21、软件定义网络、缓存与计算：机遇、挑战与展望

软件定义网络、缓存与计算：机遇、挑战与展望

1. 集成网络、缓存与计算优化

在集成网络、缓存与计算的领域中，需要解决资源分配的优化问题。首先，在不考虑网络中副本位置的情况下，推导出每个内容 $k_1$ 的最优部署副本数 $n_{k1}^ $ 以及每个计算服务 $k_2$ 的最优部署副本数 $m_{k2}^ $。假设集合 $K_A$ 和 $K_B$ 的元素数量分别为 $F_1$ 和 $F_2$，那么所有可能的缓存/计算策略（副本位置）组合子集的数量 $Q$ 为：
[Q = \prod_{k_1\in K_A} C_{N}^{n_{k1}} \prod_{k_2\in K_B} C_{N}^{m_{k2}}]
与原始的 $2^{N(F_1 + F_2)}$ 相比，这个数量显著减少。

为了找到每个服务的最优资源分配解决方案，采用了一种穷举搜索算法。将所有可能的组合子集集合表示为：
[\varPhi = {H_1, H_2, \ldots, H_Q}]
资源分配过程如下：
1. 控制器从 $\varPhi$ 中选择一个缓存/计算策略 $H_q$。
2. 在链路约束条件下，最小化函数 $f (P|M, R, H)$，找到服务请求的最优服务器选择 $P$，以最小化组合成本函数 $f$。
3. 通过穷举搜索，选择最优的缓存/计算策略 $H^ $：
[H^ = \arg \min_{H_q\in\varPhi} f (P |M, R, H_q )]
并得到相应的 $P^ $ 和 $f^ $。

2. 模拟结果与讨论

为了