面向MTC应用计算资源柔性分配.docVIP

面向MTC应用计算资源柔性分配 　　基于机器类通信（MTC）业务的速率需求和计算需求，研究了对移动通信网络计算资源分配方法，给出了计算资源分配模型，提出了一种基于组合优化的计算资源分配算法来解决计算资源受限的问题。仿真结果表明提出的次优化算法与传统的轮询方式相比可以获得约10%的增益。 　　机器类通信；软基站；计算资源分配；组合优化 　　机器类通信（MTC）是指利用自动控制及网络通信等技术，在没有人为干预的情况下实现机器与机器之间自主数据通信与信息交互的一系列技术或技术组合的总称[1]。它为不同类型的终端设备建立实时通信连接并进行数据传输提供了一种有效的途径。据预测，截至2020年，MTC连接设备数将超过50亿个，且应用场景和业务类型更加多元化和差异化[2]。这都给移动网络在计算和处理方面带来了较大的挑战。另一方面，未来5G网络将是一张多制式多场景共存的异构通信网络，基于高性能通用处理器的软基站（GPP-SBS）[3]拥有更强的可编程性、更小巧、更廉价，成为一种典型的基站类型，将广泛部署于5G网络中。GPP-SBS中所有的数字信号计算与处理均通过多核CPU（GPP）来实现，但其处理能力是有限的，尤其在面向大量MTC广泛存在的移动网络中，计算逐渐成为制约移动网络性能的“瓶颈”。 　　在传统的移动通信系统中，无线资源的管理主要指对时间、频率、功率等的分配和调度[4-6]，并将计算资源纳入资源管理的维度。因而通过对通信系统中的计算资源进行有效的分配和管理以降低计算资源对系统性能的约束变得愈发重要和迫切。目前，对于计算资源的管理在计算机网络领域已有大量的研究，例如文献[7-10]提出了虚拟资源在云计算中的分配。在文献[7]中用混合整数规划问题来描述最优云网络映射问题并采用一种启发式的方法来解决该问题。文献[8]中列出了云计算中的多种资源分配算法，例如优化资源调度算法、基于市场的资源分配策略（RAS-M）、控制拥塞的公平资源分配等等。但在无线通信中对于计算资源管理的研究目前却十分有限。文献[11-13]提出了软件定义无线电（SDR）平台中的计算资源管理方案：文献[11]中提出了一种基于处理能力和设备间互通能力的资源模型，并给出了信号处理过程与处理设备间的映射算法；文献[12]中提出了一种根据成本函数和无线场景调整的动态映射算法。在文献[11-13]中，计算资源的管理与分配都是基于不同通信标准的信号处理功能模块进行的。然而随着现代通信的发展，用户业务种类越来越多，不同业务对于处理资源的需求也有很大的差别，面向业务导向的无线资源管理愈发重要。 　　本文提出了一种基于不同MTC业务特性的计算资源分配方案：通过对GPP-SBS中的计算资源与业务速率做出映射，并根据不同业务的速率对计算资源进行分配，以达到最大化计算资源利用率的目的。本文组织如下，第1部分给出了计算资源与数据速率的映射关系，建立了计算资源分配模型。第2部分给出了计算资源分配的数学表达并给出了基于组合数学的具体算法。第3部分给出了该算法的性能仿真分析，最后进行了总结。 　　1 计算资源建模 　　在本文所述的软基站中，所有无线通信的数据处理均由高性能通用处理器（即多核CPU）完成。要对高性能通用处理器的计算资源（处理能力）进行合理的分配，首先需要找到计算能力与传统通信的传输能力的映射关系。通常高性能通用处理器的计算资源或者计算能力用单位MIPS来衡量，而传统通信的传输能力由单位Mb/s来度量。在本节中给出MIPS和Mb/s的映射关系，以便于我们根据不同的业务速率需求来分配计算资源。 　　在GPP-SBS中，对于不同的处理器，不同的通信系统原型及不同的处理算法与代码，实际中MIPS与Mb/s的对应关系都是有所不同的。但是对于一个确定的软基站系统，MIPS与Mb/s的映射是确定的。 　　MIPS与Mb/s的映射模型如图1所示。假设软基站（SBS）在[t1]时间内接收到[α]比特数据，并且完全处理这些数据用了[t2]时间并花费了[β]条指令。 　　这里，我们给出该模型所示映射的数学表达式： 　　[Mbps=αt1βt2×MIPS] （1） 　　计算资源块（CRB）通过上式来定义。SBS总的计算处理能力是I MIPS，由式（1）可得总的计算资源时C Mb/s。若在SBS中有N条可调度分配的线程，每条线程定义为一个计算资源块（CRB），则有N个CRB对应N条线程。 　　在本文中，计算资源的分配是基于不同业务的业务速率需求的。通过上文中的定义，GPP基于SBS中的计算资源分配可以描述为将N个CRB分配给M个业务。计算资源分配模型如图2所示，其中，[ai]（Mb/s）是CRB的处理能力，[Rk]业务k的数据速率要求。 　　2 计算资源分配算法 　　计算资源分配的目的是