这篇文章提出了一种基于ICN的解决IOT网络能效问题的方案。
背景介绍
在IOT中energy effciency and memory effciency十分重要。而RAM由于其价格高、能耗大，所以我们需要减少RAM的数目或者减少他的使用时间。
解决能量消耗问题的方法一般都是如下几个方面的组合（在IP下）：
1.超低能耗硬件
2.MAC层的无线电轮转-减少空闲侦听 RDC
3.减少闲谈（无用的通信）的网络层协议避免进行广播和多播通信，如6lowpan
4.缓存的中心化，存储到云端或代理服务器
存在的问题
1.大规模场景下不适用，因为时延增长以及网络流控制规模大幅度增加，虽然已经有人提出方法解决，但是都没能够具体实现
2.在大部分场景下与云端或者代理服务器的连接是间歇性的，从而导致集中化缓存失败。
由于ICN可以很方便的管理IOT producer附近的分布式cache，所以可以让更多的node处于休眠状态。（为什么？）
ICN自身分布式缓存相对于以前的集中缓存具有优势
本文的contribution：
1.提出coca协议，使分布式合作缓存变为可能
2.在提出的协议NDN+COCA进行了大规模的实际实验，实际实验中200个节点，模拟实验中1000个节点
3.得出在利用内容名字以及休眠和NDN的缓存能力这一系列特征下，我们可以做到缩减百分之90的能耗。
4.提出了一种自动配置策略，能够自动配置NDN网络参数，来进行能量下好的节省。
IOT介绍
一、IOT网络结构
这里考虑一种单独的无线广播域，存在一个uplink，以及多个IOT设备，设备之间的连接速度慢，当uplink开启时，可以向各个节点广播兴趣包获得数据，如果节点没有休眠，就可以将数据返回给uplink。
二、 IOT硬件设备
这里设备的内存都非常小(kb)，具有超低功耗的CPU。存在两种模式，休眠模式和运行模式。
休眠模式中，所有的广播器件和CPU都处于休眠状态，通过一个外置的中断进行激活，例如通过传感器检测温度超过一个阈值等。
运行模式中，CPU和广播期间都运行，进行数据的监听和上传。注意在运行模式中也有可能使用RDC（轮班）机制进一步节省能量。
三、IOT逻辑结构
每个node连接多个sensor,sensor是数据源。。
由于不同node cache大小不同所以采用一种Cooperative Caching Side-Protocol的方式共享cache。
COCA: 通过link-local将新内容广播，active的节点收到不转发，根据cache策略决定是否cache。
可用性和能量权衡
这一部分主要讲NDN+COCA能够带来的提升。主要的性能度量有三个，
1.数据的多样性，sources产生的所有数据是否能够被uplink检索到
2.数据的新鲜度，即数据的时效性。
3.能量消耗，通过测量节点在休眠模式和活跃模式对应的消耗。E=∑statePstate·tstate
实现方面：为了实现COCA，对原有的NDN机制进行了微量添加
1.一个描述缓存存放以及替换策略的函数2.一个预处理兴趣包的函数3一个netapi用来修改PIT，在节点进入到休眠模式前。
试验中涉及到的策略：
随机缓存：每个活跃节点以一定概率缓存新内容。
替换策略： LRU，MDMR（Max Diversity Most Recent）（首先替换同样生产者这种较老的，再替换其他生产者中最老的，最后如果每一个生产者只有一个数据，就替换所有生产者中最老的。）
与IP网络比较
COCA也可以用在IP网络中，那么为什么用在NDN上相比IP有什么优势呢？
NDN+CoCa offers the key advantage of being able to reuse caching capabilities built in the (NDN) network stack. In comparison, an IP stack does not provide built-in caching capabilities, but still uses a large part of the RAM on low-end IoT devices (almost all of it, e.g. on IoT devices with 16kB of RAM or less).
意思大概就是NDN比IP RAM用得少。（emmmm）
IP协议栈所占内存较大
自动配置参数机制
.名字自动配置机制
要求：意义明显，独一无二。这里使用了两个API获取CPU硬件，以及所有连接的传感器的名字和类型，并加之以地理位置和一些组织特性来进行命名。
2.睡眠概率自动配置机制
通过n重伯努利实验，分别推导随机缓存和MDMR缓存下的数据获得期望来进行对比。并在下一部分通过实验证明，实际的数据可获得性与推导获得的期望值是相一致的。