[发明专利]信息中心网络近似计算高速缓存

说明书

本文描述了用于信息中心网络(ICN)近似计算高速缓存的系统和技术。例如，可以接收包括输入数据的特征集的兴趣分组。节点可随后使用该特征集执行对本地数据存储的搜索，以确定被高速缓存在本地数据存储中的近似计算结果。此处，近似计算结果可以基于与兴趣分组中被命名的输入数据不同的输入数据。节点可随后响应于搜索，将近似计算结果返回给兴趣分组的作者。

技术领域

本文描述的实施例总体上涉及计算机联网，并且更具体地涉及信息中心网络(ICN)近似计算高速缓存。

技术背景

ICN是新联网范式的涵盖性术语，其中信息本身是根据网络而不是主机(例如，提供信息的机器)命名和请求的。为了获得内容，设备从网络本身请求命名的内容。内容请求可被称为兴趣并且经由兴趣分组被传送。当兴趣分组遍历网络设备(例如，路由器)时，兴趣的记录被保存。当遇到具有与兴趣中的名称匹配的内容的设备时，该设备可以响应于兴趣分组而发送数据分组。通常，通过追随网络设备中剩余的兴趣的轨迹，将数据分组通过网络追溯回到源。

内容存储(例如，高速缓存)是ICN设备的具有吸引力的特征，其中命名的数据被存储在整个网络中，以潜在地满足未来的请求(例如，兴趣)。这有助于减少网络通信量并改善端到端延迟。命名的功能网络(NFN)是对可实现远程功能执行的ICN的扩展。函数执行的结果可能会非常像类似于其他数据被高速缓存在ICN网络节点中。通常，NFN使用输入输出关系之间的精确匹配。因此，通常仅在兴趣分组的名称与经高速缓存条目的名称精确匹配时，才响应于兴趣而使用经高速缓存的计算结果。

附图说明

在附图中(这些附图不一定是按比例绘制的)，同样的数字可描述不同视图中的类似组件。具有不同的字母后缀的相同的数字可表示类似组件的不同实例。附图一般通过示例的方式而不是限制的方式来图示在本文档中所讨论的各实施例。

图1示出了根据实施例的用于实现对近似计算进行高速缓存的ICN组件的示例。

图2是根据实施例的兴趣分组的示例。

图3A-3B示出了根据实施例的用于ICN近似计算高速缓存的数据流的示例。

图4是根据实施例的用于ICN近似计算高速缓存的方法的示例。

图5示出了根据实施例的示例ICN。

图6是示出可在其上实现一个或多个实施例的机器的示例的框图。

具体实施方式

尽管兴趣分组中的名称与NFN中的计算结果之间的精确匹配通常符合ICN语义，但是当兴趣名称与结果的名称不同时，这可能会减少对兴趣而言有用的高速缓存结果的使用。例如，已经表明，对于许多流行的应用，诸如语音识别、对象检测(例如，从场景的图像)等，输入数据的相似度导致相似的计算结果。在这些情况下，输入相似度可以由时间相关性(例如，连续样本中存在相同的对象或声音)或空间相关性(例如，附近设备观察到的相似场景)引起。实际上，诸如此类的针对输入数据使用容错技术的应用是使用接近兴趣中所请求的计算结果的计算结果的候选对象。现有的ICN和NFN机制没有解决快速增长的基于推理的应用的这种“足够接近”的灵活性，如果新的输入数据(例如，由唯一名称表示)与先前的数据不完全匹配，则通常需要进行新的计算。因此，这些网络错过了重新使用近似计算的机会，从而在过程中导致了额外的计算开销或网络上不必要的通信量。

为了解决上述问题，可以将用于近似计算结果的高速缓存合并到ICN设备中。在此，高速缓存可以存储先前的计算结果，并基于输入与产生的结果的函数的相似度来提供兴趣匹配。此高速缓存的操作不同于标准ICN内容存储，因为ICN高速缓存其使用对兴趣分组名称的完全匹配。因此，具有近似计算结果高速缓存的ICN节点可以经由对ICN请求的精确匹配和对NFN请求的近似匹配来操作。