于小寧

（西安工業(yè)大學保密處 西安 710032）

1 引言

近年來，伴隨著移動數(shù)據(jù)速率和數(shù)據(jù)流量爆炸式增長，海量的移動應用充斥市場，用戶對于流量的需求隨著時間空間動態(tài)變化，用戶體驗要求越來越高。與此同時，無線運營商面臨著激烈的競爭形勢：用戶要求更簡便，更穩(wěn)定，更高性能的服務，然而單用戶的ARPU（Average Revenue Per User）值卻呈現(xiàn)緩慢增長的趨勢，甚至逐漸降低［1］。為了保證持續(xù)發(fā)展，無線運營商必須尋找低成本地為用戶提供高質(zhì)量的無線業(yè)務的方法。由于傳統(tǒng)無線接入網(wǎng)高額的運營維護開支和資本支出使得無線運營商在移動互聯(lián)網(wǎng)市場上的競爭力減弱，為了適應新環(huán)境，移動運營商必須重新考慮接入網(wǎng)絡的架構。目前，國外在云環(huán)境下虛擬機調(diào)度研究成果豐碩，特別是在能源節(jié)約方面。Sotomayor等［2］提出租賃和虛擬化服務器來給教學和研究中的短期資源需求提供計算資源。他們提出先來先服務（FCFS）和回填調(diào)度算法來處理用戶的租約，并且用一個貪婪算法來將所有屬于同一個用戶租約的相同的虛擬機（VMs）映射到同一臺物理服務器上。在文獻［3］中，作者將首次適應（FFD）算法和短期啟發(fā)式算法進行了一些結合，提出兩個能源感知的虛擬機分配算法［3］。雖然此算法可以減少物理服務器總的能源消耗，但卻不是最佳方案。基于以上背景，本文給出一種新的分配方法，即基于BBU-RRU動態(tài)映射的基帶資源分配方法。設計分配過程流程圖，并對分配過程中的相關算法進行描述，進行仿真，對仿真結果進行合理分析，證明本文提出的分配方法可以有效地提高基帶資源利用率并減少能源消耗。

2 云環(huán)境中虛擬機調(diào)度方法

2.1 云計算結構體系

云計算旨在通過網(wǎng)絡將多個成本相對較低的計算實體整合成一個完美的具有強大計算能力的系統(tǒng)［4～7］?！霸啤钡氖褂谜卟魂P心底層基礎設施的具體實現(xiàn)，而且資源看起來是可以無限擴展的，并且可以隨時獲取。云計算體系結構如圖1。

圖1 云計算體系結構圖

云計算的優(yōu)勢：

1）靈活的資源。云環(huán)境中以并行計算為核心，根據(jù)用戶的需求調(diào)度計算資源，提供完整的數(shù)據(jù)處理服務，它包括從數(shù)據(jù)導入整合處理、計算模型設定到計算結果輸出、多形式展現(xiàn)、應用API等，可為公共事業(yè)、科學研究、政府提供可靠靈活的平臺。

2）高可靠性。采用分布式存儲系統(tǒng)，數(shù)據(jù)互備，快速備份和恢復。支持各種數(shù)據(jù)處理、計算模型，滿足不同領域、不同特點的計算需求。

3）快速部署，彈性擴容。云計算的規(guī)模可以進行靈活的伸縮。當用戶的需求增加時，云服務提供商可以快速地增加物理服務器節(jié)點，提高計算能力，當用戶的需求減少時，云服務提供商可以關閉部分物理服務器，以減少能源消耗。

虛擬化技術使得底層的差異性和兼容性對上層應用來說是透明的，因為它將底層的內(nèi)存、CPU、帶寬等硬件資源進行抽象，從而可以統(tǒng)一管理底層多樣的資源。云計算虛擬化技術中把物理機的資源映射到虛擬機層，利用虛擬機執(zhí)行用戶任務［8-10］。目前常用的虛擬機調(diào)度方法主要有輪轉法，最小負載優(yōu)化法和散列法等。輪轉法通常設定一個輪轉周期（如物理服務器的個數(shù)）依次將用戶需要的虛擬機輪流映射到物理服務器上，一個周期結束后，重新開始下一個周期。最小負載優(yōu)化法是對過去一段時間物理服務器的資源利用率進行觀察，在進行虛擬機的分配時，總選擇這一段時間來負載最輕的物理服務器分配虛擬機。散列法是預先設定一個散列函數(shù)，用于將反映用戶需求的虛擬機映射到物理服務器上［11］。

2.2 基于IT平臺基站信號處理可行性分析

GPP的計算能力越來越強，單次運算的平均功耗也在逐年降低。多核技術、更先進的芯片架構使得在通用處理器上實現(xiàn)無線基帶信號的實時處理成為可能。標準服務器已經(jīng)大規(guī)模應用在核心網(wǎng)領域，IT廠商也逐漸將觸角伸到了無線接入網(wǎng)領域，Intel也將基于CPU的通信基站實時信號處理作為重點研究方向。本文中基于GPP的基帶資源池結構如圖2。

圖2 基于GPP的基帶資源池結構圖

3 基于BBU-RRU動態(tài)映射的基帶資源分配方法

3.1 動態(tài)映射模型

一個BBU根據(jù)其資源利用狀態(tài)可以支撐一個或多個RRU（圖3中顏色相同的RRU），BBU與RRU之間的邏輯連接是可以改變的，RRU并不專屬于某個BBU，而是可以動態(tài)映射到合理的BBU上。

圖3 動態(tài)映射模型

BBU集中在基帶池中，可以通過光纖或是加強的X2接口（X2接口用于實現(xiàn)eNB之間的互連，相當于基站與基站的接口，X2接口分為X2用戶平面和X2控制平面。）互聯(lián)。RRU是射頻拉遠單元，分布在傳統(tǒng)基站的位置，只具有發(fā)射信號的作用，不對信號進行處理。BBU與RRU之間通過高速光纖接口連接。

3.2 系統(tǒng)模型建立

在C-RAN基帶資源池中，包含m個BBU組成的集合，每個BBU由一個“簇”構成（“簇”由若干個虛擬機＋DSP（FPGA）等專用芯片組成）。

假設基帶池中的BBU計算資源容量（這里指CPU）為集合C。

本模型中，我們考慮n個小區(qū)組成的蜂窩網(wǎng)絡，RRU位于每個蜂窩小區(qū)的中心，不考慮RRU間的干擾，RRU可用集合R表示。

模型中，用戶隨機分布在小區(qū)內(nèi)，時刻t每個小區(qū)的用戶數(shù)可以用集合Ut表示。用戶業(yè)務按時隙到達，總的業(yè)務量具有一定的規(guī)律性（白天－黑夜時變性）。每個用戶所需要的計算資源矩陣表示。表示t時刻ri的用戶l所需要的計算資源量。其中≥ 0 ，st=max(， …，…，)，i∈{1，…，n}，l∈{1，…，st}。

用戶業(yè)務按時隙到達，考慮業(yè)務的執(zhí)行時間，同一個用戶的業(yè)務可能在連續(xù)的時隙出現(xiàn)。假設用戶業(yè)務能夠容忍的最大時延為D個時隙，如果當前時隙到達的業(yè)務不能在當前時隙完成則延期到下一時隙，業(yè)務被延期D個時隙仍未被執(zhí)行，則過期，丟棄。因此，用戶的業(yè)務有三種狀態(tài)，第一：本時隙新到達的業(yè)務xt；第二：以前時隙未被執(zhí)行的延期業(yè)務(0≤d≤D-1)；第三：被丟棄的過期業(yè) 務(d≥D)。則在當前時隙執(zhí)行的業(yè)務量y=xt+。

約束條件（9）表示在任何時隙，對任何BBU，用戶所需的計算資源應小于其系統(tǒng)容量；約束條件（10）表示在任何時隙，一個RRU至多能映射到一個BBU；約束條件（11）保證用戶的服務水平（Ser?vice Level Agreement，SLA）。此問題等價于求最小的BBU個數(shù)：

約束條件（13），（14）的意義同上。

4 計算分析

無線通信的業(yè)務有著明顯的周期性，如白天的業(yè)務量一般高于深夜的業(yè)務量。假設業(yè)務的到達服從下式所描述的規(guī)律：

其中，T 表示業(yè)務的周期，t表示時隙，t′，t″為固定值。根據(jù)所述算法，在保證仿真的正確性的同時為了簡便，仿真中的一些參數(shù)進行了簡化。用戶業(yè)務的執(zhí)行時間隨機生成，在仿真中不做限定，具體參數(shù)如表1。

表1 參數(shù)設置

圖4為表示能源節(jié)約的柱狀圖，傳統(tǒng)小區(qū)架構中，BBU是全部開啟的。在仿真中，本文假定開啟的BBU所消耗的電能是一個定值，它與所處理的業(yè)務量是不相關的，未開啟的BBU不消耗電能。在此假設的前提下，我們可以用本文所提方案中每個時隙開啟的BBU數(shù)目與總的BBU個數(shù)的比值來近似表示本方法能源消耗占資源分配之前的能源消耗的百分比。當然，這樣簡單的表示是不太嚴謹?shù)牡軓囊欢ǔ潭壬险f明本方案的有效性。因為這個百分比與系統(tǒng)容量是相關的，在本文中，系統(tǒng)容量值遠大于最大忙時業(yè)務量，因此，此方法計算出來的百分比數(shù)值可能會因系統(tǒng)同容量的變化而變化，但足以說明本方案可以有效的節(jié)約能源。本方案不是最優(yōu)解，但其算法復雜度低，計算難度小，并且從很大程度節(jié)約能源，因此是一個可行方案。

為了更清晰地表示本方法有效的節(jié)約能源，特取業(yè)務量高峰（時隙286）業(yè)務量處于第二個小高峰時（時隙950），業(yè)務量處于平均水平時（時隙750），三個典型時隙觀察能源的節(jié)約如圖5。

圖4 CRAN和DRAN能源消耗對比圖

圖5 三個典型時隙對比圖

5 結語

本文主要對基帶資源分配方法進行了系統(tǒng)的描述，利用啟發(fā)式降序首次適應算法作為預分配的算法，結合本文的場景，對基帶資源進行了合理的分配。為了方便理解，對相關算法步驟進行了解釋。C-RAN是一種新興的接入網(wǎng)架構，如何把基帶資源有效地利用，提高資源利用率成為學者和專家們研究的熱點。本文重點研究了基帶資源分配的問題，介紹了C-RAN的相關技術，結合C-RAN場景建立數(shù)學模型，設計分配相關算法步驟，并利用實驗進一步對算法性能詳細分析?；鶐зY源分配方法進行仿真，從開啟BBU個數(shù)變化、平均計算資源利用率、執(zhí)行業(yè)務量與丟棄業(yè)務量、能源消耗四個方面對算法性能進行評估。初步結論如下，所提算法計算復雜度低，算法性能穩(wěn)定，造成的系統(tǒng)丟包率低，可以保證通信質(zhì)量；與傳統(tǒng)資源分配算法相比，可以有效地提高資源利用率，減少電能消耗。

［1］Mckeown，et al.Open Flow：Enabling innovations in cam?pus network［J］.ACM SIGCOMM Computer Communica?tion Review，2008，38（2）：69-74.

［2］梁鑫.云環(huán)境中跨虛擬機的Cache側信道攻擊技術研究［J］.計算機學報，2016，40（2）：317-336.LIANG Xin.Cross-VM Cache Side Channel Attacks in Cloud：A Survey［J］.Chinese Journal of Computers，2016，40（2）：317-336.

［3］N.Q.Hung，N.Thoai，N.T.Son.Performance constraint and power-aware allocation for user requests in virtual comput?ing lab［J］.Journal of Science and Technology，2011，49（4）：383-392.

［4］J.R.Correa，M.R.Wagner.LP-based online scheduling：from single to parallel machines［J］.Math.Program.2009，119（3）：109-136.

［5］A.Schulz.Scheduling unrelated machines by randomized rounding［J］.SIAM Journal on Discrete Mathematics，2002，15（4）：450-458.

［6］I Al Azzoni.Power-Aware Linear Programming Based Scheduling for Heterogeneous Computer Clusters［J］.Fu?tureGenerationComputerSystems，2011，28（5）：745-754.

［7］B.Speitkamp，M.Bichler.A Mathematical Programming Approach for Server Consolidation Problems in Virtualized Data Centers［J］.IEEE Transactions on Services Comput?ing，2010，3（4）：266-278.

［8］A.Beloglazov，J.Abawajy，R.Buyya.Energy-aware re?source allocation heuristics for efficient management of da?ta centers for Cloud computing［J］.Future Generation Computer Systems，2012，28（5）：755-768.

［9］劉芳.云計算環(huán)境下的端口資源均衡調(diào)度模型仿真［J］.計算機仿真，2016，33（8）：297-300.LIU Fang.Simulation of port resource equilibrium schedul?ing model in cloud computing environment［J］.Computer Simulation，2016，33（8）：297-300.

［10］劉媛媛.虛擬計算環(huán)境下虛擬機資源負載均衡方法［J］.計算機工程，2010，36（16）：30-32.LIU Yuanyuan.Load Balancing Method for Virtual Ma?chine Resources in Virtual Computing Environment［J］.Computer Engineering，2010，36（16）：30-32.

［11］李濟漢.云計算環(huán)境下虛擬機資源均衡調(diào)度方法研究［J］.電信科學，2013，29（4）：78-82.LI Jihan.Research on the Resources Scheduling Method of Virtual Machines Under the Cloud Computing Environ?ments［J］.Telecommunications Technology，2013，29（4）：78-82.