雾的代价：车载网络中缓存架构的数据驱动研究

车载用户预计将消耗大量数据，用于娱乐和导航目的。这将给蜂窝网络带来压力，只有当部署了适当的缓存时，蜂窝网络才能应对此类负载，这反过来引出了何种缓存架构最适合处理车载内容消费的问题。在本文中，我们利用大规模众包收集的轨迹数据来 (i) 从总体规模和内容细分方面刻画车载流量需求，(ii) 评估不同缓存方法面对此类真实负载时的表现，(iii) 研究推荐系统和本地内容的影响。我们定义了雾代价（price-of-fog）度量，用于表示从传统的集中式缓存架构转向“雾计算”方法（缓存更靠近网络边缘）时需要部署的额外缓存容量。我们发现，对于位置特定内容（例如车载用户最可能请求的内容），此种代价几乎消失。因此，车载网络为采用移动边缘缓存提供了有力论据，因为我们能够收获其益处——包括减少核心网内数据传输距离——而几乎或完全没有相关的劣势。