5G移动通信缓存技术的特点及应用研究

许双艳，洪慧美，徐海峰

（1.诺基亚通信系统技术(北京)有限公司，浙江 杭州 310053；2斑马智行网络(杭州)有限公司，浙江 杭州 310000）

0 引 言

5G移动通信网络的快速发展对相关技术的发展提出要求，缓存作为网络传输通信中重要的组成部分，对用户移动网络服务质量的影响较大，如何在海量新兴网络服务中满足计算资源的需求成为缓存技术发展的主要方向。

1 5G移动通信网络概述

5G移动通信网络的发展与互联网的广泛使用紧密相连，在移动互联网业务和应用快速发展的背景下给移动通信网络带来了更多的挑战，需要提供具有更低时延、更高带宽的服务。为了应对移动通信网络的快速发展，满足未来移动互联网业务的需求，产生了诸如软件定义网络技术、虚拟化技术、网络切片技术以及边缘计算技术等先进移动通信技术，合力推动着5G移动通信网络的发展与应用。其中，有关5G移动通信网络缓存的技术内容较少。在5G移动通信网络广域覆盖、局部热点过高、终端业务繁多的环境下，想要提供高速、高质量的移动通信网络服务必须要有较低的时延和较高的业务可靠性保障，而这些要求与缓存技术都有关联。现阶段，基于SDN/NFV技术的SoftNet网络体系与统一无线接入构成了全新的网络结构。这种网络架构作为一种可灵活扩展的网络系统，具备多种功能特性，对于提高网络资源利用率和系统容量有着较大帮助。而采用SoftAir架构的5G移动通信网络体系更注重对网络流量的控制与优化，具有更强的管控能力[1]。

2 5G移动通信缓存技术特点

2.1 缓存部署位置及策略机制

5G移动通信网络中，缓存部署的位置对于提高通信效率、降低网络传输时延有着重要的作用。移动通信网络本身就是层次化架构，核心网络负责管理，而边缘网络则主要负责无线网络的接入。5G移动核心网络中流量与管控的要求更高，基于云化核心资源的内容分发网络（Content Delivery Network，CDN）节点部署成为解决移动资源调度的重要方法，协同缓存框架的应用提高了移动核心网络内容分发的效率。现有的宏基站在缓存上可以实现更低的传输时延，主要是服务网关根据不同内容的请求转发至源服务器，让符合内容请求的传输信息优先通过，这种分发机制在集群基站中实现了缓存资源的共享，有效降低了移动网络系统的服务时延。

2.2 缓存计算及资源分配与调度

缓存计算对于缓存资源分配起着关键作用，目前对于5G移动通信网络的研究主要集中在边缘计算方面。缓存计算在传统应用上以云计算服务器作为处理基础，但在终端用户与云计算服务器距离较远时，计算所导致的网络时延较高，而较长距离的网络传输也会受到更多不确定性因素的影响。将计算任务移动到边缘计算中是缓存计算发展的重要趋势，不仅可以节约终端移动的能量消耗，而且还能缩短计算的时延[2]。

虽然边缘计算与雾计算都部署在靠近用户的移动网络边缘上，但是计算资源的分配在缓存计算任务中并非简单的集中式或分布式，需要根据移动终端消耗的通信资源来决定。通信资源的分配与调度方法较多，可分布式资源可采用分解技术处理或是通过迭代算法优化计算资源，减少其在用户终端的能量消耗。通过建立计算资源分配模型，服务器与边缘设备会根据预先设定的资源协议来调度资源供给，保证计算任务能够满足其延迟要求。

3 5G移动通信缓存技术实际应用

3.1 核心网络中5G移动通信缓存技术应用

3.1.1 系统模型

核心网络中，5G移动通信分布式缓存架构需要基于集成网络切片，将物理基础资源切分为虚拟网络，从而满足多样化的网络服务与功能。分布式网络缓存资源池内的业务数量略多于5G网络切片后的业务数量，缓存节点在虚拟化技术的支持下为各网络提供缓存资源。该系统模型未涉及映射机制与接入控制机制，只是将物理网络资源分为多个虚拟网络。此虚拟网络也被假定为虚拟节点和虚拟链路的集合，由网络基础设施服务提供商负责创建。模型设置中只考虑一个网络基础设施，确保缓存资源分配对虚拟网络能够产生最直接的影响。物理网络可以用加权无向图G=（N，L）表示，其中N为物理节点的集合、L为物理链路的集合。设定C为各个物理节点上缓存资源的容量上限，同时假定该模型中有M个网络切片。缓存资源的运用是根据网络节点的差异而定的，在核心网络中越重要的节点将会产生更高的资源价格。网络切片所需支付的价格可表示为：

式中，i为节点，k为获得缓存资源分配的网络切片，w为每个节点每单位的缓存资源价格，x为整体变量，y为单位时间内分配给网络切片的缓存资源量。

3.1.2 资源分配

核心网络缓存设计中，提出基于化学反应优化算法（Chemical Reaction Optimization，CRO）的缓存资源分配方法。根据化学反应过程中发生的一系列分子碰撞，考虑不同分子作用下导致的不同程度的资源变化。对于缓存资源分配而言，可以通过CRO算法优化资源分配。根据网络基础设施设定的约束条件，也就是上文网络切片所需支付的价格可得到具体数值，指明哪一个网络切片被分配缓存资源以及分配了多少缓存资源，以此通过分配矩阵来最大化目标函数，从而得到最优的缓存资源分配矩阵，在此基础上使5G移动通信网络获得最大的缓存资源分配收益。基于CRO算法的缓存资源分配流程如图1所示。

图1 基于CRO算法的缓存资源分配流程

初始化过程中会在约束条件下产生一组初始解，该解只能表示缓存资源中网络切片的初始数量。此外，在约束条件下随机产生指示矩阵X，并根据X随机生成缓存资源分配矩阵Y，以此指明有多少缓存资源被分配给网络切片。基于单分子无效碰撞反应的资源分配在计算中会有一个轻微变化的新解，计算过程就是通过选择一个缓存节点并对缓存资源的分配进行改变，以此重新分配该缓存节点的缓存资源，进而得到一个新的缓存资源分配矩阵。基于分解反应的缓存资源分配会出现较大变化，每一个新解都可能与原先的解存在较大差异，随机选择分配矩阵并随机分配新解，直到原矩阵每一行都被重新赋值为止。需要注意的是，在约束条件下缓存资源应当只能产生正数。基于分子间无效碰撞反应的缓存资源分配会对矩阵产生轻微影响，在算法中主要是缓存分配矩阵Y1和Y2得到相对应的两个新的缓存分配矩阵。基于合成反应的缓存资源分配会让原始矩阵与新的矩阵产生较大不同，主要是因为两个矩阵在合成计算时是随机选择相应行的值，从而生成一个新的缓存分配矩阵。

在得出分配矩阵后还需调整函数，以进一步确定得到的缓存资源分配解是否符合约束条件的要求。如果不满足约束条件要求，则删除该解，重新进行计算。基于CRO算法虽然能够得出全局最优解，但其时间较长且计算复杂度较高[3]。

3.1.3 仿真分析

在仿真中，将网络缓存节点的数量设置为100，网络切片的数值为100。运用CRO策略对进行计算，采用最小化方式。当通信缓存节点在100～1 000变化时，缓存节点越多，缓存资源价值和成本获取就越多，从而实现正向的收益变化。在CRO策略算法下，单个缓存资源能够会产生更多的收益。在网络切片的数值变化中，一般来说不会对缓存资源的数值产生影响，因为缓存资源的配置与缓存节点的数量是相对固定的，所以网络切片的任何变化都不会影响缓存资源的变化。但是在CRO策略算法下，网络切片的数值变化和缓存资源分配的数值呈正比例关系，而且缓存资源的一部分仍然没有分配给网络切片。在CRO算法的基础上，当节点缓存容量增大时，缓存资源分配收益也会增加。随着节点缓存容量增大，缓存资源的分配数量相对增多，从而缓存资源的收益更多，其价值也随之增加。

3.2 边缘网络中5G移动通信缓存技术应用

3.2.1 系统模型

5G移动通信技术移动边缘网络系统模型主要由宏蜂窝基站和多个小蜂窝基站组成。假设场景由单个宏蜂窝基站以及Q个小蜂窝站组成，异构蜂窝中的每一个小蜂窝网络都是由一个Uk用户所构建的。宏蜂窝基站具有缓存X个文件的能力，文件可以用一个内容库进行表示，即F={F1,F2……,Fq}，其文件大小是相同的。用户请求全部文件都缓存在内容库F中，并且每个文件都具有不同的用户请求概率，文件请求概率分布表示为P={P1,P2……,Pq}。其中，请求文件Fj的概率表示为Pj。每一个小蜂窝基站都能够集成缓存，并且能够通过无线链路向终端用户传输数据，如图2所示。

图2 系统架构

针对服务中经常会出现的安装配置演示边缘服务器内存有限和上行资源分配不均等问题，可以在网络环境下进行多时间尺度边缘缓存部署或进一步优化上行资源分配方案，从而提高移动边缘网络的自适应优化能力。将边缘服务缓存部署变为最大化时间平均吞吐量，优化上行资源随机模型，并采取Lyapunov随机优化技术对模型时间进行预估，通过预估未来时刻系统状态将服务缓存不足变为多维背包问题，依靠动态规划进行求解[4-6]。

3.2.2 缓存分发

基于启发式贪婪算法来解决缓存分发问题，确定优化问题的目标函数值与优化问题的解分别对应Etotal和CSN。在约束条件下随机生成一个放置矩阵，同时得到一个初始目标函数值，然后开始进行循环。在迭代过程中，不断获得新的目标函数E'total。若新的目标函数值小于现有的目标函数值，则是更优的缓存资源分发值。在迭代次数达到限定时，便可停止迭代，从而得到最终的目标函数值，即为缓存资源分发值。

3.2.3 仿真分析

运用计算机模拟技术，对小蜂窝网络中能量高效的机制性能进行分析与评估。在异构小蜂窝网络场景中，将宏蜂窝网络分为若干个基站簇，其中每个基站簇由多个小蜂窝基站构成。将小蜂窝基站中缓存内容的大小均等设置，确保每个文件能够被分为相同数量的片段。当小蜂窝基站数量发生变化时，随着数量的逐渐增加，其总能耗在刚开始出现降低的趋势，而当总能量消耗到一定数值时，总能耗开始呈现增加的趋势。这种情况主要是当小蜂窝基站数量增加时，回程传输的能耗降低，内容缓存及协作传输的能耗增加。反之，回程率降低时，回程能耗也随之降低。因此，小蜂窝基站簇中小蜂窝基站的数量对协作小蜂窝网络的能量效率具有非常重要的影响。将小蜂窝基站中没有缓存策略、采用随机缓存策略以及采用基于启发式贪婪的缓存策略进行比较，如图3所示。

由图3可知，基于启发式贪婪算法的缓存策略能够有效节省更多的能量消耗，同时还能够保持更好的性能。

4 结 论

在5G移动通信网络快速发展的背景下，移动通信技术除了传输速度和传输质量的发展，还涉及更低时延、更高带宽、更高效益的研究与开发。缓存技术作为移动通信的重要内容，通过分析其技术特点及其在核心网络与边缘网络中的运用，证明了高效的缓存技术能够更好地为5G移动通信网络服务。

图3 请求数量对总能耗的影响