随着互联网用户需求的不断增长,当前网络流量增长的速度超过了硬件性能提升的速度,同时用户间内容转发带来了大量重复流量。TCP/IP在移动性、可扩展性及安全性方面,也有很多弊端。信息中心网络作为一种新型网络架构,利用网内缓存,能有效解决这些问题。本文重点研究信息中心网络中的时延优化问题,提出一种基于社交感知的节点排序算法的信息中心网络缓存策略(Socially-aware NodeRank-based Caching Strategy for Information-Centric Networking,SNCS)。它是基于节点对社交区域用户重要性,通过将缓存副本放在合适的位置,提升缓存命中率,降低内容获取时延。在缓存位置选取时,考虑到当前网络变为社交导向的网络,社交链接对网络分发性能有直接影响,因此将网络的社交属性加到网络流量模型中。SNCS利用网络的社交属性和图谱物理属性,通过社区探测算法,将网络划分为多个社交自治域(social Autonomous Sections,sociAS )。在每个自治域中找到起关键作用的节点。为了判断区域内节点的重要度,本文基于“邻居节点的重要度高,则该节点重要度也高”的思想,强调节点在整个网络中的价值,提出了一种新的节点排序算法NodeRank。算法根据周围节点的重要性和自身节点的社交属性构造矩阵,得到NodeRank特征向量,特征向量中的每个元素代表社交小区内节点的评分,评分最高的节点为关键节点。关键节点会将热度较高的内容主动推送给周围的邻居节点。同时,网络中的缓存副本会存放在各个社交小区的关键节点以及路径上的评分较高的节点,实现路径内和路径外的缓存,缓存在空间分布上更加合理。为了实现SNCS缓存策略通信过程,本文设计了新的包结构和请求响应过程,并通过SociaICCNSim平台进行仿真。仿真结果表明,SNCS在缓存命中率、缓存命中距离、平均下载时延和服务端负荷下降率方面都有较好的性能。和传统缓存策略不同的是,SNCS加入了社交属性以及新的节点重要度评价算法,使得缓存策略具有社交感知和内容感知特性,降低了内容获取时延。