基于两层调度的RAN切片资源分配策略

马英洪，江凌云

(南京邮电大学 通信与信息工程学院，江苏 南京 210003)

0 引 言

ITU为5G定义了3大应用场景：增强型移动宽带(enhanced mobile broadband，eMBB)、大规模机器类通信(massive machine type communication，mMTC)、超高可靠低时延通信(ultra reliable and low latency communication，uRLLC)[1]。传统的通信网络主要用来服务单一的移动宽带业务，无法适应未来5G多样化的业务场景。为了在同一个物理网络基础设施上同时支持多种具有不同性能要求的业务场景，满足多样化的业务需求，网络切片技术应运而生。网络切片通常包括接入网切片(包括无线接入和固定接入)和核心网切片[2]。无线接入网(radio access network，RAN)必须面对资源短缺的问题，如果采用静态的资源分配方法，那么资源利用率就会较低。因此，需要一种动态的资源分配方法来管理无线资源。RAN切片资源分配算法需要考虑的方面有：切片之间无线资源的隔离、切片的优先级、资源利用率、用户的服务质量(quality of service，QoS)、公平性、高负载等。无线资源的隔离指的是一个切片的流量负载增加导致其共享资源的不足时，其它切片的性能不会受到影响。现有的RAN切片资源分配算法考虑到了其中一个或者几个方面，但是对高负载下的场景考虑较少，对于隔离的设置也不够灵活，对资源分配算法的研究还在持续进行。

1 相关工作

RAN切片资源分配主要有两种思路。一种是基于单层调度，就是将无线资源直接分配给最终用户。另一种是基于两层调度，一层是切片间调度，用于确定分配给每个切片的资源量，另一层是切片内调度，将分配给每个切片的资源量分配给最终用户。

文献[3-7]都是采用单层调度算法。文献[3]提出了一种注重切片间公平分配的算法，但是没有考虑到切片之间需求的差异性。文献[4]提出了一种根据需求的差异区分网络切片，从而最大化网络资源的利用效率的算法，但是该算法没有充分考虑到用户之间的公平性。文献[5]提出了一种使用离线强化学习，然后进行低复杂度启发式学习的方法。但是没有考虑到无线资源的隔离。在文献[6]中采用了一种最早截止时间优先(earliest deadline first，EDF)调度策略用于无线资源分配，可以使得在高负载的情况下满足uRLLC切片对于时延的要求，但是会严重影响eMBB切片对于吞吐量的需求。文献[7]提出了一种eMBB和uRLLC业务高效复用的RAN资源切片技术，可以同时满足用户的隔离约束和最小吞吐量约束。但是没有考虑切片的优先级，而且复杂度较高，灵活性很差。以上的这些基于单层调度的算法往往需要复杂的多服务调度程序，数学模型可能会无法求解，并且可能产生大量开销。

文献[8-13]采用的是两层调度方式。在文献[8]中，切片内调度程序将虚拟资源分配给其用户，然后切片间调度程序将虚拟资源映射为物理资源。每个切片具有预定义数量的资源，可以将未使用的那些资源分配给其它切片以避免浪费资源。但该方法没有考虑到用户的QoS需求的差异，也没有考虑到高负载时预定义数量的资源如何设定。在文献[9]中首先使用轮询(round robin，RR)算法将资源分配给切片，然后在第二步根据切片的实际平均速率和目标速率来调整分配给每个切片的资源数量。但是未指定如何确定切片的请求以及如何管理用户的请求。文献[10]中的两个调度层都使用Stackelberg博弈，但是没有考虑切片间资源的隔离以及在高负载下的情况。在文献[11]中，首先利用PF算法在切片之间公平地分配资源，然后每个切片向其用户分配资源使效用最大化。但是该方法无法保证用户的QoS，而且没有实现切片间无线资源的隔离。文献[12]提出了一种高灵活性的算法，该算法可以根据不同的场景和需求进行优先级和隔离的调整，但是该方法在高负载时eMBB切片和uRLLC切片性能表现不佳，严重影响了用户的QoS。文献[13]中提出了一个RAN运行时系统，该系统可以自定义和控制底层RAN的操作和行为，以满足切片需求。该系统可以实现不同级别的隔离和共享，但是在此文中切片的优先级是固定的，不能灵活地调整各个切片的优先级，而且没有考虑在高负载下的资源分配问题。

针对上述文献中的问题，本文提出了一种两层资源调度算法，可以在高负载的场景下保证eMBB切片的吞吐量和uRLLC切片的最大时延，同时具有低复杂度和高灵活性，可以实现隔离、优先级和效率之间的适当折衷。适用范围更广泛，可以更好地满足实际场景。

2 系统模型

本文考虑一个5G基站(base station，BS)，该基站为K个用户提供服务，这些用户属于3个不同的网络切片，用S表示网络切片的集合。用户根据泊松点过程在区域内随机分布，总共有K个用户。第s个切片的平均用户数量为Ks，用户集为Ws，s=1…3。为了满足用户的QoS需求，必须在切片之间分配无线资源。在5G系统中，无线资源用物理资源块(physical resource block，PRB)来表示。一个PRB由12个子载波组成，每个子载波的间隔为Δf=15×2μKHz，μ=0,1,2。 每个PRB基于14个OFDM符号，符号的持续时间随子载波间隔的变化而变化[14]。在本文中，μ=0,2， 其中μ=0对应于子载波间隔为15 KHz，用于分配给eMBB切片和mMTC切片。μ=2对应于60 KHz的子载波，用于分配给uRLLC切片。PRB的总数为NRB，PRB的集合用M表示。

2.1 系统级参数

在系统级，定义了以下几个参数，见表1。

表1 系统级参数

其中

(1)

rk,n=Blog(1+γk,n),k=1…K,n=1…NRB

(2)

2.2 切片级参数

本文考虑3种5G服务，eMBB、uRLLC、mMTC。在实际系统中，用户对QoS的需求必须转换成整数PRB才能分配。

(3)对于mMTC切片来说，假设第k个用户需求的数据速率很低，为固定值RmMTC，则每个用户需要一个PRB，即nk=1。

3 两层调度算法框架

本文所提出的两层调度算法分为两步。第一步是切片间资源调度，确定要分配给每个切片的PRB，然后将总的PRB分成3个子集，Ms，s=1,2,3。 具体的过程见第4节。

第二步是切片内资源调度，各切片独立地将其子集中的PRB分配给其用户。不同的切片根据需求采用不同的调度策略，支持高度定制。切片内调度考虑用户的瞬时信噪比(signal noise radio，SNR)，以传输时间间隔(transmission time interval，TTi)为基础。具体的过程见第5节。该算法的流程如图1所示。

图1 两层调度算法流程

4 切片间资源调度

4.1 问题描述

问题1

(3)

在式(3)中，第一个约束表示分配的资源总数不能超过可用的资源。第二个约束确保每个切片分配的资源不超过其所请求的资源。第三个和第四个约束表示切片1和切片2分配的资源不能低于最低的需求量。

4.2 解决方案

问题1作为一个不等式约束的问题，将拉格朗日乘子法推广到Karush-Kuhn-Tucker(KKT)条件下，可以进行求解。约束函数是线性函数，因此解空间是凸集，优化函数是凹的，因此KKT条件可以找到最优解。利用KKT条件，优化问题的表达式就变成

(4)

(1)平稳条件

可以被重写为

(2)松弛条件

可以被重写为

平稳条件可重写为

可求解得到

(5)

R值可以通过迭代求解得到，具体迭代过程不在此描述。R的值可能会出现两种极端的情况，即R=0和R=3

(6)

(7)

(8)

(9)

(10)

(11)

至此，第一步的切片间资源分配求解完成。

5 切片内资源调度

5.1 问题描述

问题2

(12)

式中：A是分配矩阵，如果将第j个资源块分配给第i个用户，则元素a(i,j) 为1，否则为0。Us表示第s个切片的效用，每个切片的效用的定义不同，本文考虑α-utility[15]，如式(13)所示

(13)

式中：α是可以选择的参数，以具有不同的调度策略。α=1对应比例公平，α=2对应时延公平。在本文中，对eMBB切片和mMTC切片选择比例公平算法，uRLLC切片选择时延公平算法。在式(12)中，第一个约束表示每个切片内的用户分配的PRB的总数不能超过该切片可用的资源。第二个约束表示对于uRLLC切片来说，每个用户所分配的资源量不能低于所需求的最低值。第三个约束确保了一个PRB只能分配给一个用户。

5.2 解决方案

分配矩阵A(0)最开始为空，然后通过迭代将PRB分配给用户。在这里定义一个增益因子，表示将一个PRB分配给一个用户的增益。不同的切片，增益因子的定义不同。设在第i次迭代中，分配矩阵为A(i)， 第k个用户已经分配的速率为

(14)

对于uRLLC用户来说，增益因子定义为

(15)

对于eMBB和mMTC用户来说，增益因子定义为

(16)

6 仿真结果

本节对所提出的算法进行了仿真，主要针对eMBB切片的吞吐量，uRLLC切片的最大时延、mMTC切片的吞吐量以及算法的灵活性和复杂度进行了分析。

6.1 仿真参数

在本文中，eMBB用户的数据速率请求是指数分布，均值为ReMBB，uRLLC用户的时延在给定的范围 [δmin,δmax] 上均匀分布。此外，本文假设城市场景中的Hata成本模型是具有对数正态阴影分布的路径损耗模型。一些主要的仿真参数见表2。对比的参考算法是文献[12]所提出的算法。

表2 仿真参数

6.2 不同隔离级别下的切片性能

固定3种切片的优先级和K1，K2，然后改变K3就得到了图2。其中，K1=10，K2=30，p1=p2=p3。在不同的n值下，切片的性能表现不同。由第4节可知，n值越接近1，分配的资源量与负载的关联就越大，隔离级别就越低；n值越接近0，分配的资源量与负载的关联就越小，隔离级别就越高。

图2 各切片的性能表现随K3的变化

图2(a)显示了eMBB切片的吞吐量性能。从图中可以看出，在mMTC用户数比较少的时候，也就是mMTC的负载较低，此时3种切片的需求都能得到满足，因此，eMBB切片的吞吐量恒定不变。随着mMTC切片的负载逐渐增加，资源无法完全满足3种切片的性能需求，mMTC切片开始抢占eMBB切片的资源。eMBB切片是由于高数据速率请求而具有最高负载的切片。在n=0.8的低隔离级别场景下，流量负载成为影响资源分配的主要因素，所以参考算法和本文所提出的算法的吞吐量下降幅度都最小。由图2(a)可以看出，本文所提出的算法和参考算法在n=0.2 和n=0.5场景下的吞吐量比n=0.8场景下的吞吐量下降得更快，当mMTC的用户数增长到210左右时，本文所提出的算法的eMBB切片的吞吐量基本维持在5 Mbps左右，不再继续下降，而参考算法的eMBB切片的性能会持续地恶化，无法保证用户的最低QoS需求。

图2(b)显示了uRLLC切片的时延性能。这3种切片中，uRLLC切片的流量负载是最低的，对资源的需求量也最小。因此，不管是在高隔离级别还是低隔离级别的场景下，当mMTC切片的用户数较少时，uRLLC用户都能满足需求。当mMTC切片的负载较高时，在n=0.8的低隔离级别场景下，uRLLC切片受到eMBB和mMTC切片的流量负载的影响很大，获得的资源量变少，由于没有最大时延的限制，所以参考算法的最大时延超过了3 ms，性能受到严重的影响。而本文所提出的算法在n=0.8的低隔离级别的场景下最大时延也会上升，但是不会超过3 ms，保证了uRLLC用户对于时延的性能需求。在n=0.2以及n=0.5的场景下，切片的最大时延都没有上涨，因为当隔离级别很高时，切片所获得的资源量受优先级的影响较大，同时uRLLC切片对资源的需求很低，因此uRLLC切片在高隔离级别场景下，参考算法和本文所提出的算法都有足够的资源分配给自己的用户，用户的QoS需求都得到满足。

图2(c)显示了mMTC切片的吞吐量性能。在图2(c)的前半段，n=0.2和n=0.5的场景下的吞吐量性能比n=0.8的场景下的吞吐量性能表现更好，这是因为mMTC的负载比eMBB切片的负载低，在隔离级别较高的场景下，资源分配受负载影响较小，受优先级影响较大，可获得资源更多。在图2(c)的后半段，随着mMTC切片的负载继续增加直至超过eMBB切片的负载，在隔离级别低的场景下，mMTC切片就可以抢占更多的uRLLC切片的资源，因此，吞吐量会比高隔离级别的场景下更高，结合图2(b)也可以看出。

综上所述，一方面，本文所提出的算法可以根据不同的需要设置不同的隔离级别，具有一定的灵活性。另一方面，在高隔离级别的场景下，本文提出的算法可以保证eMBB切片在高负载下的吞吐量性能。在低隔离级别的场景下，本文所提出的算法可以保证uRLLC切片在高负载的情况下的时延性能，可以保证用户的QoS，更具有实用性。

6.3 不同优先级下的切片性能

所提出的算法不仅在隔离方面是灵活的，而且在切片的优先级管理方面也是灵活的。图3是在固定K1，K2，K3，然后改变3种切片的优先级的情况下得到的，K3设置为350。图3显示了当优先级变化时3个切片的性能，性能取决于mMTC切片(p3)的优先级以及其它两个切片的优先级的不同组合。更详细地说，从点p3=0和p1=p2=0.5开始，p3通过将第一个切片的优先级降低到p1=0.35而增加，p2保持不变。然后在图的第二部分中，p1保持0.35不变，p3继续增加，p2逐渐降低至0.25停止。

图3 各切片的性能表现随p3的变化

图3(a)显示了eMBB切片的吞吐量性能。在mMTC优先级为0～0.05的时候，其优先级过低，eMBB切片可以获得满足其需求的资源量，因此，eMBB切片的吞吐量维持不变。随着p1的继续下降，p3的继续上升，eMBB切片所分配的资源开始减少，吞吐量开始下降。在图3(a)的第一部分中，n=0.2比n=0.5的场景下吞吐量要高，n=0.5比n=0.8的场景下吞吐量要高。造成这种现象的原因是mMTC切片的流量负载比eMBB切片的流量负载高，因此，隔离级别越高，资源分配受流量负载影响就越小，受优先级影响就越大。在图3(a)的第二部分，p1维持在0.35不变，p2开始减少，p3继续增加，eMBB切片可获得的资源量继续减少。参考算法无法保证eMBB切片的性能，所以参考算法的eMBB切片的吞吐量持续下降，性能恶化。而本文所提出的算法设置了最小吞吐量限制，因此，当eMBB切片吞吐量下降到一定值时就不再继续下降，由图3(a)可见。

图3(b)显示了uRLLC切片的时延性能。在图3(b)的第一部分，uRLLC切片的优先级很高，而且其流量负载最小，所以在不同的隔离环境下都能满足用户的时延需求。当p3增加至超过0.25时，uRLLC已不再具有高优先级的优势，参考方法只有在隔离级别非常高的场景中才能保证时延性能，在隔离级别非常低的场景下，受到eMBB切片和mMTC切片的高流量负载的严重影响，已经无法获得满足自身需求的资源量。如图3(b)所示，uRLLC切片的最大时延开始增加，增长迅速，在n=0.8的情况下，最大时延超过了4.5 ms。n=0.5的情况下也超过了3 ms，用户的QoS已经受到了严重的影响。而本文所提出的算法即使最大时延会随着p2的降低而增加，但是不会超过3 ms，能满足用户的最低QoS需求，更加适用于实际场景。

图3(c)显示了mMTC切片的吞吐量性能。在图的第一部分，mMTC切片的吞吐量随p1的减少而增加。在图的第二部分，p2开始减少，p3继续增加，当隔离级别比较低的时候，uRLLC切片会受到eMBB和mMTC切片的流量负载的影响，mMTC可以抢占更多的uRLLC切片的资源，从而使mMTC的吞吐量更大。如图所示，n=0.8的吞吐量高于n=0.5，n=0.5的吞吐量高于n=0.2。因为本文设置了eMBB和uRLLC的最低资源量限制，因此，mMTC切片可获得的资源量会比参考算法要少，导致吞吐量会低一些。

综上所述，本文所提出的算法可以根据需要设置3种切片的优先级，具有一定的灵活性。在高负载场景下，所提的算法可以保证eMBB切片和uRLLC切片在低优先级时的性能。

6.4 复杂度分析

综上，复杂度随着切片的数量(切片间资源调度)和用户的数量(切片内资源调度)线性增加，复杂度较低，因此是一种适合于实际应用的解决方案。

7 结束语

本文主要研究无线接入网(RAN)切片。面对稀缺的无线资源，为了在高负载场景下兼顾隔离和资源效率，提出了一种适用于实际系统的高效、灵活、低复杂度的两层调度算法。

仿真结果表明，所提出的算法可以根据不同的场景和需要，设置不同的隔离级别和优先级，灵活性较好。而且在高负载下能保证eMBB切片的最低吞吐量和uRLLC切片的最大时延，保证了用户的QoS。