CN104270777A - 基站资源池物理层算法封装方案的性能统计评估方法 - Google Patents
基站资源池物理层算法封装方案的性能统计评估方法 Download PDFInfo
- Publication number
- CN104270777A CN104270777A CN201410478570.1A CN201410478570A CN104270777A CN 104270777 A CN104270777 A CN 104270777A CN 201410478570 A CN201410478570 A CN 201410478570A CN 104270777 A CN104270777 A CN 104270777A
- Authority
- CN
- China
- Prior art keywords
- resource
- time
- encapsulation
- node
- real
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种基站资源池物理层基带信号处理算法封装方案的性能统计评估方法,操作步骤为:(1)建立基于基站资源池物理层基带信号处理封装方案集合的评估图。(2)将基带信号处理执行的当前时刻采用的封装方案映射至评估图。(3)依据计算任务执行进度,统计每个计算任务实时占用的资源,同时依据封装方案的回溯路径,计算节点权值进行性能统计。(4)根据实时性、封装可伸缩度和封装适合度三项指标,结合性能统计与基站资源池可用资源情况对封装方案进行评估。本发明囊括多种封装方案,能为适应资源动态变化而进行方案调整后的性能统计评估提供参考,增设的两项指标更全面、准确地反映资源动态变化时各种封装方案性能,操作步骤简单、方便易行。
Description
技术领域
本发明涉及一种基站资源池物理层算法封装方案的性能统计评估方法,属于无线通信的技术领域。
背景技术
在传统的接入网络架构中,基带信号处理通常是在满足实时性需求的前提下,采用固定的算法封装方案,因此,其消耗的资源固定,并未考虑对基站的不同实时负载实现动态匹配。因为算法封装方案是固定的,其方案性能也是相应固定的,可以在线下对所使用的资源以及运行时间等性能进行估计,不需要对封装方法进行实时评估。因此,目前在基站资源池或云基站中,都还未涉及有关基带信号处理时算法封装方案的评估方法。
传统的通信设备往往是某一家厂商提供整套解决方案,系统维护或者升级依赖性高。然而,随着近几年能源资源紧张,全球移动通信网络运营商面临日渐严重的成本压力。大多数主流运营商通常拥有多个不同通信制式的网络,为保证网络的服务质量,需要部署大量的基站,用于解决网络覆盖的问题。但是,这样就造成站址和机房资源的相对稀缺,与大量基站部署的需求形成难以协调的矛盾。而且,由于移动通信市场的激烈竞争,单用户的平均收入增长缓慢、甚至下降,运营商的“盈利”能力并不随之提高,这将导致建网和设备采购投资的压缩。出于行业持续盈利和长期发展考虑,移动通信产业界提出通过改变接入网络架构来解决这个问题。
参见图1,介绍新型基站系统的架构组成:所有基带处理单元BBU(Baseband Unit)和远端无线射频单元RRU(Radio Remote Unit)通过高带宽、低延迟的光传输网络相互连接起来。基带处理单元集中在一个物理站点构成基带池。基带池中多个基带处理单元之间通过高带宽、低延迟、灵活拓扑和低成本实现交叉连接。基带资源池需要应用基站虚拟化技术,在基带池中多基站共 享计算资源,而计算资源的分配则由系统根据业务量统一实现动态调度。而无线信号处理算法就成为无线通信系统物理层的核心处理方法,具有计算密集的特点,并且面临严格、苛刻的实时性要求。
为了保证基站集中处理的实时性、减少系统能耗,使虚拟化技术能够最大限度地发挥硬件系统性能,以支撑高速运行的通信系统的基带数据处理,需要对基带信号处理的计算任务进行划分并封装起来,将封装后的计算任务进行集中处理。且该封装方案应该可根据基站资源池的资源使用情况进行实时调整,以适应多核通用处理器上的动态任务分配,并满足系统实时要求。
在设计出基站资源池的物理层基带信号处理算法封装方法后,还需要对封装方案的包括处理时延、占用资源情况等多种性能进行统计评估;尤其在将封装方案应用到基站资源池中,封装的计算任务的资源消耗情况与任务执行环境有关,且封装方案会根据资源池资源的空闲情况进行实时调整,需要能动态跟踪封装方案实时的资源消耗,以判断该方案与当前空闲资源状况的匹配程度,即是否能适应资源的实时变化,指导基站资源池中资源的动态迁移。
发明内容
有鉴于此,本发明的目的是提供一种基站资源池物理层基带信号处理算法封装方案的性能统计评估方法,以供用于对多粒度的封装方案的性能进行统计评估,指导基站资源池中资源的动态迁移。
为了达到上述目的,本发明提供了一种基站资源池物理层基带信号处理算法封装方案的性能统计评估方法,用于对多粒度的封装方案的性能进行统计评估;其特征在于:所述方法包括下列操作步骤:
步骤1,在线下预先建立基于基站资源池物理层基带信号处理封装方案集合的评估图:所述评估图包含拆分为最小粒度的计算任务,以及这些计算任务之间所有可行的执行逻辑,从而使得该评估图包含所有实际可行的封装方案;
步骤2,因在基站资源池中实时执行的封装方案取决于资源的实时占用情况,故将基带信号处理执行的当前时刻所采用的封装方案映射至评估图中,以供统计评估性能;
步骤3,依据计算任务的执行进度,统计每个计算任务实时占用的资源情况, 同时依据封装方案的回溯路径,计算节点权值进行性能统计;
步骤4,根据实时性、封装可伸缩度和封装适合度三项指标,结合性能统计与基站资源池可用资源情况对每个封装方案进行评估:因基站资源池封装方案的资源消耗情况既与当前时刻的执行环境有关,还会根据资源池资源的空闲情况进行实时调整,故在评估基站资源池中物理层算法封装方案时,既考虑该方案包括消耗的资源、实时处理时间的传统指标,还要考虑该方案与当前空闲资源状况的匹配程度,以及该方案对后续待处理业务数据的可用空闲资源的贡献程度。
本发明基站资源池物理层基带信号处理算法封装方案的性能统计评估方法具有下述四个优点:
(1)本发明创新提出的按照计算任务可行的执行逻辑建立基站资源池物理层基带信号处理封装方案集合评估图,可以囊括多种封装方案,能够为适应动态资源变化而进行方案调整后的性能统计评估提供基础与参考。
(2)传统方案在处理过程中不会发生变化,其相应的性能统计评估也不能够适应方案调整的情况。但是,在基站资源池中的封装方案可能会根据资源状况进行实时调整,本发明提出将封装方案实时映射到评估图,再根据回溯路径进行性能统计,能够实时跟踪封装方案性能,以便为适应资源池变化进行调整。
(3)基于二分树形结构的评估图及其回溯路径有利于采用计算机编程实现,操作步骤简单、方便易行。
(4)传统方案仅考虑承载业务本身的实时性和资源消耗等性能要求,本发明方法在此基础上增加了可伸缩度和封装适合度两项指标,使方案评估能够反应其对当前资源池中资源的实时变化的适应性,以及对处理结束返还空闲资源后,为后续业务处理的贡献程度。这些指标更全面、准确地反映了资源动态变化下基站资源池物理层算法封装方案的性能,为算法方案的选取和执行提供更多的参考。
本发明专利申请的创新关键技术点包括:
(A)在线下预先建立基于基站资源池物理层基带信号处理封装方案集合的评估图,内容具体包括:首先确定封装方案的评估指标,然后按照物理层基带信号处理的最小粒度操作罗列计算任务,并列出基站资源池中这些计算任务 的可行执行逻辑,再依据可行的执行逻辑和以二分的方式与均衡原则对基带物理层计算任务进行拆分,形成二分树形结构,然后以此为基础,标记计算任务之间可行的执行关系,形成评估图,并在评估图上标记节点权值。
(B)将所有实际可行的封装方案都映射至评估图中:依据执行逻辑遍历所有叶子节点至根节点,其回溯路径就是一个封装方案到评估图的映射,用于统计评估性能。
(C)依据封装方案的回溯路径,计算节点权值进行性能统计。
(D)根据实时性、封装可伸缩度和封装适合度三项指标,结合性能统计与基站资源池可用资源情况对封装方案进行评估。
附图说明
图1是本发明的应用场景:基于基站资源池的基站系统架构组成示意图。
图2是本发明基站资源池物理层基带信号处理算法封装方案的性能统计评估方法操作步骤流程图。
图3(a)、(b)、(c)、(d)、(e)和(f)分别是计算任务六种可行的执行逻辑示意图。
图4是本发明实施例中的二分树形结构组成示意图。
图5是图3中的二分树形结构的评估图示意图。
图6(a)和(b)分别是图3中(b)封装方案的回溯路径和图3中(e)封装方案的回溯路径图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合附图和实施例对本发明作进一步的详细描述。
本发明基站资源池物理层算法封装方案的性能统计评估方法用于对多粒度的封装方案的性能进行统计评估,其基本思想是:首先,确定封装方案的评估指标,并按照计算任务可行的执行逻辑建立封装方案集合评估图;接着,将所有的封装方案都映射至评估图中;然后,根据回溯路径统计该封装方案的性能;最后,根据实时性、封装可伸缩度和封装适合度等指标结合性能统计与基站资 源池可用资源情况对方案进行评估。
参见图2,介绍本发明方法的下述四个具体操作步骤:
步骤1,在线下预先建立基于基站资源池物理层基带信号处理封装方案集合的评估图:
该步骤1包括下列两项均在线下完成的操作内容:
所述评估图包含拆分为最小粒度的计算任务,以及这些计算任务之间所有可行的执行逻辑,从而使得该评估图包含所有实际可行的封装方案。
(11)确定封装方案的性能统计指标:
性能统计指标包含多项参数指标,用于反映封装方案消耗或空闲的可用资源情况,以供资源的动态迁移提供参考。封装方案消耗或空闲的资源情况的性能统计指标至少包括:封装方案消耗的处理资源量及其时长、存储资源量及其时长和接口资源量及其时长,以及该封装方案的实时处理时间。
(12)按照计算任务可行的执行逻辑,建立基站资源池物理层基带信号处理封装方案集合的评估图:
因为针对所有可行的封装方案建立方案集合的评估图时,应考虑基站资源池为匹配系统负载和业务需求要涉及到资源的动态迁移;且各个计算任务在资源池中的分布,也会受到资源情况实时变化的影响。根据资源池的空闲资源情况,所有可行的封装方案均有被使用的可能,而实时应用的封装方案则为该封装方案集合的某一种。因此在评估图中必须囊括所有可行的封装方案,并能够对实时应用的封装方案进行评估。
该步骤(12)又具体分为下述各项操作内容:
(12a)按照物理层基带信号处理的最小粒度操作罗列计算任务:
因物理层基带信号处理包含多个级联的算法,为保证系统实时性,基带信号处理算法通常会被拆解成并行处理的多个子算法、即最小粒度操作;所谓最小粒度操作是最大并行度执行的操作,即将拆解为最小粒度、无法再往下拆分的所有操作都罗列出来。例如,基带信号处理过程可以拆分为5个计算任务,分别是{1,2,3,4,5},这5个计算任务由于都是最小粒度的操作,已经无法继续往下拆分(参见图3(a))。
(12b)先对罗列的这些计算任务的数据依赖关系进行分析,按照可能的执 行顺序罗列这些最小粒度操作的执行逻辑,再将罗列的所有执行逻辑的集合构成封装方案的集合。
所谓数据依赖关系是某个计算任务的输入是否为另一计算任务的输出,若是,则该两个计算任务有依赖关系,否则,两者无依赖关系。当两个计算任务有数据依赖关系时,两者是按照输入输出关系的先后依次执行。当两个计算任务没有数据依赖关系时,两者的执行顺序是依据当时情况酌情安排的:两者可按照先后顺序执行,或者也可不按先后顺序、同时执行。以上述5个计算任务为例,如果计算任务4的数据输入为计算任务3的输出,而其他计算任务无明显数据依赖关系,则在设计可行的执行逻辑时必须保证任务3和任务4先后依次执行(如图3(a)~(f)所示)。
再参见图3,介绍这5个计算任务为例的下述6种可行的执行逻辑情况(其中,{}中包含的是将数字标号代表的计算任务封装在一起的计算任务):
(a)所有5个计算任务先后依次执行。
(b)任务{1,2,3}和任务{4,5}先后依次执行,而其中任务{1}{2}按顺序执行,任务{1,2}与{3}同时执行,而任务{4}{5}按顺序执行。
(c)任务{1,2,3}和任务{4,5}先后依次执行,其中任务{1}{2}{3}同时执行,而任务{4}{5}按顺序执行。
(d)任务{1,2,3}和任务{4,5}按顺序执行,其中任务{1}{2}{3}同时执行,而任务{4}{5}同时执行。
(e)任务{1,2,3}和任务{4,5}按顺序执行,其中任务{1}{2}先后依次执行,任务{1,2}与任务{3}同时执行,任务{4}{5}同时执行;
(f)任务{1,2,3}和任务{4,5}按先后顺序执行,其中任务{1}{2}{3}先后依照顺序执行,任务{4}{5}同时执行。
因此,上述共列出的所有6种可行的执行逻辑集合就构成封装方案的集合。
(12c)依据可行的执行逻辑确立评估图的树形结构框架:
先采用树形结构建立评估图的基本框架,本发明中的树形结构设有两类节点:叶子节点和汇聚节点。叶子节点是最小粒度计算任务、由于其不可拆分,其下不再包含节点。汇聚节点是封装有多个计算任务的节点。另外,汇聚节点中包括唯一的一个根节点。
从根节点起始,以二分的方式依据均衡原则对基带物理层计算任务进行拆分,形成二分树形结构的具体方法:将根节点作为树形结构的第一层,并从根节点起,将基带物理层的执行流程以计算负载均衡原则拆分为计算负载相当的两部分,即拆分出的两部分计算负载相当。如果该两部分中包含可继续拆分的计算任务,则标记为“圆形”汇聚节点;否则,标记为“方形”叶子节点,并将该两部分作为树形结构的第二层。然后,针对生成的每个汇聚节点,按照上述原则继续拆分,直至分为最小粒度的计算任务,即成为不能再分的叶子节点为止。且在排列同层节点时,按照执行先后顺序从左至右排列节点。
参见图4,这是以图3的执行逻辑为例,拆分后的二分树形结构如下:
假设计算任务{1,2,3}及任务{4,5}的计算负载相当,则从根节点(即汇聚节点1)开始分为两个部分:一部分包含任务{1,2,3},另一部分包含任务{4,5},可分别由汇聚节点2、4标记,作为第二层。在第一部分中任务{1,2}和{3}的计算负载相当,则在汇聚节点2下分为汇聚节点3(包含任务{1}{2})以及叶子节点任务{3}。此外,汇聚节点4中还可进一步拆分成任务{4}{5}两个叶子节点。至此,已将整个计算流程拆分到最小粒度的计算任务,形成如图4所示的二分树形结构。
(12d)基于二分树形结构,标记任务之间可行的执行关系,以确立评估图:
从树形结构的最底层开始,从下到上逐层按照从左到右的方向,标记各个计算任务之间的执行关系、即节点之间连线的方向性:若同层的两个节点有数据依赖关系时,两个节点需按先后顺序执行时,则将该两个节点之间自左向右用箭头连线标记;若同层的两个节点无数据依赖关系时,则该两个节点之间有两种连线:既可以用箭头连线标记这两个节点按照自左向右方向顺序地先后执行,或者该两个节点也可以同时执行,也就是用两个箭头连线标记该两个节点到汇聚节点的方向;直到标记至根节点。
注意这里的节点包括汇聚节点,且连线带有方向性,有数据依赖关系的连线方向即为节点先后执行顺序的方向(即自左向右),无数据依赖关系连线的方向即有节点先后执行顺序的方向,也有从叶子节点到汇聚节点的方向。
例如上述示例,根据图3的执行逻辑分析和图4建立的二分树形结构,可以做出如图5所示的评估图。按照图4所示的结构,从最底层由左到右、由下 到上分析,任务{1}{2}无数据依赖关系,因此可以将叶子节点1到2进行连线,并且可以将叶子节点1、2到汇聚节点2进行连线。汇聚节点3代表任务{1,2},其与任务{3}无数据依赖关系,因此可以将汇聚节点3到叶子节点3进行连线,并且可以将叶子节点3、汇聚节点3到汇聚节点2进行连线。汇聚节点2代表任务{1,2,3}。由于任务{3}的输出为任务{4}的输入,因此汇聚节点2与4之间有数据依赖关系,只可将汇聚节点2到汇聚节点4进行连线。任务{4}{5}的关系依次类推,最后由汇聚节点4到汇聚节点1即根节点进行连线,标志整个流程结束。
(12e)在评估图上标记每个叶子节点权值:
节点权值与性能统计指标相对应,应包含节点、即计算任务所消耗的各类资源情况;且根据节点类型的不同,其权值标记也相应不同。对于叶子节点,其权值是该计算任务的各类性能统计指标,包括处理、存储或接口的各类资源占用数量及其占用时长等。对于汇聚节点,其权值是在封装方案执行时实时产生的,在此暂不做标记。
步骤2,由于步骤1建立的评估图包含了拆分为最小粒度的计算任务,以及它们之间所有可行的执行逻辑,因此该评估图实际包含了所有可行的封装方案。因在基站资源池中实时执行的封装方案取决于资源的实时占用情况,故该步骤在将基带信号处理执行的当前时刻所采用的封装方案映射至评估图中,以供统计评估性能;
该步骤的映射方法操作内容为:以评估图的左下方叶子节点为起点,自底向上依据执行逻辑遍历所有叶子节点,直至根节点,其回溯路径作为一个封装方案。如果封装方案在执行前已经根据当前资源占用情况所确定,并在执行过程中不再变化时,则其回溯路径同样也确定于执行前。如果封装方案在执行过程中还会依据资源占用情况进行调整时,则需要按照执行进度判断节点关系是否发生变化,逐层确定回溯路径,该回溯路径能够根据资源的动态使用情况发生变化。
以图3中的示例进行说明,如果采用的封装方案为图3(b)所示的情况,则回溯路径为图6中(a)所示。其中任务{1}{2}按先后顺序执行,而任务{1,2}和{3}同时执行,任务{4}{5}按先后次序执行,任务{1,2,3}和任务{4,5}按顺序执 行。如果在执行前根据当前资源情况已经确定了封装方案(b),但在执行过程中,由于其他计算任务完成而释放了更多的资源,导致在执行完任务{3}后,可以有更多的资源对任务{4}{5}进行并行处理时,就可以将封装方案(b)调整为(e),则回溯路径可更新为图6(b)中所示的情况。
步骤3,依据计算任务的执行进度,统计每个计算任务实时占用的资源情况,同时依据封装方案的回溯路径,计算节点权值进行性能统计。
该步骤3包括下列操作内容:
(31)当资源池每次执行完成一个计算任务时,就在评估图中追踪到执行完该节点的下一个节点上,并判断该节点类型和执行下述操作:
如果经过的是叶子节点,则不做计算操作;
如果经过的是汇聚节点,则根据回溯路径确定下层节点到该汇聚节点的连线数量、即边的数量和执行下述相应操作:
(A)如果仅有一条边进入该汇聚节点,表示其下一层的两个节点有先后执行的数据依赖关系,则在该汇聚节点计算其权值为其下一层两个节点的权值之和、即该两个节点资源消耗量之和。
(B)如果有两条边从下一层进入该汇聚节点,表示其下一层的两个节点为同时执行的无数据依赖关系,则在该汇聚节点处计算其权值中的资源消耗量为下一层两个节点资源消耗量之和,实时处理时间为两者的最大值。
(32)按照步骤(31)的方法,从最底层开始,自下向上,逐层地按照从左到右的顺序执行回溯统计,直至到达根节点。因根节点属于汇聚节点,计算其权值后,终止计算操作,该根节点的权值就是该封装方案的性能数值。
需要注意的是:因权值中包含多种资源及其时长的消耗,以及实时处理时间的消耗,故在求和或计算最大值时,应根据不同类型的资源分别进行计算。
参见图6(a),从最底层开始,逐层从左到右判断节点类型:
第四层,包含叶子节点1和2,不做计算操作;
第三层,包含汇聚节点3,而根据叶子节点1→叶子节点2→汇聚节点3的回溯路径,可以看到第四层到汇聚节点3仅有一条边,因此叶子节点1、2为先后执行关系,再更新汇聚节点3的权值为叶子节点1和2权值之和,即两个叶子节点1、2对应的计算任务消耗的资源以及实时处理时间之和。这里的权值中 消耗的资源应该根据不同资源类型进行分别求和。另外,包含叶子节点4、5,不做计算操作。
第二层,包含汇聚节点2和4。.对于汇聚节点2,由第三层到本层有回溯路径:汇聚节点3→汇聚节点2,叶子节点3→汇聚节点2,即有两条边,即计算任务{1,2}与3是同时执行关系,所以在汇聚节点2处计算其权值中资源消耗量为汇聚节点3和叶子节点3的资源消耗量之和,实时处理时间则为该两者的最大值。对于汇聚节点4,由第三层到本层有回溯路径:叶子节点4→叶子节点5→汇聚节点4,所以在汇聚节点4处计算的权值为叶子节点4和5的权值之和。
第一层,即根节点。由第二层到本层有回溯路径:汇聚节点2→汇聚节点4→汇聚节点1,即计算任务{1,2,3}和任务{4,5}是先后执行关系,计算根节点权值为汇聚节点2、4的权值之和。
至此已到达根节点,图6(a)所示的封装方案的性能即为根节点的权值。
步骤4,根据实时性、封装可伸缩度和封装适合度三项指标,结合性能统计与基站资源池可用资源情况对每个封装方案进行评估:
因基站资源池封装方案的资源消耗情况既与当前时刻的执行环境有关,还会根据资源池资源的空闲情况进行实时调整,故在评估基站资源池中物理层算法封装方案时,既要考虑该方案包括消耗的资源、实时处理时间等传统指标,还要考虑该方案与当前空闲资源状况的匹配程度,以及该方案对后续待处理业务数据的可用空闲资源的贡献程度。因此,本发明提出三种评估指标:实时处理时间、封装可伸缩度和封装适合度。
封装方案的实时处理时间是该方案承载的数据进入基站资源池物理层开始处理到数据完成物理层处理为止所需经历的时间,该指标取决于封装方案本身和资源池的执行环境。
如果封装方案自身在处理过程中进行调整,则步骤3的统计时间也会随着方案的调整而变化。故评估封装方案的实时处理时间时,应预先设置能够满足最低实时处理要求的门限时间λ(该门限时间与数据量、业务时延要求有关);且在步骤3统计得到封装方案的实时处理时间T后,就与门限时间λ进行比较:若T<λ,则认为该方案满足实时处理时间要求;或设置分等级的两个或多个门限时间:λ1为最低实时性要求和λ2为良好的实时性要求,且λ1>λ2;当λ2<T<λ1时, 认为方案满足最低实时性要求,当T<λ2时,认为方案的实时性能达到良好。
封装方案的封装可伸缩度是衡量适应动态资源调整的指标,用于表示在当前基站资源池的可用资源变化时,封装方案与实时可用资源状况的匹配程度。例如当在可用资源增多的情况下,该方案是否可以降低粒度,提高并行程度,获得更好的实时性。可伸缩度s有多种表示方式,其中之一是空闲资源可支持的并行度pa与方案可相应调整的并行度pb之比值:式中,并行度pb是根据基站资源池物理层算法执行情况进行量化而分为多个等级,并用自然数p=1,2,…P表示之:并行程度越高,则p值等级的数值越大;可伸缩度s的取值范围为:(0,1],可伸缩度数值越大,表示该封装方案与实时可用资源状况的匹配程度越高,当其为最大值1时,表明该封装方案完全适应当前资源池的资源变化。
封装适合度是封装方案对后续待处理业务数据的可用空闲资源的贡献程度。在资源实时动态调整的基站资源池中,评估封装方案时,不仅要考虑该方案某次执行的处理时间和消耗资源,还需要考虑其对后续业务的影响,使得完成本次方案后所提供的空闲资源是否能够支持在较短时间内完成后续业务的处理。好的方案不应在资源池中耗费过多时间、资源,从而对后续处理造成负面影响。需要从资源消耗量、实时性角度考虑,该方案结束后提供的空闲资源是否可以使后续的业务处理能在较短时间内处理完。
封装适合度f有多种表示方式,其中之一是该方案处理结束时空闲资源能够支持的并行度pc与后续业务处理可达的并行度pd之比值:封装适合度f的取值范围为:(0,1],封装适合度数值越大,表示该封装方案对后续待处理业务的可用空闲资源贡献程度越高,当其为最大值1时,表示该封装方案结束后提供的空闲资源能为后续处理提供充足的实时性和并行度。
该步骤4包括下列操作内容:
评估封装方案性能时,应对所述三项指标进行综合考虑:不仅满足自身业务处理的实时性要求,还应能够适应当前资源池中资源的实时变化,对处理过程中新增的可用资源加以利用,并在处理结束时,及时返还空闲资源,以供后续业务处理使用。
因此,步骤4的封装方案的评估准则为:在封装方案的实时处理时间必须满足业务实时性要求、即T<λ的基础上,该封装方案的可伸缩度和封装适合度应尽可能高;此时应分别考虑该两项性能指标或以设定的线性组合方式αs+βf进行兼顾考虑,式中,α和β分别为可伸缩度和封装适合度的加权因子,其取值范围均为[0,1],应根据两者的占比而预先设置其数值。
本发明方法已经进行了仿真实施试验,试验的结果是成功的,实现了发明目的。
Claims (10)
1.一种基站资源池物理层基带信号处理算法封装方案的性能统计评估方法,用于对多粒度的封装方案的性能进行统计评估;其特征在于:所述方法包括下列操作步骤:
步骤1,在线下预先建立基于基站资源池物理层基带信号处理封装方案集合的评估图:所述评估图包含拆分为最小粒度的计算任务,以及这些计算任务之间所有可行的执行逻辑,从而使得该评估图包含所有实际可行的封装方案;
步骤2,因在基站资源池中实时执行的封装方案取决于资源的实时占用情况,故将基带信号处理执行的当前时刻所采用的封装方案映射至评估图中,以供统计评估性能;
步骤3,依据计算任务的执行进度,统计每个计算任务实时占用的资源情况,同时依据封装方案的回溯路径,计算节点权值进行性能统计;
步骤4,根据实时性、封装可伸缩度和封装适合度三项指标,结合性能统计与基站资源池可用资源情况对每个封装方案进行评估:因基站资源池封装方案的资源消耗情况既与当前时刻的执行环境有关,还会根据资源池资源的空闲情况进行实时调整,故在评估基站资源池中物理层算法封装方案时,既考虑该方案包括消耗的资源、实时处理时间的传统指标,还要考虑该方案与当前空闲资源状况的匹配程度,以及该方案对后续待处理业务数据的可用空闲资源的贡献程度。
2.根据权利要求1所述的方法,其特征在于,所述步骤1包括下列操作内容:
(11)确定封装方案的性能统计指标:所述性能统计指标包含用于反映封装方案消耗或空闲的可用资源情况的多项参数,以供资源的动态迁移提供参考;封装方案消耗或空闲的资源情况的性能统计指标至少包括:封装方案消耗的处理资源量及其时长、存储资源量及其时长和接口资源量及其时长,以及该封装方案的实时处理时间;
(12)按照计算任务可行的执行逻辑,建立基站资源池物理层基带信号处理封装方案集合的评估图:因为针对所有可行的封装方案建立方案集合的评估图时,应考虑基站资源池为匹配系统负载和业务需求要涉及到资源的动态迁移;且各个计算任务在资源池中的分布,也会受到资源情况实时变化的影响;根据资源池的空闲资源情况,所有可行的封装方案均有被使用的可能,而实时应用的封装方案则为该封装方案集合的某一种;因此在评估图中必须囊括所有可行的封装方案,并能够对实时应用的封装方案进行评估。
3.根据权利要求2所述的方法,其特征在于,所述步骤(12)包括下列操作内容:
(12a)按照物理层基带信号处理的最小粒度操作罗列计算任务:因物理层基带信号处理包含多个级联的算法,为保证系统实时性,基带信号处理算法会被拆解成并行处理的子算法;所述最小粒度操作是最大并行度执行的操作,即将拆解为最小粒度、无法再往下拆分的所有操作都罗列出来;
(12b)先对罗列的所述计算任务的数据依赖关系进行分析,按照可能的执行顺序罗列这些最小粒度操作的执行逻辑,再将罗列的所有执行逻辑的集合构成封装方案的集合;所述数据依赖关系是某个计算任务的输入是否为另一计算任务的输出,若是,则该两个计算任务有依赖关系,否则,两者无依赖关系;当两个计算任务有数据依赖关系时,两者是按照输入输出关系的先后依次执行;当两个计算任务无数据依赖关系时,两者的执行顺序是依据当时情况酌情安排的:按照先后顺序或者同时执行;
(12c)依据可行的执行逻辑确立评估图的树形结构框架:
所述树形结构设有两类节点:作为最小粒度计算任务、且其不能再拆分的叶子节点,以及封装有多个计算任务的汇聚节点,汇聚节点中包括唯一的一个根节点;
从根节点起始,以二分方式依据均衡原则对基带物理层计算任务进行拆分,形成二分树形结构的具体方法:将根节点作为树形结构的第一层,并从根节点起,将基带物理层的执行流程以计算负载均衡原则拆分为计算负载相当的两部分;若该两部分中包含可继续拆分的计算任务,则标记为“圆形”汇聚节点,否则,标记为“方形”叶子节点,并将该两部分作为树形结构的第二层;然后,针对生成的每个汇聚节点,按照上述原则继续拆分,直至分为最小粒度的计算任务,即成为不能再分的叶子节点为止;且在排列同层节点时,按照执行先后顺序从左至右排列节点;
(12d)基于二分树形结构,标记任务之间可行的执行关系,以确立评估图:从树形结构的最底层开始,从下到上逐层按照从左到右的方向,标记各个计算任务之间的执行关系、即节点之间连线的方向性:若同层的两个节点有数据依赖关系时,两个节点需按先后顺序执行时,则将该两个节点之间自左向右用箭头连线标记;若同层的两个节点无数据依赖关系时,则该两个节点之间有两种连线:用箭头连线标记的节点先后执行顺序的方向:自左向右;同时用箭头连线标记该两个节点到汇聚节点的方向,标明该两个节点同时执行;直到标记至根节点;
(12e)在评估图上标记每个叶子节点权值:所述节点权值与性能统计指标相对应,包含节点、即计算任务所消耗的各类资源情况;且根据节点类型的不同,其权值标记也相应不同:所述叶子节点权值是该计算任务的各类性能统计指标,包括处理、存储或接口的各类资源占用数量及其占用时长,汇聚节点权值是在封装方案执行时实时产生的,在此暂不做标记。
4.根据权利要求1所述的方法,其特征在于,所述步骤2的映射方法操作内容为:以评估图的左下方叶子节点为起点,自底向上依据执行逻辑遍历所有叶子节点,直至根节点,其回溯路径作为一个封装方案;如果封装方案在执行前已经根据当前资源占用情况所确定,并在执行过程中不再变化时,则其回溯路径同样也确定于执行前;如果封装方案在执行过程中还会依据资源占用情况进行调整时,则需要按照执行进度判断节点关系是否发生变化,逐层确定回溯路径,该回溯路径能够根据资源的动态使用情况发生变化。
5.根据权利要求1所述的方法,其特征在于,所述步骤3包括下列操作内容:
(31)当资源池每次执行完成一个计算任务时,就在评估图中追踪到执行完该节点的下一个节点上,并判断该节点类型和执行下述操作:
如果经过的是叶子节点,则不做计算操作;
如果经过的是汇聚节点,则根据回溯路径确定下层节点到该汇聚节点的连线数量、即边的数量执行下述相应操作:
如果仅有一条边进入该汇聚节点,表示其下一层的两个节点有先后执行的数据依赖关系,则在该汇聚节点计算其权值为其下一层两个节点的权值之和、即该两个节点资源消耗量之和;
如果有两条边从下一层进入该汇聚节点,表示其下一层的两个节点为同时执行的无数据依赖关系,则在该汇聚节点处计算其权值中的资源消耗量为下一层两个节点资源消耗量之和,实时处理时间为两者的最大值;
需要注意的是:因权值中包含多种资源及其时长的消耗,以及实时处理时间的消耗,故在求和或计算最大值时,应根据不同类型的资源分别进行计算;
(32)按照步骤(31)的方法,从最底层开始,自下向上,逐层地按照从左到右的顺序执行回溯统计,直至到达根节点;因根节点属于汇聚节点,计算其权值后,终止计算操作,该根节点的权值就是该封装方案的性能数值。
6.根据权利要求1所述的方法,其特征在于:所述封装方案的实时处理时间是该方案承载的数据进入基站资源池物理层开始处理到数据完成物理层处理为止所需的时间,该指标取决于封装方案本身和资源池的执行环境:
如果封装方案自身在处理过程中进行调整,则步骤3的统计时间也会随着方案的调整而变化;故评估封装方案的实时处理时间时,应预先设置能够满足最低实时处理要求的门限时间λ;且在步骤3统计得到封装方案的实时处理时间T后,就与门限时间λ进行比较:若T<λ,则认为该方案满足实时处理时间要求;或设置分等级的两个或多个门限时间:λ1为最低实时性要求和λ2为良好的实时性要求,且λ1>λ2;当λ2<T<λ1时,认为方案满足最低实时性要求,当T<λ2时,认为方案的实时性能达到良好。
7.根据权利要求1所述的方法,其特征在于:所述封装方案的封装可伸缩度是衡量适应动态资源调整的指标,用于表示在当前基站资源池的可用资源变化时,封装方案与实时可用资源状况的匹配程度;当可用资源增多时,该方案是否能够降低粒度,提高并行程度,获得更好的实时性;
可伸缩度s有多种表示方式,其中之一是空闲资源可支持的并行度pa与该封装方案可相应调整的并行度pb之比值:式中,并行度pb是根据基站资源池物理层算法执行情况进行量化而分为多个等级,并用自然数p=1,2,…P表示之:并行程度越高,则p值等级的数值越大;可伸缩度s的取值范围为:(0,1],可伸缩度数值越大,表示该封装方案与实时可用资源状况的匹配程度越高,当其为最大值1时,表明该封装方案完全适应当前资源池的资源变化。
8.根据权利要求1所述的方法,其特征在于:所述封装适合度是封装方案对后续待处理业务数据的可用空闲资源的贡献程度;在资源实时动态调整的基站资源池中,评估封装方案时,不仅考虑该方案某次执行的处理时间和消耗资源,还要考虑其对后续业务的影响,使得完成本次方案后所提供的空闲资源是否能够支持在较短时间内完成后续业务的处理;
封装适合度f有多种表示方式,其中之一是该方案处理结束时空闲资源能够支持的并行度pc与后续业务处理可达的并行度pd之比值:封装适合度f的取值范围为:(0,1],封装适合度数值越大,表示该封装方案对后续待处理业务的可用空闲资源贡献程度越高,当其为最大值1时,表示该封装方案结束后提供的空闲资源能为后续处理提供充足的实时性和并行度。
9.根据权利要求1所述的方法,其特征在于,所述步骤4包括下列操作内容:
评估封装方案性能时,应对所述三项指标进行综合考虑:不仅满足自身业务处理的实时性要求,还应能够适应当前资源池中资源的实时变化,对处理过程中新增的可用资源加以利用,并在处理结束时,及时返还空闲资源,以供后续业务处理使用。
10.根据权利要求9所述的方法,其特征在于:所述步骤4的评估封装方案的准则为:在封装方案的实时处理时间必须满足业务实时性要求、即T<λ的基础上,该封装方案的可伸缩度和封装适合度应尽可能高;此时应分别考虑该两项性能指标或以设定的线性组合方式αs+βf进行兼顾考虑,式中,α和β分别为可伸缩度和封装适合度的加权因子,其取值范围均为[0,1],应根据两者的占比而预先设置其数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410478570.1A CN104270777B (zh) | 2014-09-18 | 2014-09-18 | 基站资源池物理层算法封装方案的性能统计评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410478570.1A CN104270777B (zh) | 2014-09-18 | 2014-09-18 | 基站资源池物理层算法封装方案的性能统计评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104270777A true CN104270777A (zh) | 2015-01-07 |
CN104270777B CN104270777B (zh) | 2017-09-08 |
Family
ID=52162244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410478570.1A Active CN104270777B (zh) | 2014-09-18 | 2014-09-18 | 基站资源池物理层算法封装方案的性能统计评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104270777B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110430591A (zh) * | 2019-08-30 | 2019-11-08 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 基带资源池智能部署与重构方法 |
CN113918323A (zh) * | 2021-09-17 | 2022-01-11 | 中标慧安信息技术股份有限公司 | 边缘计算中高能效的计算任务分配方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103095411A (zh) * | 2013-01-11 | 2013-05-08 | 电子科技大学 | 一种云基站中基带信号处理方法 |
CN103701717A (zh) * | 2013-11-22 | 2014-04-02 | 北京邮电大学 | 云基站用户数据处理方法、装置和系统 |
CN103841647A (zh) * | 2014-03-07 | 2014-06-04 | 北京邮电大学 | 基于基站资源池的多粒度可伸缩封装装置和方法 |
-
2014
- 2014-09-18 CN CN201410478570.1A patent/CN104270777B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103095411A (zh) * | 2013-01-11 | 2013-05-08 | 电子科技大学 | 一种云基站中基带信号处理方法 |
CN103701717A (zh) * | 2013-11-22 | 2014-04-02 | 北京邮电大学 | 云基站用户数据处理方法、装置和系统 |
CN103841647A (zh) * | 2014-03-07 | 2014-06-04 | 北京邮电大学 | 基于基站资源池的多粒度可伸缩封装装置和方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110430591A (zh) * | 2019-08-30 | 2019-11-08 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 基带资源池智能部署与重构方法 |
CN113918323A (zh) * | 2021-09-17 | 2022-01-11 | 中标慧安信息技术股份有限公司 | 边缘计算中高能效的计算任务分配方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104270777B (zh) | 2017-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109710374A (zh) | 移动边缘计算环境下最小化任务卸载费用的vm迁移策略 | |
CN112286677B (zh) | 一种面向资源受限边缘云的物联网应用优化部署方法 | |
Goudarzi et al. | A fast hybrid multi-site computation offloading for mobile cloud computing | |
CN103677958B (zh) | 一种虚拟化集群的资源调度方法及装置 | |
CN103841647B (zh) | 基于基站资源池的多粒度可伸缩封装装置和方法 | |
CN114189892A (zh) | 一种基于区块链和集体强化学习的云边协同物联网系统资源分配方法 | |
CN103401939A (zh) | 一种采用混合调度策略的负载均衡方法 | |
CN110351754A (zh) | 基于Q-learning的工业互联网机器设备用户数据计算卸载决策方法 | |
CN107026877A (zh) | 云平台中管理资源的方法和装置 | |
CN108416465A (zh) | 一种移动云环境下的工作流优化方法 | |
Ren et al. | Collaborative edge computing and caching with deep reinforcement learning decision agents | |
Zhou et al. | IECL: an intelligent energy consumption model for cloud manufacturing | |
CN104484233A (zh) | 一种资源分配方法 | |
CN110058934A (zh) | 一种在大规模云雾计算环境中制定最优任务卸载决策的方法 | |
CN108196957A (zh) | 一种云环境下的主机负载预测方法 | |
CN111752710B (zh) | 数据中心pue动态优化方法、系统、设备及可读存储介质 | |
Al-Zubaedi et al. | A parameterized and optimized BBU pool virtualization power model for C-RAN architecture | |
CN111404974B (zh) | 一种云计算效能评估方法、装置及评估设备 | |
CN115473896A (zh) | 基于dqn算法的电力物联网卸载策略和资源配置优化方法 | |
CN104270777A (zh) | 基站资源池物理层算法封装方案的性能统计评估方法 | |
CN105045761B (zh) | 一种数据中心的高速并行处理架构 | |
CN105049499A (zh) | 一种基于多立方体映射的网络功能虚拟化资源分配方法 | |
CN105138391B (zh) | 面向广域分布云系统公平的多任务虚拟机分配方法 | |
Chen et al. | Data-driven task offloading method for resource-constrained terminals via unified resource model | |
CN104507150A (zh) | 一种基带池内虚拟资源分簇方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |