分布式机制来建立设备到设备通信。该领域还需进一步探索，以理解设备到设备通信对蜂窝系统的影响。

5.10. 内容缓存问题

最近，边缘缓存受到了学术界和工业界的广泛关注 [67]。边缘缓存在降低延迟以及提高频谱和能量效率方面发挥着至关重要的作用。然而，它并非万能解决方案，仍存在多个开放的研究问题需要进一步关注。具体而言，研究人员应探讨缓存大小的增加/减少对延迟的影响、高效的缓存替换策略以及无线信道参数等问题。总体而言，在设计高效的缓存机制时，研究人员被鼓励研究各种权衡，例如容量与延迟以及其他参数之间的权衡。此外，值得一提的是，内容的流行度图可能会随时间变化，特别是对于动态内容而言，使用固定的阈值可能导致缓存系统的性能下降。优化阈值有多种方法：可以通过运行大量仿真实验，或通过分析生产系统上的流量来实现。此外，可以采用各种统计建模技术和机器学习算法来预测动态网络流量，分析边缘的入站流量，并使阈值随时间自适应调整。

5.11. 基于混合人工智能的边缘架构

除了之前的所有主题之外，一个有趣的研究方向是探索软件定义网络（SDN）与人工智能（AI）和基于ICN的边缘计算架构在第五代移动通信技术中的交集 [68]。例如，可以为基于ICN的边缘计算在第五代移动通信技术中的数据转发设计新的SDN协议。由于SDN具有可编程性和实用性，因此提供了机遇，因为大多数SDN协议（如 OpenFlow）都兼容各种网络和设备 [69]。此外，边缘人工智能是评估支持第五代移动通信技术服务所需的计算资源、内存带宽和缓存容量的重要因素。在这方面，研究人员应研究高效的资源调度与协调方案及模型。

6. 结论

在未来的5G网络中，内容分发的延迟将成为一个关键问题，并对现有网络架构带来挑战。信息中心网络（ ICN）和边缘计算（EC）被视为通过将内容更靠近终端用户来降低网络延迟的有前景的技术。为实现这一目标，本文提出了一种面向5G的ICN边缘计算架构，支持在5 G无线接入网（RAN）中的基站（BS）上实现设备到设备（D2D）通信，并提供ICN应用层支持。此外，我们提出了一种基于ICN分层命名和内容流行度的动态内容预取策略。实验结果表明，在5G RAN的不同位置启用ICN与边缘计算后，可最小化对核心网络的访问以及内容访问延迟。最后，我们阐述了5G中ICN与边缘计算面临的相关挑战和问题，并提出了未来研究方向。