M-CORD下无线接入网络资源分配研究

王楚捷，王好贤

哈尔滨工业大学 信息与电气工程学院，山东 威海 264209

1 引言

CORD（Central Office Re-Architected as a Data Center，将局端机房重构为数据中心）将软件定义网络（Software Defined Network，SDN）、网络功能虚拟化（Network Function Virtualization，NFV）和弹性云服务（Cloud）结合在一起，利用开源软件和白盒设备构成的商业构建块来搭建基础设施，通过软件平台实现新服务的快速部署和弹性可扩展的能力，构建低成本和高灵活性的网络[1-4]。针对不同的应用场景和需求，CORD具体分为面向住宅用户的R-CORD、面向企业的E-CORD以及面向移动用户的M-CORD。

M-CORD将CORD开放框架与当前的移动蜂窝网络相结合，将传统网络中的专用设备解耦并虚拟化为商业硬件和开源软件，来构成灵活的服务驱动环境，实现对用户实时需求的快速响应。

其中，无线接入网（Radio Access Network，RAN）被解耦并虚拟化为部署在小小区中大量低成本的简单可编程的射频拉远头（Remote Radio Head，RRH）以及运行在商业服务器上的虚拟基带处理单元（Virtual Base Band Unit，vBBU）。利用云计算技术，在vBBU中进行集中信号处理[5]。RRH负责在远端将基带光信号转成射频信号放大传送出去。RRH和vBBU之间通过前传网络连接[6]。与传统无线接入网络不同，RRH不属于任何一个固定的BBU，每个RRH上发送或接收的信号的处理都可以在任何一个虚拟的基带处理单元vBBU内完成。

RAN的资源动态分配及优化是M-CORD关键技术之一。目前已经提出了多种资源分配算法[7-12]。文献[7]提出了网络虚拟化底层，将切片调度器集成到基站的调度组件中，来管理不同服务提供商之间的资源切片和共享。文献[8]提出了一种动态灵活的切片方案，可以有效地将LTE系统物理资源块分配给不同的服务提供商，并保证不同服务的公平性。但是文献[7]侧重于单个基站中的资源虚拟化，文献[8]也只侧重于单个小区的物理资源块分配，都不能直接扩展到具有密集部署的RRH的无线接入网络中。文献[9]提出了在多小区LTE系统中的切片调度方案，并考虑了服务速率的要求，但没有利用前传网络传输，不适用于M-CORD架构下解耦的无线接入网络。文献[10]和[11]设计了一种考虑前传网络容量约束的资源分配和优化机制。文献[10]推导了动态资源优化公式，最大限度地提高能量效率和队列稳定性约束。文献[11]基于信道和队列状态，为上行链路传输设计了一个前传网络分配策略，通过制定随机优化问题来最小化平均延迟。但是文献[10]和[11]都是在静态的条件下考虑分配策略，没有考虑实际情况中用户的移动特性。文献[12]综合考虑了前传网络容量约束和用户移动特性，推导出了动态资源优化公式，并提出基于增量的贪心分配算法求得次优解。但是M-CORD架构将传统的电信端局重构为数据中心，数据中心的服务器拥有的计算资源是有限的，数据流的准入控制也应当纳为资源分配过程的一部分，因此该算法并不适用于M-CORD架构。

在M-CORD中，网络运营商为每个服务提供商创建虚拟网络（VN），虚拟网络由多个虚拟的RRH（vRRH）以及用于实例化服务的虚拟机（VM）组成。如图1所示，每个vRRH可以映射到无线接入网中的真实RRH，不同服务的vRRH可以映射到相同的真实RRH中，并共享该RRH的可用资源。RRH上传数据分组后，CORD平台立即启用调度算法，确定分配给每个vRRH的信道资源量，根据业务负载智能地创建vBBU，并为vBBU分配计算资源，对数据进行处理。之后，每个服务提供商在其相应的VN中执行资源调度和数据传输。直到下一次资源分配之前，为每个服务创建的VN都保持不变。并且SDN控制器可以通过OpenFlow交换机与vBBU进行实时通信来感知RAN的状态信息，包括资源分配、用户信息、相邻小区之间的切换信息和RAN的拓扑信息等来管理无线接入网络，根据用户的移动条件改变RRH与BBU之间的连接[13-15]。

图1 M-CORD无线接入网络场景示例

在资源分配过程中，不仅要考虑前传网络容量约束、服务速率要求和用户的移动特性，还要针对M-CORD架构特点，考虑不同服务之间的隔离性以及数据中心服务器的计算资源限制。因此，本文对基于增量的贪心分配算法做了适当改进，将数据中心的计算资源限制融入算法之中，使其能够有效地在M-CORD架构下进行动态资源分配及优化。

2 资源分配算法

服务提供商将其订阅用户的QoS要求发送给网络运营商，网络运营商利用SDN控制器获取用户信息、网络拓扑，从而对用户进行准入控制、接入决策和资源分配，为入网用户创建可以保证用户QoS的VN。

为便于阅读，表1和表2显示了算法中的常用变量。将所有的RRH集合表示为M，系统的可用频谱被划分为具有相等带宽B的N个正交信道，令N={1,2,…,N}表示信道集合。系统按照时隙划分，一个用户在一个时隙期间只能从某一个RRH访问某个特定信道，一个RRH上的一个信道在同一时隙最多只能分配给一个用户。不同的用户可以通过时分复用共享相同的信道，不同的RRH之间可以进行信道复用。设T为资源共享周期，每T个时隙执行一次资源分配处理，cj,k∈{0,1}为信道分配变量，若信道k∈N分配给了RRH j∈M，则cj,k=1，反之，cj,k=0。

2.1 考虑因素

2.1.1 位置预测

在一个资源共享周期开始时，网络运营商会执行资源需求估计。但是若用户位置发生变化，则基于时隙t的信息（例如信道增益、用户位置）获得的结果可能不足以在整个共享周期保证用户的QoS。

表1 基础变量及含义

表2 推导过程中间变量及含义

因此在资源分配中引入位置预测，假定SDN控制器可以预测用户在t+Δt,t+2Δt,…,t+T-Δt的位置，其中np表示进行位置估计的次数，Δt=T/np是每个预测周期的时隙数，t+τΔt表示第τ个预测周期，基于预测结果找到在整个T时间内最优的资源分配方案。令T={1,2,…,np}为τ的取值集合。

为确保每个用户一次只能接入一个信道，需要满足：

每个RRH分配给用户的总资源不能超过该RRH上的所有可用资源，因此，在期间，必须满足：

用zu∈{0,1}表示用户u的准入控制变量，zu=1表示用户允许进入网络，zu=0则表示用户不被允许进入网络。Rminu表示用户u可以满足QoS的最低速率。为了满足用户的QoS要求，用户的可达数据率必须不低于保证QoS的最低速率，即：

2.1.2 服务隔离

由于不同RRH之间存在信道复用，一个服务提供商不同的调度和传输决策可能会影响其他服务的VN所受到的干扰，进而影响到其他服务提供商的决策。为了使不同服务提供商的传输决策不互相影响，需要将不同VN之间的干扰限定在一定范围以内，因此，引入干扰阈值ε来协助实现服务之间的隔离。在资源分配期间，VN中每一个用户所经受的干扰都不应超过此干扰阈值，因此有：

其中，PRRH表示RRH的发送功率；gu,j,τ表示在第τ个预测周期用户u与RRH j之间的信道增益；σ2表示噪声功率。

为了实现服务之间的隔离，在整个T期间对用户u的速率估计将基于干扰阈值而不是实际受到的干扰，因此，由Shannon公式可得：

2.1.3 动态调整服务最小速率

网络运营商需要为每个服务预留资源来保证服务要求的最小数据率。然而，由于用户的移动，保证服务的最小数据率所消耗的无线资源也在变化，这可能会导致资源分配不均衡，进而降低系统吞吐量。因此，需要动态调整服务的最小数据率。

那么，应有：

2.1.4 前传网络容量限制

2.1.5 计算资源限制

将可以为vBBU分配的计算资源量化为可在BBU池中创建的虚拟机（VM）数量。每个VM用作每个数据流的vBBU。假定每个数据流对应一个用户，所有VM的计算容量相等并且大于每个用户要求的最小数据速率。定义V为可以在BBU池中进行计算的VM最大数量，因此，准入网络的用户数量应不超过V：

2.1.6 优化目标重要性的一个权重因子。因此，资源分配问题就转化为以C、Z、A、W为优化变量的最优化问题：

subject to：（1）～（5），（8）～（10）。

2.2 改进算法

基本思想是将可用信道逐个分配给RRH。对于每个信道，迭代地将其分配给不同的RRH，在每次迭代中，选择使目标函数 f具有最大增量并同时满足干扰约束的RRH。当没有RRH可以在干扰约束下使用该信道时，信道的分配终止。一旦信道分配被固定，资源共享矩阵W和接入矩阵A也被相应地确定。

subject to：

通过约束（5）和约束（8）定义三个指标：

（1）IRRH(j,k)，用于指示信道k是否可以分配给第j个RRH。当IRRH(j,k)=1时，干扰限制满足，即当把信道k分配给RRH j时，任何一个RRH中的任何一个用户所受到的干扰都不会超过干扰阈值。

（2）Iuser(u ,j,τ)，用于指示用户是否可以接入RRH j，当 Iuser(u,j,τ)=1时，干扰限制满足，即用户u接入RRH j后该用户受到的干扰影响不会超过干扰阈值。

（3）Isp，用于指示是否所有服务都已满足了最小数据率要求，当Isp=1时，所有服务都满足最小数据率的要求，否则，Isp=0。

同时定义S′为未满足最小数据率要求的服务集合，函数s(u)表示用户u对应的服务。因此，对于，有：

上式表示当存在可以分配信道k的RRH时，要考虑是否所有服务都已满足最小服务速率，若某个服务的最小数据率不满足，优先将资源分配给此服务用户；否则，所有用户同等竞争资源。而当不存在可以分配信道k的RRH时，为空集。

并不是所有接入RRH的用户最后都被准许进入网络，只有当他们的速率达到了所规定的，并且数量小于BBU池中的VM数量V时，才被准许进入网络。当达到的用户数量大于V时，将用户数据率Ru与他们的优先级权重相乘，将结果按降序排列，选取前V个用户准许接入网络。具体算法如下所示。

1.将 Z,A,W,C,f,Isp,Ru初始化为j∈M,τ∈T ；

2.for each channel k∈N do

4. 初始化可被分配信道k的集合Mk=M；

6. 对∀j∈Mk,由式（13）计算目标函数的增量Δfj,k；

8. 令Mk=Mk{q}，令 f=f+Δfq,k；

9. 令cq,k=1并对u∈A˜q,k,τ更新矩阵A和W ；

10. 令 A˜j,τ=A˜j,τ∪{u|wu,j,τ＞0},j∈M,τ∈T ；

11.if Isp=0 then

12.for s∈S′do

14. 令S′=S′{s}；

17. 令Isp=1；

20.for RRH j∈Mkdo

22. 令Mk=Mk{j}；

24.if length(Uz)＜V then

25.令=Uz

26.else

27. 计算weight(u)*Ru,u∈Uz，并以降序进行排序，前V个用户准许进入网络。

步骤1初始化优化变量，步骤2～22将每一条信道迭代地分配给每个RRH。在每一次迭代中，步骤3根据式（17）求取可能接入RRH的用户集合；步骤4初始化可被分配信道的RRH；步骤6根据式（13）计算目标值的增量Δfj,k；步骤8将具有最大增量的RRH从待分配的RRH集合中移除；步骤9将信道分配给具有最大增量值的RRH，并根据步骤6的求解结果更新用户接入矩阵A和资源共享矩阵W；步骤10将已经被分配了信道资源的用户放入中；步骤19更新可能接入的用户集合；步骤20～22检查其他RRH在干扰受限的情况下能否被分配信道k，如果不能，将该RRH从Mk中移除。步骤5～22会重复执行，直到没有可被分配的RRH为止，即

对于每一条信道，需要将其迭代地分配给每一个RRH，在每次迭代过程中将混合整数线性规划问题经过一定转换，通过MATLAB中的intlinprog函数求得最优解。该函数的时间开销仅与每个RRH关联的用户数有关，可假设为c，则对于所有信道来说，时间开销为cmn，其中，m为小区数，n为信道数。由于存在信道复用，在选出最优分配小区后，还要在满足干扰条件的小区中再次寻找可分配的小区，算法的总时间开销将大于cmn，并且随着信道数量的增加呈指数型增长，因此该算法更适用于系统带宽较小的情况。

3 仿真结果

无线接入网络由16个小区组成，16个RRH置于4×4网格中。两个相邻RRH之间的距离为30 m。有25个子信道可用，每个信道的带宽为180 kHz。无线接入网络中有3个服务提供商。

无线信道模型如下：路径损耗指数为4，多径衰落参数服从均值为1的指数分布，阴影衰落服从均值为0、方差为10 dB的对数正态分布，RRH的发射功率和噪声功率分别为250 mW和-90 dBm。设定βu=1，用户参考速率Rref=600 Kb/s，资源共享周期T=100,np=5。

表3 仿真环境参数设置

本文分别仿真了前传网络容量和干扰阈值对系统吞吐量的影响，异构服务参数下是否动态调整服务速率对系统吞吐量的影响，以及BBU池中可创建的虚拟机数量对系统吞吐量的影响。仿真环境参数如表3所示。仿真结果是在MATLAB中通过对随机产生的不同用户拓扑进行50次仿真得到。

图2显示了在不同前传网络容量限制下，系统吞吐量与干扰阈值之间的关系。当干扰阈值小于-90 dBm时，干扰约束不能满足，不同RRH之间难以进行信道复用，可用资源较少，系统吞吐量较低。随着干扰阈值的增大，RRH之间的信道复用成为可能，系统吞吐量随之增大。然而当干扰阈值大于-90 dBm时，用户的数据率会大幅降低，尽管可以信道复用，但是用户速率已经不能达到最低要求，不再被准入网络，因此系统吞吐量会降低。在图中还能看到，前传网络容量越高，系统吞吐量也会越大。

图2 不同前传网络容量在不同干扰阈值下的性能对比

图3 显示了动态调整服务速率对系统吞吐量的影响。限制服务提供商3的用户位于每个小区的边界区域，另外两个服务提供商的用户在所有小区中随机分布。可以看到，当用户数量较少时，系统中的资源足以满足几乎所有用户的QoS要求，同时每个服务提供商都没有达到他们的最低速率保证，所有服务的用户公平竞争无线资源，因此，是否动态调整服务速率不会影响系统吞吐量。然而，随着用户数量的增加，无线资源开始紧缺，难以满足所有用户的QoS要求，特别是处于边缘的服务3的用户。当服务1和服务2达到了最小保证速率后，系统会优先对服务3的用户进行资源分配，而服务3的用户信道条件不好，因此会造成资源的低效利用，从而系统吞吐量增加缓慢。相反，动态调整服务速率可以适当降低服务3的最低资源保证，将节省的资源分配给其他距离RRH更近的用户，因此系统吞吐量增加较快。

图3 动态服务速率与固定服务速率性能对比

由于BBU池的计算资源有限，因此并不是所有满足QoS的用户都准许进入网络。在本文中将BBU池的计算资源量化为可在BBU池中创建的虚拟机数量V。为了分析计算资源对系统吞吐量的影响，令V从90逐渐增加到最大用户数量210，比较系统吞吐量，结果如图4所示。

图4 不同计算资源对系统性能的影响

可以看到，当计算资源大于系统中的用户总数量时，系统吞吐量都是保持一致的。随着用户数量的增加，计算资源将变得匮乏。尽管在相同计算资源情况下，准入网络的用户总数不变，但是可能会有更高速率的用户接入网络，这就导致在缺乏计算资源时，系统吞吐量仍然会有少量的增加，但增加速度会低于计算资源充足的情况。同时，系统的资源总量是有限的，随着用户数量的增加，在干扰限制的情况下，由于不能够满足QoS而不准接入网络的用户数量也会增加。因此，不同计算资源下的系统吞吐量差距不会太大。这反映了在BBU池中的计算资源会对系统吞吐量有一定程度的影响。

4 结束语

M-CORD对无线接入网进行了解耦和虚拟化，并通过SDN和云为无线接入网的动态资源分配带来了传统网络所不具备的优势。基于M-CORD架构，本文对解耦后的无线接入网中动态的资源分配和优化展开了研究。在M-CORD架构下对基于增量的贪心分配算法进行改进，增加了计算资源限制并融入到算法当中。仿真结果显示，改进后的资源分配算法在M-CORD架构下具有较好的适用性。