包级网络压缩：全网效益的实现与扩展

互联网流量在包级别存在大量冗余，这促使通过使网络节点能够记忆数据包，在网络内部部署包级冗余消除技术。冗余消除可减少流量，进而提高网络链路的效率。本文引入了“网络压缩”概念，旨在利用统计相关性，超越单纯去除流中的大型重复字符串，以更好地抑制冗余。在论文第一部分，我们介绍了“辅助记忆的压缩”，该技术利用网络内的记忆内容来学习生成数据包的信源统计特性，进而用于缩短描述信源所发出数据包的码字长度。通过对真实网络轨迹收集的数据进行仿真，我们展示了辅助记忆的压缩可显著减少流量。在论文第二部分，我们研究了辅助记忆压缩的平均全网效益的扩展性。我们讨论了为减少整体流量而涉及的路由和网络中内存放置问题。我们在 Erdos-Renyi 随机网络图中推导出了增益扩展的闭式表达式，其中获得了随机图中部署内存数量的阈值，超过该阈值后全网效益开始显现。最后，我们在类互联网的无标度网络上研究了全网效益。我们表明，即使网络中仅有极小比例的节点具备记忆功能，也能获得非零的网络压缩增益。