DOI: 10.11817/j.issn.1672-7207.2015.07.015

内容中心容迟网络中基于订阅时效的缓存管理机制

罗熹^{1, 2}，安莹³，黄家玮¹，王建新¹

(1. 中南大学 信息科学与工程学院，湖南 长沙，410083；

2. 湖南警察学院 信息技术系 湖南 长沙，410138；

3. 中南大学 信息安全与大数据研究院，湖南 长沙，410083)

摘要：基于用户兴趣的时效性对缓存管理决策有着极为重要的影响，将用户兴趣的有效时间运用到消息的丢弃决策中，并提出一种新的基于订阅时效性的缓存管理机制。该机制定义一个多属性的效用，从节点、数据消息和用户兴趣等多个角度综合决定消息的丢弃优先级。仿真结果表明：采用该机制所得消息到达率和分发速度大，网络开销小。

关键词：内容中心网络；容迟网络；订阅发布系统；缓存管理；拥塞避免

中图分类号：TG111.3             文献标志码：A         文章编号：1672-7207(2015)07-2487-07

Buffer management scheme in content-centric DTNs based on temporal validity of subscription

LUO Xi^{1, 2}, AN Ying³, HUANG Jiawei¹, WANG Jianxin¹

(1. School of Information Science and Engineering, Central South University, Changsha 410083, China;

2. Department of Information Technology, Hunan Police Academy, Changsha 410138, China;

3. Institute of Information Security & Big Data, Central South University, Changsha 410083, China)

Abstract: Considering that the temporal validity of user interest plays an important role in buffer management decisions, the validity duration of user interest in message dropping decision was applied and buffer management scheme based on a novel temporal validity was presented. In this scheme, a multi-attribute utility was designed to decide the dropping priority of messages from the standpoints of node, message and interest. The simulation results prove that the scheme has high delivery ratio and dissemination speed, and low overhead.

Key words: content-centric networks; delay tolerant networks (DTNs); publish/subscribe system; buffer management; congestion avoidance

移动、无线网络技术的快速发展极大地改变了分布式系统的应用范围和规模，使大规模的信息发布订阅(publish/subscribe)系统如股票与个性化新闻订阅系统、分布式拍卖系统、电子市场和电子商务等得到广泛应用^[1]。但由于网络拓扑的高动态性以及节点多样性等特征，传统的基于主机(host centric/host-to-host)的通信方式已无法满足大规模、异步和多点松散通信的需求。在发布订阅系统中，网络用户往往仅关心数据的内容而非内容存放的具体位置。Jacobson等^[2]提出了内容中心网络(CCN，content centric networking)的概念，以发布订阅方式代替传统的端到端通信方式。它将网络看成是数据内容的源，通信的参与者仅需根据自己的兴趣连接到相应的内容空间来获取数据，而无需预先建立源端和目的端的连接以及其他先验知识。通常CCN中包含2种类型：一种是订阅兴趣(interest)，用于描述节点感兴趣的数据类型；另一种是数据消息(data)，它包含了实际的数据内容，发布者产生数据消息而无需知道消息订阅者的具体信息；另一方面，订阅者通过合适的订阅信息描述他们的订阅兴趣。在通信过程中，订阅者向网络中广播他们的兴趣分组来订阅相应的内容。任何收到该订阅兴趣并拥有相应数据内容的节点都将予以响应，返回对应的数据分组。网络将数据消息向感兴趣的订阅节点交付的过程是基于内容而非节点的地址。当2个节点相遇时，双方首先交换彼此的订阅兴趣，若节点缓存中存在匹配兴趣的数据内容，则进行相应的数据交换。此外，若与之相遇的另一节点对某个消息不感兴趣，但具有比当前节点更高的可能性完成消息交付，当前节点也会将该消息推送给对方，选择其作为消息的转发节点。通过对消息的发布者(publisher)和订阅者(subscriber)在时间和空间上的解耦^[3]，这种通信方式具有更好的网络扩展性及对动态网络的适应性，这使得它同样适用于延迟容忍网络(DTNs)的间歇性连通的动态网络环境。这种通过以内容为中心的发布订阅方式进行内容/服务访问的间歇性连通网络称为内容中心的延迟容忍网络(content centric delay/ disruption tolerant networks, CCDTNs)^[4]。在CCDTNs环境下，节点间往往缺乏稳定的端到端路径，消息的发布者和订阅者可能无法确切知道对方存在，因此，该类网络中通常采用存储—携带—转发机制，利用节点间机会性的接触完成消息的交换，并通过多副本路由方式来提高消息的到达率。但随着网络规模的不断扩大，订阅、发布的消息数量急剧膨胀，使得节点资源消耗迅速增加，从而导致网络拥塞发生，因此，消息丢弃机制是实现拥塞避免的一种必要手段。在现有的丢弃策略中，丢弃决策通常依据节点的接触范围、消息的传播程度或订阅节点的数量等测度，主要从节点或数据消息的角度来考虑丢弃消息的选择问题。然而，一些与用户兴趣相关的重要因素如用户兴趣的有效时间往往被忽略。实际上，用户兴趣的持续时间可能各不相同。这就是说，对某个消息的订阅信息也有生存时间，超过该时间，用户就会失去对该类消息的兴趣而不再订阅。本文提出一种基于订阅时效性的缓存管理机制(temporal validity based buffer management, TVBBM)。该机制从节点、数据消息以及用户兴趣相关特性的角度来选择合适的消息进行丢弃。通过对现有丢弃策略所使用的常用测度的分析，设计一个新的综合效用，称为丢弃效用(dropping utility)。该效用函数的计算不仅考虑了消息订阅量、消息的转发次数以及节点的接触历史信息，更重要的是考虑了节点兴趣的时效性对消息交付的影响，将节点兴趣的有效时间作为效用计算的重要参数。该效用可以从节点自身的角度反映各消息的携带价值，从而在拥塞发生时以此确定消息的丢弃顺序，避免拥塞。

1  相关工作

容迟网络中的数据分发往往通过复制的方式来实现。利用节点间机会性的接触，通过同一消息的多个副本在多条路径上的传输增加消息的传播机会，克服链路连接不稳定造成的消息到达率不高的缺陷，然而，这同时也增加了资源消耗，从而引发网络拥塞。当节点缓存不足以容纳新到达的消息时，必须通过有效的缓存管理机制来选择消息进行丢弃以释放缓存空间，避免缓存溢出。目前，许多研究人员针对延迟容忍环境下的缓存管理机制进行研究，而这些工作的重点主要集中在采用什么测度或标准来对丢弃的消息进行最合理的选择。现有的丢弃策略中采用的测度大多依据节点或消息的相关特征，据此，将这些测度分为2类：节点相关的测度和消息相关的测度。

1.1  节点相关的测度

部分消息丢弃策略依据节点状态的相关测度选择丢弃行为，因此，将这一类测度称为节点相关的测度(node-related metrics)。典型节点相关的测度包括以下内容。

1) 节点接触历史。在机会社会网络中，节点间的接触往往具有一定的社会性。Sammou等^[5-8]提出了许多基于节点接触历史的路由算法，通过统计节点的相遇频率、接触范围等信息来确定消息的转发顺序。然而，它很少应用于消息丢弃决策中。直觉上，1个与某消息的目的节点相遇概率低的节点在今后一段时间内携带该消息完成消息交付的概率也很小，因此，本文考虑将节点的接触历史应用于消息丢弃算法的设计中。

2) 流行度。在内容中心网络环境下，数据是根据用户兴趣(订阅信息)来进行分发的。消息的流行度被定义为网络中对该消息感兴趣的节点数量即该消息订阅节点的数量，它反映了网络用户对某类特定内容的需求程度。Bjurefors等^[9]提出了2种基于流行度的消息丢弃算法：一种是DMI(drop most interested)，选择流行度最高的消息予以丢弃。该算法为订阅节点数量少的消息提供了更多的转发机会，有利于保持网络中消息的多样性，但对消息的整体到达率有一定的负面影响；另一种算法是DLI(drop least interested)，与DMI相反，它选择丢弃流行度最低的消息。然而，该机制可能导致那些订阅节点数少或关注度低的消息消亡。

3) 队列输入/输出速率。节点的队列长度体现了网络通信量负载情况，然而，该测度具有一定的滞后性，无法实时地反映网络的拥塞变化趋势。Burleigh等^[10]提出一种基于规则的自治拥塞控制机制(ACC)。该机制利用队列的输入/输出速率来评估接收新消息的风险值，据此作出消息的接纳决策。尽管队列输入/输出速率能实时地捕捉网络的拥塞状态，但它无法用于选择丢弃消息的决策。

1.2  消息相关的测度

消息相关的测度指与数据消息自身属性相关的测度，如时间顺序、消息的副本数量及生存周期等。在现有研究中，这类测度主要包括以下内容。

1) 副本数量。由于存储资源有限，消息的复制容易导致拥塞，因此，实现拥塞避免的关键之一是控制消息的副本数量。消息副本的数量可以反映网络中数据分发的深度和广度。Bjurefors等^[9]提出的DMF(drop most forwarded)算法在缓存不足时选择丢弃具有最大副本数的消息。这不仅可以释放缓存空间，缓解局部拥塞，而且能避免消息的过度复制。然而，在容迟网络中很难获得像消息副本数量这样的网络全局信息。因此，现有的研究中该测度往往利用本地节点统计的消息转发次数来近似表达。Krifa等^[11-13]还提出其他典型的基于副本数的丢弃算法。

2) 消息的到达时间。采用这一测度的丢弃策略主要根据消息进入缓存队列的时间先后来确定消息的丢弃顺序，如Lindgren等^[14]提出的DL(drop last)和DF(drop front)算法。前者选择最近到达的消息进行丢弃；而后者则相反，越早进入队列的消息越先被丢弃。

3) 消息生存时间(TTL)。不论数据分发方式如何不同，消息的交付都必须在其TTL之内完成。剩余生存时间在一定程度上反映了该消息的转发机会。Lindgren等^[14]中提出的DY(drop youngest)和DO(drop oldest)就是基于消息生存时间的丢弃策略的典型代表。其中，DY认为消息的剩余生存时间越长，其可能得到的转发机会越多，因此，节点应该优先丢弃剩余生存时间最长的消息而尽可能地为剩余生存时间短的消息提供更多的转发机会；而DO则认为剩余生存时间越短，在该消息过期之前完成交付的可能性也就越小。因此，选择缓存中剩余生存时间最短的消息予以丢弃以节省资源。

1.3  用户兴趣的时效性

除了以上提到的测度外，用户兴趣的时效性也是一个对于丢弃决策很有意义却往往被忽略的重要因素。在现有研究中，通常假设用户兴趣是长期不变的。然而，实际上，用户对某类事件的订阅可能只会持续一段时间，即用户兴趣同样具有不同的有效时间，超过该时间，兴趣可能发生变更而失效。例如，1个音乐迷对音乐有着长期兴趣，但对于篮球比赛可能仅在某些时候发生短期兴趣。另外，手机用户有可能花几十分钟在视频网站上搜索感兴趣的视频，但是他们在手机上的注意力集中时间没有那么长。若用户在数分钟内无法获得并观看其想要的内容，他们就会对此失去兴趣。因此，数据在用户失去兴趣后才到达是没有意义的。为此，假设每个用户兴趣均具有一个特定的有效时间，并称其为订阅时间(subscription period)。类似于基于消息生存时间的消息丢弃策略，剩余订阅时间越短的消息在将来一段时间内完成交付的概率也会越低。因此，当节点缓存不足时，丢弃策略应该考虑消息的订阅期限，优先丢弃那些剩余订阅时间最短的消息。

针对CCDTNs中发布订阅通信方式的特点，本文提出一种基于订阅时效性的缓存管理机制。该机制在综合使用多个与节点和消息相关的测度基础上，进一步考虑了用户兴趣的有效时间，进而设计了一个丢弃效用。节点将自治地计算每个消息的丢弃效用值，并优先丢弃效用值最高的消息以避免缓存溢出。

2  TVBBM机制

2.1  效用的计算

影响缓存管理决策的因素并不是单一的。为了产生更合理的决策，实现网络性能的优化，定义了一个多属性的效用来选择合适的消息进行丢弃。

第1个效用属性是消息的转发次数。令M_i表示满足兴趣i的数据消息，f_i为M_i的转发次数。在初始状态下，所有消息的转发次数设为1。消息每被转发1次，其转发次数就相应加1。当采用多副本机会转发机制时，该属性在某种程度上反映了该消息在网络中的副本数量。而丢弃副本数多的消息显然比丢弃副本数少的消息对到达率的影响更小。

第2个属性是消息的流行度。假设兴趣i的订阅者集合为S_i={s_i1, s_i2, …, s_ik , …}，那么，消息M_i的流行度可以表示为S_i的基数，即集合S_i的成员个数，记为p_i。为了保持消息的多样性，避免某些冷门消息因丢弃而消亡，具有最高流行度的消息应被优先丢弃。

第3个属性是接触比例，它被定义为某消息的所有订阅节点中，与当前节点相遇的订阅节点所占的比例。从消息的角度来说，与消息订阅节点的接触比例越大的节点越适合作为中继节点来携带该消息。因为这个节点更有可能与对该消息感兴趣的订阅节点相遇，完成消息的交付，从而达到更高的消息到达率。因此，节点应优先丢弃与其订阅节点接触比例最小的消息。假设在一段时间内，对匹配兴趣i的消息感兴趣的订阅节点中与当前节点相遇的节点数量为c_i，表示其接触比例，则

                  (1)

最后，将消息的剩余订阅时间作为第4个效用属性，并赋予剩余订阅时间更短的消息以更高的丢弃优先级。假定sub_ik表示集合S_i中由第k个订阅节点产生的对匹配兴趣i的消息的订阅信息，T_ik表示sub_ik的订阅时间，R_ik则代表其剩余订阅时间。那么，sub_ik的剩余订阅时间比可以表示为

                 (2)

由于在多对多的通信方式下可能存在多个对同一类型消息感兴趣的订阅节点，并且它们的订阅时间也可能完全不同，一般的方法是计算各个订阅者剩余订阅时间比的平均值来评价兴趣有效时间。然而，前节点与各订阅节点之间可能具有不同的接触频率，而接触频率反映了节点间联系的紧密程度。与当前节点接触频率越高的订阅节点，其剩余订阅时间在平均值计算中所占的比例就越大，因此，简单的算术平均是不合适的。本文采用各节点剩余订阅时间比例的加权平均值来表示该效用属性。其权重由各订阅节点与当前节点的接触频率决定。

假定当前节点与第k个订阅节点的相遇次数为n_k，则各节点剩余订阅时间比例的加权平均值可由

                (3)

计算得到。因此，M_i的丢弃效用的计算公式为

       (4)

2.2  算法设计

当新消息到达时，TVBBM处理消息的具体过程如下。

1) 首先，节点将检查所有消息(包括新到的消息以及存储于缓存中的其他消息)的TTL，所有过期的消息都将立即丢弃。

2) 若新到达的消息并未过期，同时节点缓存较充足，则接收该消息。

3) 若新到达消息未过期但节点缓存不足，则节点将根据式(4)计算各消息的丢弃效用值，然后选择效用值最高的消息进行丢弃。

3  性能评估

3.1  实验环境

使用赫尔辛基大学开发的ONE (opportunistic networking environment)^[15] simulator进行仿真实验。将TVBBM与DMF(drop most forwarded)，DMI(drop most interested)及RANDOM的消息丢弃机制进行比较。TVBBM算法的优势主要是利用消息的订阅时间来辅助消息丢弃的决策。为了定量研究使用该测度的优点，在实验中增加1个不考虑消息订阅时间的简化算法即TVBBM*作为另一个比较对象。同时，对于实验中使用的路由协议，分别采用DTN环境下2种最具代表性的路由算法：Epidemic^[16]和Prophet^[6]。选择以下3个主要的性能指标来评估上述机制的优劣。

1) 消息到达率。单个消息的到达率指成功接收了某个消息的订阅节点数量占该消息订阅节点总数的比例。网络中总的平均消息到达率即为各消息到达率的平均值。

2) 消息分发速度，指给定时间内网络中成功到达的消息数。

3) 网络开销，指消息成功到达其订阅节点所需的平均转发次数。

采用的仿真场景具体如下：125个节点被分成6组在1个4 500 m×3 400 m的区域内移动，节点的运动采用ONE 默认的基于赫尔辛基城市地图的移动模型。节点通信范围为0~100 m，数据传输速率为2 MB/s。其中，第1和第2组节点代表步行者，其移动速度为1.8~5.4 km/h；第3和第4组节点代表汽车，移动速度为10.0~50.0 km/h；最后2组为有轨电车，移动速度为25.0~36.0 km/h。

在仿真过程中，每个节点各拥有3类不同的兴趣并能周期性地生成2类不同的数据消息。节点兴趣以及消息的类型均从1个容量为100个的主题池中以随机方式选出。仿真时间为12 h，节点每隔25～35 s生成1个100 Kb的消息，消息的TTL为6 h。此外，用户兴趣在仿真过程中可能过时，其有效时间服从  [0.5, 6.0] h区间上的均匀分布。消息只有在其订阅节点的订阅时间内到达才算作1次成功交付。

3.2  仿真结果及分析

3.2.1  消息到达率

图1所示为节点缓存量为10 MB时，各消息丢弃机制获得的消息到达率。由于TVBBM机制在消息丢弃决策时全面地考虑了多个相关因素，因此取得了最佳的效果。以使用Prophet路由协议的场景为例，TVBBM的到达率比TVBM*，DMF，DMI和RANDOM分别高4.0%，10.4%，18.5%和13.0%，这也证实了将消息订阅时间作为决策依据的有效性。各机制下的消息到达率随节点缓存容量变化的情况如图2和图3所示。从图2可见：在使用Prophet路由协议时，所有的5种丢弃机制在节点缓存容量较小时的到达率均较低；随着缓存的增加，各机制的消息到达率随之增加，同时TVBBM的优势越明显。DMF选择丢弃转发次数最多的消息，避免了消息的过度复制并为流行度低的消息提供了相对公平的传输机会。而DMI选择了最感兴趣的消息进行丢弃，但是，订阅节点数量最多的消息不一定是复制次数最多的消息。有时，DMI可能丢弃一个流行度高但副本数很少的消息，从而在一定程度上影响了它的消息到达率，因此，DMF的到达率略比RANDOM的高，而DMI获得的到达率最低。图3所示为采用Epidemic路由协议时的到达率，得到了与图2所示相似的结果，只是消息到达率稍比图2中的低。这主要是两者所采用的转发策略不同造成的。Epidemic路由协议采用了简单的洪泛的方式进行消息转发，而Prophet路由协议则仅将消息转发给更有可能完成消息交付的节点。因此，在缓存资源有限的情况下，这5种丢弃机制在采用Prophet路由协议时的到达率略比采用Epidemic时的高。

图1 各丢弃机制在10 MB缓存下的消息到达率

Fig. 1  Delivery ratio of each scheme in 10 MB buffer

图2  Prophet路由协议下消息到达率与缓存变化的关系

Fig. 2  Relationship between delivery ratio and varied buffer size under Prophet scenario

图3  Epidemic路由协议下消息到达率与缓存变化的关系

Fig. 3  Relationship between delivery ratio and varied buffer size under Epidemic scenario

3.2.2  消息分发速度

图4和图5所示为以上5种丢弃机制的累积到达率与平均延迟的关系。通常，消息的转发次数越多，说明它停留在网络中的时间越长，因而，DMF丢弃转发次数最多的消息也就意味着剩余TTL更长的消息将得到优先的转发机会，因此，DMF获得了比DMI和RANDOM更短的到达延迟。而TVBBM*和TVBBM在丢弃消息的选择时，不仅考虑了消息的转发次数，而且综合了消息的流行度以及节点接触历史信息，为交付概率高的消息提供了更多的转发机会，因此，显著地提高了转发效率，同时，分发速度也明显比其他3种机制的高。此外，由于进一步考虑了消息的订阅时间，TVBBM赋予剩余订阅时间更长的消息和更高的转发优先级，因此，它获得了最快的消息分发速度。由图4和图5可知：在相同时间内，TVBBM完成了最多的消息交付。以图4为例，当平均延迟达到3 000 s时，TVBBM成功地交付了70%的消息，分别超过同时刻TVBBM*，DMF，ANDOM和DMI交付比例的4.4%，10.8%，18.5%和23.6%。

图4  Prophet路由协议下10 MB存时累积消息到达率与平均延迟的关系

Fig. 4  Relationship between cumulative delivery fraction and average delay in 10 MB buffer under Prophet scenario

图5  Epidemic路由协议下10 MB缓存时累积消息到达率成平均延迟的关系

Fig. 5  Relationship between cumulative delivery fraction and average delay in 10 MB buffer under Epidemic scenario

3.2.3  网络开销

由于缓存资源受限，节点不得不丢弃某些消息以避免缓存溢出，并通过重传来确保较高的消息达到率，因此，完成消息的交付所需的平均转发次数反映了各机制消息分发的网络开销。Prophet和Epidemic路由协议下不同缓存时的网络开销分别如图6和图7所示。从图6和图7可见：随着缓存容量增加，为消息提供了更多的存储空间，这导致消息丢弃和重传减少，因而各机制的开销比逐渐降低；TVBBM综合考虑了多个相关因素，选择丢弃效用最高的消息进行丢弃，有效地减少了由于丢弃而造成的消息重传，从而以最少的转发完成了消息交付。从图6可见：在节点缓存为10 MB时，TVBBM平均经过3.44次转发完成消息的交付，转发次数比TVBBM*，DMF，RANDOM和DMI分别降低约2.47%，10.88%，14.21%及18.48%。Epidemic路由协议下不同缓存时的网络开销得到了与Prophet路由协议相似的结果。然而，由于Prophet具有选择性的转发策略，它更好地控制了资源的消耗，因此，Prophet路由下各机制的开销略低于采用Epidemic路由时的开销。

图6  Prophet路由协议下不同缓存时的网络开销

Fig. 6  Overhead with varied buffer sizes under Prophet scenario

图7  Epidemic路由协议下不同缓存时的网络开销

Fig. 7  Overhead with varied buffer sizes under Epidemic scenario

4  结论

1) 用户兴趣的时效性是一个非常重要的影响因素，消息丢弃策略中将其作为相关的测度有利于决策的优化。为此，考虑了节点、消息的有关特性以及用户兴趣的时效性，提出了一个基于订阅时效性的缓存管理机制即TVBBM。

2) 与其他机制相比，TVBBM机制获得了较高的消息到达率、较快的消息分发速度以及较小的网络开销比。

参考文献：

[1] Bulut A, Singh A K, Vitenberg R. Distributed data streams indexing using content-based routing paradigm[C]// Proceedings of 19th IEEE Int Parallel and Distributed Processing Symposium (IPDPS05). NJ: IEEE, 2005: 94-95.

[2] Jacobson V, Smetters D K, Thornton J D, et al. Networking named content[C]// Proceedings of the 5th International Conference on Emerging Networking Experiments and Technologies. New York: ACM Press, 2009: 1-12.

[3] Eugster P, Felber P, Guerraoui R, et al. The many faces of publish/subscribe[J]. ACM Computing Surveys, 2003, 35(2): 114-131.

[4] Nguyen A D, Senac P, Diaz M. STIgmergy Routing (STIR) for content-centric delay-tolerant networks[C]//Proceedings of Latin-American Workshop on Dynamic Networks (LAWDN). 2010.

[5] Sammou EI M, Abdelmounaim A. Rouring in delay tolerant networks (DTN) improved routing With Prophet and the model of transfer by delegation (Custody transfer)[J]. International Journal of Computer Networks, 2012, 4(6): 240-248.

[6] Ayub Q, Zahid M S M, Rashid S, et al. Threshold based locking routing strategy for delay tolerant network[J]. Wireless Networks, 2013, 19(8): 2067-2078.

[7] 刘耀, 王建新, 黄元南. 延迟容忍网络中基于社会属性的负载感知路由[J]. 系统工程与电子技术, 2012, 34(1): 185-190.

LIU Yao, WANG Jianxin, HUANG Yuannan. Social-based load aware routing in delay tolerant networks[J]. Systems Engineering and Electronics, 2012, 34(1): 185-190.

[8] Lin K C J, Chen C W, Chou C F. Preference-aware content dissemination in opportunistic mobile social networks[C]// Proceedings of the IEEE INFOCOM’12. Piscataway, NJ: IEEE, 2012: 1960-1968.

[9] Bjurefors F, Gunningberg P, Rohner C. Congestion avoidance in a data-centric opportunistic network[C]// Proceedings of the ACM SIGCOMM work-shop on Information-centric networking (ICN’11). New York: ACM Press, 2011: 32-37.

[10] Burleigh S, Jennings E, Schoolcraft J. Autonomous Congestion Control in Delay-Tolerant Networks[C]// Proceedings of 9th International Conference on Space Operations. 2006: 70-79.

[11] Krifa A, Barakat C, Spyropoulos T. Message drop and scheduling in DTNs: Theory and Practice[J]. IEEE Transactions on Mobile Computing, 2012, 11(9): 1470-1483.

[12] Naves J F, Moraes I M, Albuquerque C. LPS and LRF: Efficient buffer management policies for delay and disruption tolerant networks[C]// Proceedings of the 37th Conference on Local Computer Networks (LCN’12). 2012: 368-375.

[13] Elwhishi A, Ho P, Naik K, et al. A novel message scheduling framework for delay tolerant networks routing[J]. IEEE Transactions on Parallel and Distributed Systems, 2013, 24(5): 871-880.

[14] Lindgren A, Phanse K S. Evaluation of queuing policies and forwarding strategies for routing in intermittently connected networks[C]// Proceedings of the 1st International Conference on Communication System Software and Middleware (COMSWARE). Delhi, India: IEEE Computer Society, 2006: 1-10.

[15] T. The ONE simulator for DTN protocol evaluation[C]// Proceedings of the 2nd International Conference on Simulation Tools and Techniques. Brussels: ICST, 2009: 1-10.

[16] Vahdat A, Becker D. Epidemic routing for partially connected ad hoc networks[R]. Durham NC: Duke University. Department of Computer Science, 2000: 1-14.

(编辑  陈灿华)

收稿日期：2014-08-10；修回日期：2014-10-21

基金项目(Foundation item)：国家自然科学基金资助项目(60873265)；国家高技术研究发展计划(863计划)项目(2009AA112205)；国家自然科学基金创新群体科学基金资助项目(70921001)；湖南省科技计划项目(2012FJ3045) (Project(60873265) supported by the National Natural Science Foundation of China; Project(2009AA112205) supported by the National High Technology Research and Development Program(863 Program) of China; Project(70921001) supported by the National Natural Science Foundation of Innovation Groups; Project(2012FJ3045) supported by Plan Program of Science and Technology of Hunan Province)

通信作者：安莹，博士，从事延迟容忍网络拥塞控制等研究；E-mail: anan1428@163.com