边缘云增强光无线融合网络能效研究

杨静 吴晓当 张若英 王汝言

(1.重庆邮电大学 通信与信息工程学院，重庆 400065；2.重庆高校市级光通信与网络重点实验室，重庆 400065； 3.泛在感知与互联重庆市重点实验室，重庆 400065；4.信息通信研究院，北京 100083)

随着第五代移动通信系统的出现和智能设备的快速发展，各种各样的时延敏感型应用将进入我们的生活，给现有网络设施带来巨大挑战[1- 2]。虽然移动边缘计算(Mobile Edge Computing，MEC)能增强用户的移动体验，但构建支持MEC功能的网络基础设施是具有挑战性的[3]。鉴于光无线融合(Integrated Fiber-Wireless Access Network，FiWi)网络可以将光纤网络的高容量、可靠性与无线网络的灵活性、普遍性相结合，不仅为移动用户提供宽带服务，还为固定用户提供宽带服务的优点[4]，将云服务器集成到FiWi网络的边缘，以此形成的边缘云增强FiWi网络可以实现更高质量、更便捷的通信服务[5]。边缘云增强FiWi网络的架构如图1所示。光域由位于中心局端的光线路终端(Optical Line Terminal，OLT)和多个光网络单元(Optical Network Unit，ONU)组成。ONU可向单个或多个固定有线用户提供光纤接入服务，也可配备网状门户点(Mesh Portal Point，MPP)与无线前端处的网状网络(Wireless Mesh Network，WMN)相连接，网状点(Mesh Point，MP)充当MPP和网状接入点(Mesh Access Point，MAP)之间的中继节点，每个MAP为其覆盖区域内的用户提供接入服务[6]。此外，ONU还可连接到增强型节点eNB，向用户提供蜂窝服务。MEC服务器通过专用的可靠光纤链路连接到ONU-MPP，以便为WMN提供边缘云服务。

图1 边缘云增强FiWi网络Fig.1 Cloudlet-enhanced FiWi network

统计结果表明，预计在2020年接入网能耗将占网络总能耗的70%以上[7]。因此，设计有效的节能方案对FiWi网络的发展至关重要[8]。显然，当无线设备选择将任务迁移到边缘云服务器时，设备本身能耗可能会得到优化，但网络中由于同时存在传统业务和卸载业务，会导致光网络单元所申请的带宽以及处于轻负载的无线节点数量增多，光网络单元活跃时长和无线节点能耗随之增加，进而使得整个网络的能量效率降低。因此，研究如何在保证两种业务共存的前提下有效减少边缘云增强FiWi网络节点的能耗变得非常必要。

FiWi网络节点能耗优化最普遍的方式是在空闲时关闭网络组件，主要是针对ONU睡眠模式，同时使无线前端网络组件始终处于活动状态，以便将流量迁移到活动的ONU[9]。文献[10]中提出了一种ONU负载转移机制，目的在于将低负载ONU业务转移至其他活跃ONU上，从而使低负载节点进入休眠状态,降低网络能耗。文献[11]中综合考虑业务服务质量与节能，针对业务优先级的高低选用不同的路由方案，确保了业务时延性能与节能效率。上述研究虽然很大程度减少了网络能耗，但并未考虑如何减少无线节点能耗或终端能耗。文献[12]中提出了针对FiWi业务与MEC业务共存情况的资源管理方案，该方案为无线终端制定活跃时隙，使其可以在活跃时隙之外切换至休眠状态，以此减少能量消耗。文献[13]中提出了一种最优能源效率管理，制定最小化传统路由器与绿色路由器的混合整数线性规划模型，以优化WMN中的功耗，但算法的复杂度较高。文献[14]中提出了一种用于FiWi网络的能量和延迟感知路由算法，在较小的延迟范围内基于动态阈值切换无线节点功率。文献[15]中提出了一种带有虚拟网嵌入的节能机制，将低负载虚拟流量映射到具有剩余资源的物理链路中，实现多个业务的链路重用，减少活跃节点数量，但该方案未考虑到可变信道状态可能会使重用链路发生过载。

在上述节能方案中，部分方案仅考虑了ONU[10- 11]或无线节点[13- 14]的负载转移，并没有分析业务转移目标节点的拥塞问题。文献[12]中的管理方案仅考虑了业务共存与终端能耗节约问题，未考虑光节点与无线节点由于传输两种业务带来的能耗负担。文献[15]同时优化了光节点与无线节点的能量消耗，但采用虚拟网集中控制器来调度映射过程，导致调度时延在端到端时延中所占比例较大，总时延性能较差。针对上述问题，文中提出一种协作休眠与调度的资源管理方案,该方案通过基于负载感知的带宽分配算法搭建而成。在光域，引入信令帧获取边缘云服务器下行缓冲区积压，基于FiWi业务时隙、MEC业务请求与缓冲区积压分析计算光节点的动态卸载时隙，确定光节点与无线终端休眠的时隙长度；在无线域，基于负载水平与剩余网络状态配置无线节点功率，通过最大匹配理论指定负载转移的目标节点，利用业务请求帧与时隙分配帧实现管理平台与无线节点的调度信息交互，从而提高网络能量效率。

1 协作休眠与调度的资源管理方案的构建

1.1 资源管理方案概述

时分多址技术(Time Division Multiple Access，TDMA)不仅被广泛运用于以太无源光网络(Ethernet Passive Optical Network，EPON)和无线局域网(Wireless Local Area Networks，WLAN)中，也非常适合时延敏感的MEC应用[16]。因此，为减少网络管理的复杂度，文中利用TDMA的方式建立统一的资源管理方案。在所设计的方案中，利用信令帧获取时隙请求信息，基于时隙请求为网络节点分配时隙，这样节点仅需在分配的时隙内为用户提供服务，在时隙外可保持休眠，以此实现能耗节约。

图2示出了所提出的协作休眠与调度资源管理方案。图中Ai、Bi表示终端设备STAi的上行FiWi业务子时隙、上行MEC卸载业务子时隙，DSFiWi和DSMEC分别为ONU-MPP下行FiWi数据传输时隙和下行MEC卸载数据传输时隙，而上行FiWi数据传输时隙和上行MEC卸载数据传输时隙分别由USFiWi和USMEC呈现。管理方案通过2个TDMA层进行设计，以统一的方式对整个网络进行轮询，OLT依次服务于范围中的N个ONU-MPP，MEC服务器为ONU-MPP提供边缘云服务。不同于只实现MEC业务与FiWi共存功能的资源管理方案，文中提出的协作休眠与调度资源管理方案中,ONU-MPP在轮询周期内拥有休眠时隙，而且无线节点调度凭借时隙分配得以实现。如图2所示，MEC业务时隙以TDMA方式与FiWi业务时隙共存，OLT通过多点控制协议REPORT帧与GATE帧为ONU-MPP分配FiWi时隙。ONU-MPP一方面提取VEC帧与GATE帧信息为自身制定考虑上下行MEC流量条件的卸载活跃时隙，并根据PS-POLL帧中所请求的带宽为M台STA分配子时隙，由Beacon携带子时隙信息进行广播；另一方面，利用PS-POLL帧获取无线节点负载信息，执行联合带宽分配与功率调度，睡眠调度信息附加在Beacon帧上传输至无线节点，而WON帧被定义为用于开启节点发送机的信令帧。如此，网络中ONU-MPP与STA将在制定的活跃时隙外切换到休眠模式，而无线节点在ONU-MPP配置子时隙过程中实现功率调度，达到光域与无线域节能的目的。

图2 协作休眠与调度的资源管理方案

1.2 基于负载感知的带宽分配算法

为建立上述资源管理方案，文中提出一种基于负载感知的带宽分配算法，其中OLT接受ONU-MPP的时隙信息，制定保证业务共存的周期开始时间。其次，ONU-MPP面向上下行MEC数据制定负载感知的活跃时隙，并执行联合带宽分配与功率调度算法来控制无线节点的功率状态，减少能量消耗。不同于现有带宽分配算法，ONU-MPP不仅可以制定休眠时隙，使自身在传输完FiWi业务与MEC业务后切换到休眠状态节约能耗，而且具备调度无线节点功率的功能。

1.2.1 OLT执行阶段

OLT接收到ONU-MPP发送的REPORT帧时开始执行带宽分配算法，制定ONU-MPP下周期FiWi业务的时隙持续时间Tsl与开始时间onu_start，具体流程如下。

步骤2 分析计算。OLT分析计算Tsl，该时隙包括发送上下行FiWi数据与信令帧所需时间，可由式(1)表示：

(1)

OLT分析计算onu_start时需保证本周期所有ONU-MPP的FiWi业务传输完成，以及FiWi业务与MEC业务不相重叠，可以表示为

(2)

式中，T_sched+Tg表示ONU-MPP已经将指针更新到下一周期[12]，T_sched为OLT轮询完所有ONU-MPP的时隙长度，Tg为保护时隙长度。

步骤3 广播信息。最后，OLT将onu_start与Tsl搭载到GATE帧上发送到ONU-MPP，并在下周期活跃时隙内中继ONU-MPP的FiWi数据。

1.2.2 ONU-MPP执行阶段

(3)

onu_startc需保证传输完自身FiWi业务，可由式(4)表示：

onu_startc=onu_start+Tsl

(4)

在已知活跃时隙的前提下得出ONU-MPP在一个轮询周期内的睡眠时间，可表示为

(5)

步骤3 调度无线节点功率。ONU-MPP根据无线节点负载信息ηp，执行联合带宽分配与功率调度算法，判断是否将其切换至休眠状态，并通过Beacon帧发送休眠信息，通过WON帧唤醒节点。

2 联合带宽分配与功率调度算法

为了减少边缘云增强FiWi网络前端无线节点的能耗，本节提出一种联合带宽分配与功率调度算法——首先，ONU-MPP接受无线节点的负载信息，并综合网络平均负载与剩余网络状态决定无线节点功率，利用Beacon帧休眠无线节点，通过WON帧唤醒节点；其次，提出转移目标节点选取措施来防止活跃节点拥塞；最后，为新到达业务配置路由路径。不同于现有调度算法，文中提出的算法将无线节点的调度并入光节点休眠过程，而且为保证服务质量提出转移目标节点的选择策略。

(1)初始阶段

(6)

(7)

每个节点可通过链路状态通告来从其他节点的PS-POLL帧中获知任务请求，在节点容量已知的前提下得出链路容量等信息。

(2)接受负载信息阶段

(3)调度无线节点功率阶段

(4)迁移目标节点选择阶段

(5)新请求到达阶段

3 性能分析

将网络能耗、能耗效率与端到端时延作为主要性能指标，对所提出的资源管理方案的性能进行分析。

3.1 网络能耗

包含一个ONU-MPP及其范围中所有无线节点与STA在一次轮询周期内的网络能耗如式(8)所示：

E=Eoun-mpp+Esta+Ew

(8)

(9)

(10)

(11)

将式(9)-(11)代入式(8)，可求得网络能耗。

3.2 能耗效率

为分析节能机制的能耗效率，与只考虑FiWi业务和MEC业务共存的文献[12]进行比较分析。相较于文献[12]，文中算法面向ONU-MPP与无线节点提出相应的节能措施，能耗效率表示为

(12)

(13)

式中，Tc为轮询周期，NW为无线节点数量总和,E1为应用文中节能机制后的ONU-MPP与无线节点的总能耗，可由式(14)表示：

E1=Eoun-mpp+Ew

(14)

3.3 端到端时延

定义由STA发送至MEC服务器的端到端业务时延如下：

TMEC=T1+T2

(15)

式中，T1为STA到MEC服务器传输延迟，如式(16)所示：

(16)

分组延迟(T2)定义为MEC数据在PS-POLL帧之后到达，则必须在下周期发送请求，并在下下周期传输数据，包含4个延迟部分：分组到达与下周期PS-POLL请求之间的时间间隔、PS-POLL请求和REPORT帧之间的时间间隔、接收到REPORT帧与下周期Beacon帧之间的间隔、接收到Beacon帧与数据传输之间的间隔。因此，T2可以表示为

(17)

(18)

将式(16)和(17)代入式(15)，可得MEC业务端到端时延如下：

(19)

4 数值分析

图3描述了能耗效率随MEC业务负载的变化。由图可知，随着MEC业务负载的增加，文中算法的能耗效率呈下降趋势，其主要原因是：在MEC业务负载较低时，下周期开始时间只需要保证所有ONU-MPP传输完自身的FiWi数据，使得ONU-MPP的睡眠时间较长，能耗效率也较高；随着MEC负载增大，更多的睡眠时间被用于传输MEC数据，ONU-MPP的活跃时间变长，能耗效率降低。另外，由于文中算法在光节点休眠过程中调度无线节点功率，使得在负载较高时依然存在较明显的节能效率。从图3还可看出，较高的FiWi业务负载可以提高能耗效率，其主要原因在于：ONU-MPP自身MEC时隙与休眠时隙的总时隙也是其余ONU-MPP的FiWi总时隙，FiWi业务负载增大时FiWi总时隙变长，在MEC负载不变的前提下，休眠时隙变长，能耗效率也随之变高。

图3 MEC业务负载对能耗效率的影响Fig.3 Effect of MEC data load on energy efficiency

不同REPORT信令帧持续时间的网络能耗变化情况如图4所示。从图中可以看出，随着REPORT信令帧持续时间的增加，文中算法与HART算法的网络能耗均呈上升趋势，且HART算法能耗较高，其主要原因在于：REPORT帧持续时间主要作用于FiWi时隙长度与周期长度，随着REPORT信令帧持续时间的增加，ONU-MPP活跃时长增加，网络能耗随之变大。HART算法在实现不同流量共存的前提下为STA制定活跃子时隙，以此降低STA的能耗。而文中算法不仅为STA配置子时隙，还为ONU-MPP制定总活跃时隙，使其可以在活跃时隙之外关闭发送机与接收机来节约能耗；同时，文中算法通过ONU-MPP集中调度无线节点功率，以此减少整个网络能耗。另外，VNE算法需要无线终端始终保持开启状态，以此与虚拟网络控制器进行信令交互，所以能耗较高。由图4还可观察到，随着REPORT信令帧持续时间的增加，VNE算法的能耗保持恒定状态，这主要是因为VNE算法由虚拟网控制器来控制链路嵌入，不受物理层传输协议的影响。

图4 不同REPORT信令帧持续时间下的网络能耗

无线节点休眠比是反映节能效率的重要指标。图5给出了无线节点休眠比随MEC业务负载的变化。由图可知，随着业务负载的增大，3种休眠机制的休眠比均呈现下降趋势，主要原因在于：当业务负载增高时，需要为新到达的业务启用休眠状态的节点，休眠比下降。从图5还可看出，文中算法相比其他两种算法具有较高的关闭率，其主要原因在于：HPC-DRX算法根据预定义的流量优先级来决定光节点是否切换至休眠状态，若对多数流量均定义高优先级，则需要启用更多光节点来保证服务质量，活跃节点数量增加，休眠比随之降低；而文中算法根据网络平均负载来切换无线节点功率，在MEC负载较高时依然可以实现较好的休眠比；另外，VNE算法中光节点与前向节点分别根据CPU资源与地理位置偏移选择物理节点，并没有考虑如何增加重用节点数，导致总休眠比较低。

图5 MEC负载对无线节点休眠比的影响Fig.5 Influence of MEC load on wireless node sleep ratio

端到端时延是评估服务质量的重要因素。图6描述了MEC业务端到端时延随MEC业务负载的变化。由图可知，HART算法的端到端时延高于其他两种算法，其主要原因在于：当MEC负载增加时，不仅会影响传输时延，也会对HART算法和文中算法的分组延迟造成影响，HART算法中的MEC时隙用于传输业务与等待下行数据，负载越高MEC时隙增加速度越快，分组延迟越高；而文中算法利用统一ONU-MPP卸载时隙的方式来减少等待下行数据造成的延迟，分组延迟随MEC负载增加缓慢，端到端延迟较低。另外，HPC-DRX算法中为传输高优先级流量，光节点与无线终端始终保持活跃状态，使得端到端延迟不再受分组延迟的影响，总时延较低。

图6 MEC业务负载对MEC业务端到端时延的影响

5 结语

为减少边缘云增强FiWi网络中网络节点传输MEC数据的能耗负担，文中提出了一种协作休眠与调度的资源管理方案，该方案由具备无线节点调度功能的带宽分配算法来建立。方案中根据云端缓冲与FiWi时隙长度分析计算考虑上下行流量条件的光节点统一卸载时隙与休眠时隙，并将无线节点的功率调度并入时隙请求与分配过程，以此达到光域与无线域的协同休眠。仿真结果表明：文中提出的节能方案不仅能实现MEC业务与FiWi业务共存，而且降低了网络节点能耗开销，相对传统节能算法有良好的时延性能。未来节能工作可集中于如何减少MEC服务器的能耗，这是因为访问边缘云的设备数量增多，可能导致某些MEC服务器处于低负载状态，进一步造成能量浪费。具体可结合二维装箱理论对每个MEC服务器所能承载的业务数量进行优化，提高服务器利用率，以此减少能耗。