Аналіз адаптивних стратегій кешування даних у тактичних інформаційних мережах
Анотація
З'ясовано, що забезпечення доступності критично важливих даних у тактичних мережах C4ISR за умов впливу засобів радіоелектронної боротьби (РЕБ) залишається невирішеною архітектурною проблемою розподілених систем реального часу. Проведене наше дослідження застосовує систематичний багатокритеріальний аналітичний апарат, заснований на формалізмі CAP-теореми, аналізі PACELC-компромісів та спеціально розробленій системі метрик живучості мілітарних систем – для порівняльного оцінювання трьох класів механізмів кешування даних: класичних алгоритмів витіснення кешованого об'єкта (LRU, LFU, ARC, W-TinyLFU), корпоративних платформ класу IMDG (англ. In-Memory Data Grid) та фреймворків тактичних граничних обчислень для середовищ типу DIL (англ. Disconnected, Interrupted, Low-Bandwidth). Виконаний аналіз алгоритмів витіснення кешованого об'єкта доводить, що класичні алгоритми демонструють системну "семантичну сліпоту" (semantic blindness) – нездатність розрізняти тактичний пріоритет даних спричиняє витіснення бойових наказів на користь фонової телеметрії; це явище формалізовано у роботі як "семантична катастрофа витіснення кешованого об'єкта". Встановлено, що IMDG-системи, що покладаються на протоколи консенсусу Raft та Paxos, функціонально паралізуються внаслідок фрагментації мережі: за рівня втрати пакетів понад 5 % (типовому за умов РЕБ) такі системи витрачають до 40 % пропускної здатності магістральних ліній на службовий трафік виборів лідера, блокуючи всі операції запису на ізольованих вузлах через CP-модель. Як наслідок, обидва підходи до управління пам'яттю не задовольняють вимогу AP-моделі (Availability + Partition Tolerance), аксіоматичну для тактичних командних пунктів. Запропоновано парадигму адаптивного кешування даних на основі динамічної цінності інформації DVoI (англ. Dynamic Value of Information) для подолання виявлених обмежень, а саме: тривимірну скорингову модель, що інтегрує семантичний ранг корисного навантаження (Sem), коефіцієнт деградації РЕБ (EW_factor) та місійний контекст (Mission), керовану чотирирежимним автоматом станів системи без зовнішнього мережевого консенсусу. Практичне значення роботи полягає у можливості застосування формалізованої системи оцінювання кеш-систем як складових мілітарних програм та на архітектурному кресленні DVoI, придатному для інтеграції у перспективні розгортання тактичних мереж C4ISR.
Завантаження
Посилання
Abadi, D. (2012). Consistency tradeoffs in modern distributed database system design: CAP is only part of the story. Computer, 45(2), 37–42. https://doi.org/10.1109/MC.2012.33
Baccelli, E., Mehlis, C., Hahm, O., Schmidt, T. C., & Wählisch, M. (2014). Information centric networking in the IoT: Experiments with NDN in the wild. Proceedings of the 1st ACM Conference on Information-Centric Networking, pp. 77–86. https://doi.org/10.1145/2660129.2660144
Bekas, B. O., Prots, A. M., & Hrytsiuk, Y. I. (2026). Software for isolated deployment of a web application in a containerized environment. Scientific Bulletin of UNFU, 36(3), 86–97. https://doi.org/10.36930/40360309
Brewer, E. A. (2012). CAP twelve years later: How the "rules" have changed. Computer, 45(2), 23–29. https://doi.org/10.1109/MC.2012.37
Dragojević, A., Narayanan, D., Nightingale, E. B., Renzelmann, M., Shamis, A., Badam, A., & Castro, M. (2015). No compromises: Distributed transactions with consistency, availability, and performance. Proceedings of the 25th Symposium on Operating Systems Principles, pp. 54–70. https://doi.org/10.1145/2815400.2815425
Einziger, G., Friedman, R., & Manes, B. (2017). TinyLFU: A highly efficient cache admission policy. ACM Transactions on Storage (TOS), 13(4), 1–31. https://doi.org/10.1145/3149371
Elsayed, K. S., Geyer, F., & Rizk, A. (2026). Optimizing TTL cache hierarchies under random delays: Direct methods and learning on graph transformations. Computer Networks, 280, article ID 112180. https://doi.org/10.1016/j.comnet.2026.112180
Fall, K. (2003). A delay-tolerant network architecture for challenged internets. Proceedings of the 2003 Conference on Applications, Technologies, Architectures, and Protocols for Computer Communications (SIGCOMM), pp. 27–34. https://doi.org/10.1145/863955.863960
Fenii, N. S., & Hrytsiuk, Y. I. (2020). Automation of the process of classification of text news from internet sites by neural network methods. Scientific Bulletin of UNFU, 30(4), 123–133. https://doi.org/10.36930/40300421
Gilbert, S., & Lynch, N. (2002). Brewers conjecture and the feasibility of consistent, available, partition-tolerant web services. ACM SIGACT News, 33(2), 51–59. https://doi.org/10.1145/564585.564601
Golen, E. F., Farroha, B. S., Farroha, D. L., & Yen, S. M. (2010). Value of information (VoI) for decision support in tactical networks. 2010 IEEE Military Communications Conference (MILCOM), pp. 1–6. https://doi.org/10.2165/11537370-000000000-00000
Kott, A., Swami, A., & West, B. J. (2016). The internet of battle things. Computer, 49(12), 70–75. https://doi.org/10.1109/MC.2016.355
Lewis, G. A., Echeverría, S., Simanta, S., & Bradshaw, B. (2014). Tactical cloudlets: Moving cloud computing to the edge. 2014 IEEE Military Communications Conference (MILCOM), pp. 1440–1446. https://doi.org/10.1109/MILCOM.2014.238
Li, P., Zhang, Y., Zhang, H., Wang, W., Xu, K., & Zhang, Z. (2023). A delayed eviction caching replacement strategy with unified standard for edge servers. Computer Networks, 230, article ID 109794. https://doi.org/10.1016/j.comnet.2023.109794
Lyu, Z., Zhang, Y., Yuan, X., Wei, Z., Fu, Y., Feng, L., & Zhou, H. (2024). Innovative edge caching: A multi-agent deep reinforcement learning approach for cooperative replacement strategies. Computer Networks, 253, article ID 110694. https://doi.org/10.1016/j.comnet.2024.110694
Mach, P., & Becvar, Z. (2017). Mobile edge computing: A survey on architecture and computation offloading. IEEE Communications Surveys & Tutorials, 19(3), pp. 1628–1656. https://doi.org/10.1109/COMST.2017.2682318
Maroun, E. J., Grotuzas, A., & Schoeberl, M. (2026). Shared caches for mixed-criticality 5G radio base station. Journal of Systems Architecture, 176, article ID 103808. https://doi.org/10.1016/j.sysarc.2026.103808
Podlipnig, S., & Böszörmenyi, L. (2003). A survey of web cache replacement strategies. ACM Computing Surveys (CSUR), 35(4), 374–398. https://doi.org/10.1145/954339.954341
Pruthvi, C. N., Vimala, H. S., & Shreyas, J. (2023). A systematic survey on content caching in ICN- and ICN-IoT: Challenges, approaches and strategies. Computer Networks, 233, article ID 109896. https://doi.org/10.1016/j.comnet.2023.109896
Reiss-Mirzaei, M., Ghobaei-Arani, M., & Esmaeili, L. (2023). A review on the edge caching mechanisms in the mobile edge computing: A social-aware perspective. Internet of Things, 22, article ID 100690. https://doi.org/10.1016/j.iot.2023.100690
Russell, S., Abdelzaher, T., & Kaplan, L. (2018). Internet of battlefield things (IoBT): Concept and architectural considerations. 2018 International Conference on Military Communications and Information Systems (ICMCIS), 1–7. https://doi.org/10.1109/ICMCIS.2018.8398701
Salo, M. F., & Hrytsiuk, Y. I. (2026). Web application for forecasting military needs based on analysis and monitoring of their humanitarian support. Scientific Bulletin of UNFU, 36(3), 45–61. https://doi.org/10.36930/40360305
Satyanarayanan, M. (2017). The emergence of edge computing. Computer, 50(1), 30–39. https://doi.org/10.1109/MC.2017.9
Shi, W., Cao, J., Zhang, Q., Li, Y., & Xu, L. (2016). Edge computing: Vision and challenges. IEEE Internet of Things Journal, 3(5), 637–646. https://doi.org/10.1109/JIOT.2016.2579198
Somuyiwa, S. O., György, A., & Gündüz, D. (2018). A reinforcement-learning approach to proactive caching in wireless networks. IEEE Journal on Selected Areas in Communications, 36(6), 1331–1344. https://doi.org/10.1109/JSAC.2018.2844985
Suri, N., Tortonesi, M., & Michaelis, J. (2015). Exploring value-of-information-based approaches to support effective communications in tactical networks. IEEE Communications Magazine, 53(10), 40–47. https://doi.org/10.1109/MCOM.2015.7295461
Suri, N., Tortonesi, M., Michaelis, J., Budulas, P., Benincasa, G., Russell, S., & Winkler, R. (2016). Analyzing the applicability of internet of things to the battlefield environment. 2016 International Conference on Military Communications and Information Systems (ICMCIS), 1–8. https://doi.org/10.1109/ICMCIS.2016.7496574
Tornell, S. M., Patra, S., Calafate, C. T., Cano, J. C., & Manzoni, P. (2015). DTN protocols for vehicular networks: An application oriented overview. IEEE Communications Surveys & Tutorials, 17(2), 868–887. https://doi.org/10.1109/COMST.2014.2375340
Torskyi, O. I., & Hrytsiuk, Y. I. (2025). Application of machine learning to enhance the efficiency of automated software testing. Scientific Bulletin of UNFU, 35(4), 142–49. https://doi.org/10.36930/40350416
Wang, S., Zhang, X., Zhang, Y., Wang, L., Yang, J., & Wang, W. (2017). A survey on mobile edge networks: Convergence of computing, caching and communications. IEEE Access, 5, 6757–6779. https://doi.org/10.1109/ACCESS.2017.2685434
Wang, Y., & Friderikos, V. (2022). Energy-efficient proactive caching with multipath routing. Computer Networks, 216, article ID 109272. https://doi.org/10.1016/j.comnet.2022.109272
Wang, Z., Chen, L., Chen, P., Zheng, Y., & Zhang, W. (2026). Joint caching-trajectory optimization for dynamic UAV-MEC networks: Context-aware game combined MADDPG. Computer Networks, 282, article ID 112267. https://doi.org/10.1016/j.comnet.2026.112267
Yates, R. D., & Kaul, S. K. (2012). Real-time status updating: Multiple sources. 2012 IEEE International Symposium on Information Theory Proceedings, pp. 2666–2670. https://doi.org/10.1109/ISIT.2012.6284003
Zhang, L., Afanasyev, A., Burke, J., Jacobson, V., Crowley, P., Papadopoulos, C., & Zhang, B. (2014). Named data networking. ACM SIGCOMM Computer Communication Review, 44(3), 66–73. https://doi.org/10.1145/2656877.2656887
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
