内容命名网络中一种基于历史访问记录的转发策略的设计与实现

计算机工程与科学

内容命名网络中一种基于历史访问记录的转发策略的设计与实现

石颖，张小平，杨磊

（清华大学计算机科学与技术系,北京 100084）

收稿日期:2016-05-10 修回日期:2016-08-30 出版日期:2017-09-25 发布日期:2017-09-25

A forwarding strategy based on historical

access records in named data networking

SHI Ying，ZHANG Xiao-ping,YANG Lei

（Department of Computer Science and Technology,Tsinghua University,Beijing 100084,China）

Received:2016-05-10 Revised:2016-08-30 Online:2017-09-25 Published:2017-09-25

摘要/Abstract

摘要：

内容命名网络（NDN）作为ICN的实例系统，以其区别于传统IP网络的独特体系结构在近些年受到了研究界的普遍关注，NDN舍弃了IP网络点到点的传输方式，设计了基于内容名字的寻址方式，使得内容的提供者由集中式一点变为分散式的多点，大幅提高了数据信息的利用率。将研究的重点放在NDN路由节点的转发环节，提出并实现了一种新的基于历史访问记录的转发策略HRF，使得数据请求者能够发现本地的邻居节点是否持有请求者所需的内容，从而从本地网络高效快速地获取所需数据，并通过实验验证了HRF策略的可行性和有效性。

关键词: 内容命名网络, 转发, 策略, 访问记录

Abstract:

As the instance system of information center networking (ICN), the named data networking (NDN) attracts more and more attention in academia. NDN changes the network service from “destination to destination” to “retrieving data of given names”. NDN is more convenient for consumers to share data and it gets a substantial increase in the rate of repeated utilization of data. We focus on the forwarding of NDN routing nodes and propose a forwarding strategy based on historical access records called HRF, which can find out whether there is target data stored by the neighbor nodes in the local network, and then access the target data in the local network efficiently and rapidly. Through a series of typical scenarios, we validate the feasibility and effectiveness of the HRF.

Key words: named data networking(NDN), forwarding, strategy, access record

石颖，张小平，杨磊. 内容命名网络中一种基于历史访问记录的转发策略的设计与实现[J]. 计算机工程与科学.

SHI Ying，ZHANG Xiao-ping,YANG Lei.

A forwarding strategy based on historical

access records in named data networking

[J]. Computer Engineering & Science.

[1]	周兰凤1，赵鹏飞1，彭俊杰2. 基于云环境下一种小文件传输策略研究[J]. J4, 20160101, 38(01): 20-27.
[2]	刘慧1, 2, 侯同定1, 2, 赵博3, 4, 郭涵彬1, 2. 模糊测试用例生成技术研究综述[J]. 计算机工程与科学, 2025, 47(7): 1244-1261.
[3]	汪晓洁, 侯小静, 徐春, 张蕾. 具有网络结构适应性的社交网络影响最大化方法[J]. 计算机工程与科学, 2025, 47(4): 667-676.
[4]	魏东, 贾宇辰, 韩少然. 数据中心制冷系统强化学习控制[J]. 计算机工程与科学, 2025, 47(3): 422-433.
[5]	陈心怡, 张孟健, 王德光. 基于Fuch映射的改进白鲸优化算法及应用[J]. 计算机工程与科学, 2024, 46(8): 1482-1492.
[6]	王颍超. 鲸鱼优化算法研究与应用进展[J]. 计算机工程与科学, 2024, 46(5): 881-896.
[7]	梁昔明, 史兰艳, 龙文. 基于混合策略改进的蛇优化算法及其应用[J]. 计算机工程与科学, 2024, 46(4): 693-706.
[8]	李雨恒, 高尚, 孟祥宇. 基于精英引导的改进哈里斯鹰优化算法[J]. 计算机工程与科学, 2024, 46(2): 363-373.
[9]	王坤, 刘杰, 李伟, 谭伟, 覃涛, 杨靖, . 多策略改进的猎人猎物优化算法[J]. 计算机工程与科学, 2024, 46(10): 1875-1887.
[10]	周聪, 陶静, 赵宝康, 李安艺. 基于双重检索修正域名系统的最长匹配规则[J]. 计算机工程与科学, 2023, 45(9): 1572-1577.
[11]	张文宁, 周清雷, 焦重阳, 梅亮. 融入重心反向学习和单纯形搜索的粒子群优化算法[J]. 计算机工程与科学, 2023, 45(9): 1629-1638.
[12]	胡春安, 熊昱然. 多策略改进的混沌哈里斯鹰优化算法[J]. 计算机工程与科学, 2023, 45(9): 1648-1660.
[13]	彭坤彦, 尹翔, 刘笑竹, 李恒宇. 基于粒子群优化和深度强化学习的策略搜索方法[J]. 计算机工程与科学, 2023, 45(4): 718-725.
[14]	许城洲, 王晨, 张文涛. 基于时间因子的可撤销可追踪属性基加密方案[J]. 计算机工程与科学, 2023, 45(2): 286-294.
[15]	冯心妍, 吴贯锋, 张丁荣, 王恪铭, . 基于近期文字极性分配的学习子句评估算法[J]. 计算机工程与科学, 2023, 45(11): 1941-1948.