信息年龄、新鲜度、数据寿命、边缘计算等读书报告

参考文献

什么是信息年龄，信息年龄是衡量什么的指标？

几十年来，当前和未来网络最关键的性能指标一直是端到端延迟、吞吐量能效和服务可靠性。为了有效地刻画信息新鲜度，2011年法国阿维尼翁大学的Altman等提出了信息老化的概念，用于定量研究互联网用户基于较小信息更新成本获取信息服务费的问题。同年，为了刻画车联网中远程系统获取的状态信息在更新过程中的新鲜程度，美国罗格斯大学的Kaul等正式提出了信息年龄（AoI, age of information）的概念。

它是一个新的度量标准，可理解为最新接收的数据包从生成到被接收经过的时间。

传统的数据通信更多关注的是信息传输的时延，即数据从发送时刻到被接收时刻之间的时间间隔；而实时更新应用则更关注信息的时效性，即数据从产生时刻到被使用时刻之间的时间间隔。与人类年龄相似，数据产生后，随着时间的单向流逝，数据信息的陈旧程度也随之单向增大，不断“老化”。为了使用户有良好的感知体验，信息产生后应尽可能及时地被使用，确保使用的信息尽可能是新鲜的。

物联网的发展催生了各类实时监测系统(如智能驾驶)和状态更新系统(如工业控制)的部署与应用。对于上述系统而言，信息新鲜度至关重要。若目的端接收的是过时信息，可能会降低系统决策的准确性和可靠性，并造成巨大的安全隐患。

与吞吐量和延时的联系是什么，区别是什么？

网络传统的性能度量指标，如吞吐量和时延，并不能有效地刻画系统中的信息新鲜度，故不再适用于面向实时状态更新类应用的网络设计

随着科技的发展和技术的进步，各种传感器设备不断普及，几乎遍及每个角落，它们主要用于信息的采集和传输，以支撑环境监测、车辆定位、异常检测等应用。这类信息的时效性尤其重要，其重要性也与时效性正相关，一般随着时间的流逝其重要性急剧下降。为了衡量信息的时效性，学者们提出了信息年龄这一指标。信息年龄可以用来衡量一个网络中信息的时效性，信息年龄的含义是指从信息产生到当前时刻为止的时间差，和时延最大的区别在于信息年龄不仅仅包含信息的传输时延，还包括信息在源节点的等待时间以及在目的节点的停留时间。对于包含多个源节点的信息更新网络，假设每个源节点需要收集信息，并汇聚到同一个目的节点，则在目的节点包含每个源节点的信息年龄。

为了保证网络中信息的时效性，一般期望信息采集节点尽可能快的进行信息采集，但是由于网络资源有限，如果所有的节点都以较快的速率进行信息采集，将会导致网络负载较大，甚至导致网络拥塞，反而使得数据包无法有效的到达目的节点。因此，在网络资源受限的情况下，存在一个最佳的信息更新策略。为了得到最佳的信息更新策略，一般以最小化平均信息年龄或者峰值信息年龄为目标函数进行求解。平均信息年龄为一段时间内所有源节点的信息年龄的平均值，而峰值信息年龄则表示为一段时间内所有源节点的信息年龄的最大值。此外，信息更新策略还与节点排队策略有关，常见的排队策略有先入先出、先入后出、按优先级等。

基于信息年龄，如何定义新鲜度函数？

平均年龄和平均年龄分布都可以用来表征系统的信息新鲜度。

基本系统模型

使用一个简单的队列模型表示基本系统模型，其中在源s处生成的包需要到达用d表示的目的地。队列中包的存储是瞬时的，因此包到达队列。状态更新生成是平均速率为λ的随机过程，数据包以平均服务速率μ进行传输。

考虑由一对源—目的节点对构成的通信系统，假定更新分组在

时刻生成，相应地，在

时刻到达目的端，在任意t时刻，目的端接收最新更新的索引为

最新更新产生的时间戳为

在任意t时刻，AoI的数学表示为

状态更新的时间平均年龄是图中锯齿函数下按观察时间间隔归一化的面积。在一个区间(0,T)中，平均年龄是

对于每个源节点的信息年龄，定义为最新的信息的年龄，即每收到一个来自该源节点的新的数据包，目的节点中对于该源节点的信息年龄则变更为最新信息的信息年龄，否则该源节点的信息年龄线性增长。因此，目的节点中每个源节点的信息年龄都为锯齿形，

Aol的例子

式的积分可以计算为△(t)下的面积。当T→oo时，△T的时间平均值趋于集合的平均年龄，即

此外,让

为状态更新生成的稳态速率。

利用不相交区域Qi进行基本操作后，对于i >= 1，状态更新系统中的平均AoI为：

其中

，E[]是期望算子。Y和T分别对应于更新包的到达间隔时间和系统时间的随机变量。

第i个间隔时间定义为第i次更新的生成与前一个更新生成之间的间隔时间，因此Yi为随机变量

并且

为第i次更新的系统时间，对应于队列等待时间与服务时间之和。

此外，观察到随机变量Y和T是相互依赖的，这使得一般情况下平均年龄的计算变得复杂，因为我们不知道它们的联合分布。直观地说，对于固定的服务速率，减少到达间隔时间对应于系统中的数据包。流量的增加导致系统时间的增加。另一方面。较大的到达间隔时间允许队列清空，因此延迟更小。因此，Y与T呈负相关，如图所示。

Y和T呈负相关

AoI已成为继吞吐量、时延等传统网络性能指标外一个新的网络性能指标，并且逐渐受到广泛重视。

数据项新鲜度。(a)新鲜。(b)非新鲜。

基本上，重叠部分越大，内容就越新鲜（如果源和路由器位于同一位置，在数据包传递中没有延迟，那么100%的新鲜度就可以达到）。据此，瞬时数据项的新鲜度可定义为:

在路由端，数据项到达时间tarr；在源处，数据项产生/可用的时间tgen(边缘网络路由)；在网络中，数据项的寿命T。路由考虑长度为T的两个时间窗，根据时间tgen和tarr，确定这两个时间窗口之间有多少重叠。简而言之，当路由接收到的数据年龄小于它的生命周期T时，该数据被认为具有一定的数据新鲜度。

信息年龄与哪些因素有关，如何建立与相关影响因子的量化关系式？

总而言之，Aol是由两个因素决定的：

(i) 与系统时间T相对应的处理/传输延迟；

(ii) 源用于生成状态更新的模式。

以FCFS的M/M/1系统为例，假设队列是稳定的，到达率对应于系统吞吐量，平均到达间隔时间E[Y]与到达率成反比，即λ= 1 / E [Y]，服务利用率ρ，生成速率λ，服务速率μ。平均年龄可得：

μ=1的M/M/1队列的平均AoI、平均吞吐量λ和平均系统时间T

较小的到达间隔时间会导致较高的系统平均时间和平均Aol。另一方面，较大的到达间隔时间导致较低的系统平均时间和较高的平均Aol。

对于FCFS的D/M/1系统，状态包在固定的时间D内生成，λ=1/D。我们可以把年龄的表达式写成

式中，W(.)为Lambert W函数，利用率ρ=1/(μD)。

对于FCFS的M/D/1系统，状态速度λ，服务时间是确定的:Si=D。

如何优化系统的信息年龄？优化目标是什么，约束函数是什么？

对于固定μ，我们可以通过λ或者ρ= λ/μ将平均年龄最小化。求平均年龄表达式关于ρ的微分，并令它等于0。我们得到最优利用率ρ*。最佳的年龄是通过选择一个λ来实现的，这个λ使服务器倾向于繁忙只比空闲多一点点。

注意，如果我们想要最大限度地提高吞吐量，我们希望ρ接近1，这是每秒发送到监视器的包的数量。如果我们想要最小化包延迟，也就是最小化包的系统时间，我们想要ρ接近0。

对于M/M/1，ρ*≈0.53，服务器有47%的时间是空闲的。。在最优利用率ρ*时，系统中数据包的平均数量为ρ*/(1-ρ*) ≈1.13。

对于M/D/1，ρ*≈0.625。

对于D/M/1，ρ*≈0.515。

μ= 1, FCFS的M/D/1、D/M/1、M/M/1系统的利用率ρ与信息年龄。

什么是信息中心范式？

在过去的几年里，研究界见证了以信息为中心的网络(Information-Centric Networking，ICN)方法的快速发展。以信息为中心的网络是一种将Internet基础设施从基于永久连接和端到端原则的以主机为中心的范式演化为以识别信息(或内容或数据)为焦点的网络体系结构的方法。ICN可实现内容与位置分离，网络内置缓存等功能，从而更好满足大规模网络内容分发、移动内容存取、网络流量均衡等需求。在这种范式中，连通性可能是断断续续的，可以透明地利用终端主机和网络中的存储，因为网络和数据存储设备上的位具有完全相同的值，移动性和多路访问是常态，并且本机支持多播和广播。数据变得不受位置，应用程序，存储和传输方式的限制，从而可以进行网络内缓存和复制。

物联网(loT)概念设想的场景是，“智能对象”可以相互连接，使一个全新类别的应用和服务成为可能，积极增加信息和通信技术(ICT)的影响。尽管ICN测试的场景主要局限于多媒体和数据，但ICN的优点使这种架构设计成为一种有价值的方法，以应对不断增加的物联网部署带来的挑战。一般而言，物联网应用对信息的新鲜度提出了严格的要求。这可能会受到ICN方法中固有的缓存机制的高度影响。

根据这种新的范式，用户通过内容的名称请求内容，而不是使用其网络本地化。在ICN中，每个内容都由一个惟一的、持久的、与位置无关的名称标识。ICN提供本地多播支持、网络内缓存、基于名称的路由和方便的数据访问。

这种从以主机为中心到以内容为中心的变化有几个吸引人的优点，比如网络负载减少、传播延迟低和更好的能源效率

为什么提出内容网络?内容分发是当今互联网的主要任务。例如，预计到2018年，视频流量将达到互联网流量的79%。传统的通信网络模式是点对点模式；点对点模式在处理大规模内容分发时存在效率、安全性和私密性等缺点；而内容消费者只关心它是什么，而不关心它来自哪里。

数据为什么会有寿命？

1、数据的时效性。被感知的事物的状态可能是瞬息万变的，物联网的数据采集工作是随时进行的，每隔一定周期向服务器发送一次数据，数据更新很快，历史数据只用于记录事务的发展进程虽可以备份，但因其海量性不可能长期保存。只有新数据才能反映系统所感知的“物”的现有状态，系统的反应速度或者响应时间是系统可靠性和实用性的关键。

2、数据的海量性。物联网往往是由若干个无线识别的物体彼此连接和结合形成的动态网络。一个中型超市的商品数量动辄数百万乃至数千万件。在生态监测等实时监控领域,无线传感网需记录多个节点的多媒体信息,数据量更大的惊人，每天可达1TB以上。数据的堆积会造成内存的大量消耗、系统的运行卡顿。

3、数据的安全性。随着数据寿命的增加，接触的风险也在增加，攻击者可以通过以往的数据推断并伪造数据，从而对设备造成安全隐患。

数据的寿命对缓存策略有什么影响？

在缓存瞬态数据项时，必须考虑它的生存期T，即该项在其源处生成后的有效时间段。当路由接收到一个数据项时，路由会评估该数据项的“新鲜程度”，从而决定它的“可缓存性”。一旦缓存满了，就执行缓存驱逐，旧的内容被删除，以允许存储新内容。

简而言之，对于瞬态数据，在进行缓存决策时需要考虑数据新鲜度，这必须基于动态变量来执行，这些动态变量不仅与来自应用程序的数据请求速率有关，还与数据项的寿命有关。

如何优化系统的新鲜度函数。

由于网络内的时间延迟，路由器接收到的数据项具有有限的非零数据年龄。当路由x从源S中检索数据项时，会产生一定的累积网络时延，记为d(S, x)。这减少了数据项的剩余寿命，在此期间，该数据项可以被认为具有某种程度的新鲜度，即Tres = T−d(S, x)，从而产生的新鲜度：(T−d(S,i))/ T，T为寿命。如果数据项在网络路由器上额外缓存，然后请求程序检索该缓存项，则有一个额外的缓存年龄，即该数据项在路由器缓存中驻留的累计时间周期，直到被请求为止。因此，从路由器缓存中检索到的条目与从其来源S检索到的条目相比，“不那么新鲜”，且新鲜度为

因此，将数据项的新鲜度损失(FL)定义为路由缓存导致的新鲜度减少:

从网络中获取数据项需要在两种选择之间进行权衡:(1)从数据源获取一个新生成的“新”数据项(通常距离请求者有几跳距离)，以及(2)从中间路由器的缓存中获取一个不算新但通信成本更低的数据项。如图所示，其中R是请求者，S是源。

新鲜度损失成本与传播成本之间的权衡

无论是从自己的缓存中还是从检索的缓存中，i跳返回的一个数据项的期望新鲜度损失代价为:

边缘计算对于系统的新鲜度会有什么影响，如何建立影响模型？

移动边缘计算 (Mobile Edge Computing, MEC)是将边缘计算技术应用至移动互联网,在无线移动网络边缘靠近移动用户或设备的地方, 提供按需访问共享可配置虚拟计算池或提供与之交互服务的一种新型移动计算模式。通过这种新型的计算模式将服务迁移到距离用户较近的位置，能有效降低服务的通信延时。从而增加系统的新鲜度。

将移动边缘网络中的射频单元和分布单元作为缓存节点,射频单元节点将充当接入点功能。边缘节点的核心属性包括通信、计算和缓存, 这三者将构成移动系统的主要资源。

用户距离边缘节点越近,无线信道越稳定,支持的上下行速率就越高,从而节点的通信能力就越强。

计算是边缘节点的主要资源之一,节点的计算能力反映了其快速处理、转发和路由数据流的能力,节点高效的计算能力能够带来高效的数据传输能力,从而实现节点对单个用户的服务。节点的计算能力越强,在处理用户请求内容的时间越短,则用户从节点处获取内容的平均时延就越短。

在移动边缘网络中,由于用户所需内容缓存在靠近用户的节点,所以用户或者设备在获取实时信息更新的时延会有所减小。

得到节点重要性度量结果后控制器对各边缘节点进行排序,从而得到节点的重要性排名。