每周文章分享

2022.09.12-2022.09.18

01

研究背景

网络切片是即将到来的5G时代的理想网络架构。它允许网络操作员在一个通用的底层物理或虚拟网络基础设施上创建多个虚拟的端到端逻辑网络。每个分片逻辑隔离，包括网络设备、无线接入、传输和核心网，专用于不同类型的业务，具有不同的特点和需求。可以根据需要创建这些片，并具有独立的控制和管理。网络切片的实现，离不开网络功能虚拟化（NFV），NFV就是将传统的软件加专用硬件的形式改变成软件加通用硬件（x86服务器）的形式，虽然NFV的计算速度比不上专用硬件，但依然可以实现专用硬件的完整功能。NFV的另一个重要概念是虚拟网络功能（VNF），这是一种嵌入式软件，让物理设备的功能变成软件的形式提供服务，即通过软件实现的专用硬件功能。在核心网络（CN）中，物理资源被抽象出来，并分配给不同的虚拟机，VNF，通过彻底的虚拟化和灵活编排，提供差异化的端到端服务。

一个网络切片是核心网（CN）和无线接入网（RAN）功能的集合，通过配置来满足不同的业务需求，包括功能（即移动性、支持性和安全性）和交付性能（即吞吐量、可靠性和延迟）。在RAN切片中，每个基站的无线接入功能都被软件化，由启用了SDN的虚拟化控制器集中管理。SDN控制器决定分配给每个基站的无线电资源数量，以提高整体频谱利用率。并通过移动边缘计算（MEC）技术，在RAN内提供云计算能力和更接近终端用户设备或边缘的信息技术服务环境。

现有的基于SDN/NFV的核心网设计面临的主要挑战是异构资源的管理和编排。并且目前还没有从核心网和边缘计算的角度对5G驱动的车辆自组网（VANET）中针对定制业务的无线资源片优化方案进行研究。

02

关键技术

本文提出了一种综合网络切片框架，用于在5G驱动的网络中实现定制服务之间的端到端（E2E）QoS供应。本文所提出的方案使用SDN、NFV和边缘计算技术管理无线接入网（RAN）和核心网（CN）的合作。此外，本文通过提供超可靠性和低延迟的QoS供应，制定了动态无线电资源切片优化方案，该方案处理任务关键型应用和非任务关键型应用流量混合的情况。本文所提出的方案能够动态调整最佳带宽切片，并以保证目标性能的方式动态适应瞬时网络负载条件。

本文的主要贡献包括：

1）提出了一种综合的端到端网络切片框架，在满足5G驱动的车辆自组网（VANET）不同流量需求的同时，兼顾了RAN资源和CN资源，实现了定制化业务之间的QoS分配。

2）提出了一种动态无线电资源片优化方案，该方案可同时处理非关键任务和关键任务流量。并利用遗传算法（GA）解决了这一问题。通过查看资源弹性需求，对任务关键型和非任务关键型的总体带宽资源进行分割。

03

算法介绍

1. 框架模型

本文利用图1所示的NFV、SDN、虚拟RAN和边缘计算技术的概念为5G驱动的网络中的端到端网络切片构建了一个详细的框架。该框架分为三层，最上层是核心网，核心网的主要功能是统一数据、管理用户、网络能力开放、网络注册功能。中间层是接入网，接入网主要目的是使数据存储和计算能力部署于更靠近用户的边缘，从而降低了网络时延，可更好的提供低时延、高带宽应用。最下层是终端用户层，该层的作用主要是感知用户，终端接入，数据处理，数据传输。

图1 5G驱动的网络的端到端（E2E）网络切片框架

如图2所示，本文拟议的框架，为具有不同需求的服务创建专用切片，并取决于服务将虚拟化网络功能（VNF）放置在每个切片的不同位置（即EC或CN云）。

图2 端到端分片

本文提出的框架将允许网络运营商以最具成本效益的方式根据不同的服务级别需求定制切片。这是通过使用NFV将VNF放置在不同位置，并通过使用SDN实现单独的控制平面（CP）和用户平面（UP）来实现的。

本文的在边缘云和核心云上实现网络切片标准如下。

对关键任务切片：为了满足关键任务切片的关键性能指标（即超可靠和最低延迟通信），核心网的用户平面和控制平面的虚拟机和相关服务器都放置在边缘云中。切片分配按需执行，以满足超可靠性和最小化传输延迟。

对非关键任务切片：非关键任务切片是基于尽力而为的原则进行分配资源，即非关键任务切片资源使用剩余资源分配。核心网的用户平面和控制平面都保留在核心云上。一些需要由终端用户设备或车辆处理的任务将由位于边缘云的用户平面和控制平面虚拟机处理。

在分片完成后，需要完成边缘云和核心云的虚拟网络功能部署，该过程如图3所示。

图3 EC和CN云之间的E2E网络切片

第一步：SDN控制器接收来自终端用户应用请求的两个输入业务流。每个流需要配置不同的SFC（服务链）。其中服务链嵌入时将通过遍历的方式找到一条嵌入的路径。（SFC嵌入的原则是构建具有最小化底层物理资源的服务链，同时满足用户对于延迟的要求和不违反QoS要求）

第二步：对于每个业务流，SDN控制器按需创建VNF，包括图中的关键任务切片流VFL1和非关键任务切片流VFL2。这些任务流由一组传输链路L和一组路由器R传输。

第三步：对于每个切片，SDN将创建一个覆盖隧道。使切片能从边缘云到核心云连通。SDN控制器执行这些隧道与任务之间的映射。该过程可以通过当前可用的技术和标准，如L2/L3 VPN实施。

2. 问题描述

本文提出了一种多目标解决方案，该方案通过考虑每个切片的资源分配和最小化延迟来处理尽力而为流量和关键任务流量的混合情况。在云RAN中，该方案可以通过考虑资源弹性需求，对关键任务和非关键任务的总体带宽资源进行切片。

本文设定RRH为基站的集合，nRRH为RRH的数量，nBBUC表示BBU控制器的数量。同时使nBBUC≤nRRH。因此可以得出

3. 目标函数

为了处理任务关键型应用，需要满足某些QoS要求，如超可靠性和低延迟。因此，任务关键型切片的KPI是超可靠性（保证服务）和低延迟（最小化延迟）。

任务关键型资源快的主要目标函数为：

资源利用率（CAPutl）：本文通过平衡每个BBUC上的负载来保证服务。为了实现这一点，本文使用所有任务的平均需求和关键任务需求标准差判定是否负载均衡。目标函数为：

标准差越小，负载就越均衡。负载越均衡，服务可靠性就越高。最理想的情况是标准差等于零，也就是所有边缘云中的资源需求相同。

最小化延迟（min-delay）：延迟被认为与RRH和BBUC之间的前传网络距离成正比，而前传网络距离又与连接BBUC和RRH相关的成本有关。因此，目标函数为：

上述两个公式受到以下约束：

1）连接到BBUC的RRH需求之和必须小于或等于该BBUC可用链路资源

2）不能存在RRH被BBUC分配资源，但该BBUC并未被选中的情况

3）不能存在BBUC没分配给任何RRH资源，但该BBUC还是被选中的情况

4. 多目标函数的帕累托最优研究

对于多目标优化问题的最小化，本文通过设置两个目标函数的重要性权重进行帕累托优化研究。多目标函数为：

ω1和ω2是两个函数的权重，且ω1+ω2=1。权重从0到1变化，增量为0.05，并对每个集合模拟遗传算法10次，以产生可行的值集合的210个数据组合。这些数据点在图4中被绘制为散点图，并且与原点和轴具有最小距离的外围点被划界以找到帕累托最优前沿（由图4中的红色实现表示）。

图4 多目标优化的帕累托前沿

04

实验结果

1. 仿真设置

本文使用MATLAB用于运行多目标函数优化。在本文的模拟中，遗传算法运行两次，分别是对于关键任务和对于不同BBUC中可用剩余资源的非关键任务需求。设置最大前传距离d_fronthaul。光纤链路最大距离为40km，链路传播速度为200km/ms。微波链路最大距离为1.5km。链路传播速度为300km/ms。对于核心网络，本文考虑两个流，FL1和FL2表示两个SFC。本文根据服务需求（即任务关键型或非任务关键型），在V_EC处为流FL1和FL2设置不同的数据包大小。

2. 仿真结果

图5示出了在分配关键和非关键资源片之后每个BBUC的资源利用率。

图5 关键和非关键切片的组合资源利用率

每个条表示每个BBUC中的各种类型的用途。可以观察到BBUC1最大关键任务分配为54.7%，而BBUC3的最大非关键任务分配为66.7%。

图6示出了每个RRH到主动连接的BBUC的距离。理想情况下，这些距离将是优化后连接的最小可能距离。

 图6 RRH到BBUC的最优前传距离

可以从图中观察到，RRH 19和20是最远的RRH，在8km的前传距离下提供服务。

图7显示了RRH与BBUC的最佳前传连接。1表示连接，0表示未连接。

图7 RRH到BUUC的最优前传连接

为了分析任务关键切片的端到端延迟，本文首先确定RRH和BBUC之间的前传链路距离。延迟由往返时间（RTT）的度量表示。本文将不同链路传播速度下的端到端延迟结果与5G VANET架构进行比较。图8示出了任务关键切片在每个RRH处的最大端到端前传延迟。

图8 端到端延迟与 5G VANET 的比较

由于本文提出的切片框架的最大前传距离。RRH 19和RRH 20的端到端延迟将最大。图8显示出了RRH 19和20上的最大端到端延迟对于光纤链路1.2ms，对于微博链路是1.9ms。然而对比的5G VANET架构的最大端到端延迟为3ms（光纤链路）和3.3ms（微波链路）。

经过实验证明，本文提出的切片框架可以支持5G中关键服务的端到端延迟，可靠性高达99.99%。因此，本文提出的切片解决方案足以满足关键任务服务的KPI（即超可靠性和低延迟）。

05

总结

本文提出了一种端到端网络切片框架，通过考虑无线接入网和核心网，在5G驱动的网络中实现定制服务之间的期望QoS供应水平。通过支持SDN的NFV技术，本文提出的框架使用移动边缘计算技术将5G核心的一些服务分发到小区站点附近，并将其他服务集中处理，以满足所需的KPI水平。此外，本文在数学上制定了动态无线资源切片优化方案，以在5G驱动的VANET中实现关键任务和非关键任务的网络切片。并通过考虑资源弹性需求，使用遗传算法求解该解。本文所提出的切片框架实现了端到端可靠性的期望水平和任务关键流量的及时交付。仿真结果证明了本文所提出的5G网络切片框架的有效性。

扫描二维码关注我们