CN106028453A - 基于排队论的无线虚拟网络资源跨层调度映射方法 - Google Patents

Abstract

本发明公开了一种基于排队论的无线虚拟网络资源跨层调度映射方法，包括：一、在业务请求的队列中，根据时间紧迫性和请求实时性进行队列的重排，进入映射阶段；二、根据合同要求和用户的满足程度进行优先选择信道状态最好的资源块；三、对于还未满足要求的业务请求，再次选择信道状态较好的资源块，重复以上的过程，直至所有的业务请求满足要求；四、通过凸优化问题来求解最大的网络整体速率和底层网络的资源利用率，完成此次资源映射过程。本发明利用排队理论结合服务请求的时间额度和业务类型，映射过程采用采用迭代方式，能够动态的对资源块信道状态做出反应，克服了传统静态算法分配灵活度不高以及物理资源利用率低等问题。

Description

基于排队论的无线虚拟网络资源跨层调度映射方法

技术领域

本发明属于无线通信系统中服务调度和虚拟资源映射领域，具体涉及一种基于排队论的无线虚拟网络资源跨层调度映射方法。

技术背景

网络虚拟化(Network Virtualization)技术是指使用抽象、分配和隔离机制实现节点和链路虚拟化，通过共享底层的物理资源构建出共存但相互隔离的多样化虚拟网络，物理网络能够根据动态变化的虚拟资源请求实现对物理资源的合理配置和管理。网络虚拟化技术不仅解决了Internet的“僵化”问题和未来网络架构方面的争议性，同时也提供了未来网络演示的实验性平台和技术支持，成为Internet体系不断演进以及未来移动网络研究的关键核心技术。网络虚拟化的资源分配是服务提供商根据虚拟网络请求者请求的网络资源而从物理网络拓扑中选择子网络进行分配，子网络的分配称之为虚拟网络的实例化。底层物理网络的资源以创建虚拟的资源池的形式用以资源共享，每一个子网络相当于底层物理网络中的一片虚拟资源(节点资源和链路资源)。因此，网络虚拟化技术中最关键问题的是虚拟资源的分配问题。

近年来无线网络虚拟化技术不断转变为网络虚拟化研究的重点和难点。在本发明中，我们研究的是LTE无线网络环境。在LTE网络中，LTE空口链路的物理资源可以看做一个时间-频率的二维网格，通过虚拟化，可将其看成一块二维的资源池。LTE无线资源被分割成资源块，每个资源块在频域上有12个子载波，在时域上有7个OFDMA符号。进行无线传输时，用户占用一定的资源块来进行数据传输，获得资源块越多，就能获得更大的带宽，传输速率就会越高，服务的质量也会越好。虚拟网络资源映射就是通过一定的规则，将虚拟请求按照其自身的需求特征来逐次对应到底层网络的资源池中，来满足底层网络的资源利用率以及接纳更多的映射请求。本发明中将提出一种高效的跨层资源映射方法。

近年来无线网络虚拟化技术不断转变为网络虚拟化研究的重点和难点。有理论指出，当前的无线网络虚拟化映射方法主要受卡若图的启发，将资源分配过程简化为二维包装问题，通过域的划分方法将底层的无线资源划分成几个区域，尽可能找到几个最大区域进行空置面积的覆盖。近似卡若图的处理比其他传统的装包问题在性能上有所提升，但是从虚拟化角度该算法没有考虑到空间的维度，且并没有把信道特征结合在一起进行考虑，同时某些因素会影响到算法的性能，因此该算法可以在结合影响因素的统一下进一步提升网络的性能。

发明内容

本发明的目的在于克服现有技术的缺陷，提供一种基于排队论的无线虚拟网络资源跨层调度映射方法，利用排队理论结合服务请求的时间额度和业务类型的相关参数，映射过程采 用采用简便易行的迭代计算方式，能够动态的对信道状态进行预测来改变分配的策略，有效克服了传统静态算法使得分配的灵活度不高、自适应性差以及底层物理资源利用率低并且通常伴随物理节点或物理链路的负载过高的问题，提升整体网络的性能。

为解决上述技术问题，本发明采用以下技术方案。

所述方法包括以下步骤：

步骤一、请求队列中的请求按照到达顺序排列，在等待周期的末尾，根据时间紧迫性和请求类型进行队列的重排，进入映射阶段；

步骤二、对于即将映射的请求，根据其SP的合同要求和用户的满足程度进行优先选择信道状态最好的资源块；

步骤三、对于还未满足速率要求的请求，再次选择信道状态较好的资源块，重复以上的过程，直至所有的服务请求满足要求；

步骤四、对于上述的分配结果，通过凸优化问题来求解最大的网络整体速率和底层网络的资源利用率，完成此次资源映射过程，开启下一段等待周期。

在所述的步骤一中，所述的服务请求进入排列阶段，等待重排的过程，其实现过程为：

对于正在排队的业务请求，我们定义生存时间d₁和d₂来表示实时和非实时业务的等待最大时长，超过此生存时间的请求会被拒绝，而且对于实时业务请求，它们具有更短的生存时间，并且比非实时业务请求有更高的优先服务概率。在一个等待周期中，用户可以随机的向SP发出业务请求，在这个等待周期的结束末尾，根据时间紧迫性和业务请求类型进行队列的重排，满足以下的重排条件：ω_i＝αk_i+βf_i，其中ω_i为排序因子，代表着队列中某个请求的队列顺序前后，k_i表示某个请求的剩余等待时长，f_i表示某个请求的优先级大小，α和β为设定的考量参数。对于排序因子越小的应用请求，我们会在重排时将其排在映射队列的越前方，可以优先进行映射，这种队列方式既能最大化底层的资源能利用率和整体速率，又贴合了实际中应用紧迫性和实时性差异的公平性。

在所述的步骤二中，所述的根据其SP的合同要求和用户的满足程度进行优先选择信道状态最好的资源块，其实现过程为：

对于重新排列的映射队列，通过一种迭代启发式算法进行虚拟资源的映射分配。通过对整体资源池中资源块的不同信道状态信息进行分析，每个应用请求按照排列顺序优先挑选高信噪比的资源块，分配过程满足合同限制和用户间公平性。

在所述步骤三中，所述的对于还未满足速率要求的业务请求，再次选择信道状态较好的资源块，重复以上的过程，直至所有的服务请求满足要求，是指：

对于一次性分配后还未满足要求的业务请求，将再次进行分别的资源块分配，直到所有SP满足合同要求以及各用户业务请求的所需资源达到的需求，此轮映射过程结束，统计被分配资源块的数目和底层资源利用率。

在所述步骤四中，所述的通过凸优化问题来求解最大的网络整体速率和底层网络的资源 利用率，其实现过程为：

在当前队列中所有请求都被映射完成后，对应此时的资源映射结果，对网络总速率和底层网络资源利用率进行求解，之前的映射问题就转变成凸优化问题，根据非线性求解方法来获得最优的功率分配，得到最终的结果。

有益效果

1.本发明充分利用跨层的思想，将应用层的应用请求调度过程和链路层的无线虚拟资源的分配过程结合起来，考虑到优先级特性的调度能充分考虑各SP之间的合同条件和同SP内各用户的公平性，而高效的映射算法通过考虑无线网络信道状况来进行最优化的分配，通过两者先后的协调处理，可以有效地提高层资源的利用率和整体的网络速率，满足虚拟网络映射的最终目标。

2.本发明以排队论为基础，对应用请求的调度问题进行分析处理，在等待周期结束前，对队列进行重排，可以充分考虑时间紧迫性和请求实时性的约束，满足公平性原则。

附图说明

图1为本发明LTE无线网络服务模型的系统框架图。

图2为本发明基于排队论的无线网络业务请求的排队模型。

图3为本发明基于排队论的跨层调度映射算法的一个实施例流程图。

图4为本发明的所述方法的一个实施例与现有技术的基于卡诺图的资源映射方法的性能对比图。

具体实施方式

下面结合附图和实施例对本发明做进一步详细说明。

图1是本发明提出的基于排队论的无线虚拟网络资源跨层调度映射算法的LTE网络服务模型的系统框框架图。本发明的原理是：本发明中所述无线网络为LTE单基站情况，在基站覆盖的小区中，无线资源被虚拟化为二维资源池。小区的基础设施提供商(InP)为多个服务提供商(SP)提供资源租赁，每个SP之间是相互独立的，即所使用的资源是相互隔离的，他们从资源池中租赁不同的资源块(PRB)来满足隔离要求。每个SP中存在着若干个用户，用户之间互不干扰，且满足公平性要求。对于各个SP来说，InP会根据他们之间的合同说明来保证SP的最低限度的资源使用限制。整个无线网络有M个SP，每个SP服务于多个用户，第m个SP中总共包含Km个用户。网络中的用户可以不断地向上层发出服务请求，服务请求到达SP的请求等待模块，通过排队的方式等待被服务。同一SP所服务的用户之间满足公平性原则。整个系统在频域上分为C个子信道，每个信道的带宽为B，并且在时域上分为T个时隙，因此总资源池中的资源块数目为T*C。资源分配环节在每个调度过程中进行更新。此小区的基站的总发射功率大小为P_max，而代表了在时隙t和子信道c处分配给用户(m,k)(也就是第m个SP中的用户k)的功率大小，同样的，每个所能分配的最大功率为p_m，不同位置的用户在PRB(t,c)出所分配的功率大小会有所不同。接下来我们假设基站能完整地从所 有接入用户处接收到完整的信道状态信息，代表了对于用户(m,k)在时隙t和子信道c处资源块的信道增益。所以对于给定用户(m,k)的在每个PRB(t,c)上的速率为

$r_{tc}^{mk}={\mathrm{Blog}}_2(1+\frac{p_{tc}^{mk}{h}_{tc}^{mk}}{N_{0}B})$

其中N₀是噪声频谱密度。定义为二进制变量标记，表示资源块(t,c)是否分配给了用户(m,k)，则有

其中，一个资源块必须被分给最多一个用户，即每个SP被分配的资源块数目为N_m，且满足所以接下来定义第m个SP中用户k的速率为：

$r_m^k=\underset{t=1}{\overset{T}{\Σ}}\underset{c=1}{\overset{C}{\Σ}}{x}_{tc}^{mk}{r}_{tc}^{mk}=\underset{t=1}{\overset{T}{\Σ}}\underset{c=1}{\overset{C}{\Σ}}{\mathrm{Bx}}_{tc}^{mk}{\log }_2(1+\frac{p_{tc}^{mk}{h}_{tc}^{mk}}{N_{0}B}),\∀m,k$

本发明将根据排队论原则来进行调度，目标是最大化总速率，并符合总功率约束、请求约束和公平性约束等约束条件：

$\underset{x_{tc}^{mk},p_{tc}^{mk}}{\max }\underset{m=1}{\overset{M}{\Σ}}\underset{k=1}{\overset{Km}{\Σ}}{r}_k^m=\underset{x_{tc}^{mk},p_{tc}^{mk}}{\max }\underset{m=1}{\overset{M}{\Σ}}\underset{k=1}{\overset{Km}{\Σ}}\underset{t=1}{\overset{T}{\Σ}}\underset{c=1}{\overset{C}{\Σ}}{\mathrm{Bx}}_{tc}^{mk}{\log }_2(1+\frac{p_{tc}^{mk}{h}_{tc}^{mk}}{N_{0}B})$

服从如下约束：

C1(功率约束)：

$0\≤p_{tc}^{mk}\≤p_m,\∀m,k,t,c$

C2(分割性约束)：

$x_{tc}^{mk}\∈\{0,1\},\∀m,k,t,c$

C3(请求约束)：

C4(公平性约束)：

其中是一组预先确定的值，以确保用户在每个SP之间的比例公平，θ是一个较小数，来松弛公平性的约束。

图2为本发明基于排队论的无线网络业务请求的排队模型。

按照3GPP协议的业务模型，各种业务用户典型的服务时间是负指数分布,数据包大小服从截断负指数分布。抽象为实时与非实时业务两类,服务时间都服从同一负指数分布,具有不同的截短范围。生存周期与需要服务的时间是倍数关系,两种业务倍数不一样。其中实时业务速率较为固定,可容忍时延短,抖动小,因此截短范围小,倍数小；非实时业务速率变化大,可容 忍较长的时延和大抖动,对应着截短范围大,倍数大。当用户的服务请求到来时，它们会根据业务类型分别排队，每个队列有一定的长度限制，在队列饱和时，则拒绝接下来的请求，避免过高的存储开销和缓解网络阻塞。LTE系统排队模型是由以下4个因素决定:

(1)用户输入：泊松流过程到达的实时与非实时业务

(2)服务时间：负指数分布的服务时长，相互独立，效率相同

(3)服务窗口数量：n

(4)系统容量：随机变量M

对于正在排队的业务请求，我们定义生存时间d₁和d₂来表示实时和非实时业务的等待最大时长，超过此生存时间的请求会被拒绝，而且对于实时业务请求，它们具有更短的生存时间，并且比非实时业务请求有更高的优先服务概率。在一个等待周期中，用户可以随机的向SP发出业务请求，在这个等待周期的结束末尾，我们将根据时间紧迫性和业务请求类型进行队列的重排。

图3为本发明基于排队论的跨层调度映射算法的一个实施例流程图。该实施例所述方法包括以下步骤。

步骤一、请求队列中的请求按照到达顺序排列，在等待周期的末尾，根据时间紧迫性和请求类型进行队列的重排，进入映射阶段。其实现过程为：

所述的请求队列，是符合排队论的基本模型。对于正在排队的业务请求，我们定义生存时间d₁和d₂来表示实时和非实时业务的等待最大时长，超过此生存时间的请求会被拒绝，而且对于实时业务请求，它们具有更短的生存时间，并且比非实时业务请求有更高的优先服务概率。在一个等待周期中，用户可以随机的向SP发出业务请求，在这个等待周期的结束末尾，我们将根据时间紧迫性和业务请求类型进行队列的重排，满足以下的重排条件：

ω_i＝αk_i+βf_i

其中ω_i为排序因子，代表着队列中某个请求的队列顺序前后，k_i表示某个请求的剩余等待时长，f_i表示某个请求的优先级大小，α和β为自定的考量参数。

对于排序因子越大的应用请求，我们会在重排时将其排在映射队列的越前方，可以优先进行映射，这种队列方式既能最大化底层的资源能利用率和整体速率，又贴合了实际中应用紧迫性和类型差异的公平性。

步骤二、对于即将映射的请求，我们根据其SP的合同要求和用户的满足程度进行优先选择信道状态最好的信道。其实现过程为：

(1)初始化：

对于m＝1,2,...,M,k＝1,2,...,K_m,A＝{(1,1),(1,2),...,(t,c),...,(T,C)}，设置代表已映射的资源块的集合。

(2)最优信道的优先映射：

(3)定义为用户在资源块处的信道噪声比。

对于m＝1～M,k＝1～K_m，根据ω_i的排列顺序

a)寻找满足的(i,j)

b)令A＝A-{(i,j)}，并更新和n_m

步骤三、对于还未满足速率要求的请求，再次选择信道状态较好的信道，重复以上的过程，直至所有的服务请求满足要求。其实现过程为：

再次分配较优信道：

当时，根据ω_i的排列顺序

a)寻找满足的(m,k)

b)寻找a)的结果中满足 的(m,k)

c)对于b)给定的(m,k),寻找满足的(i,j)

d)对于给定的(m,k,i,j)，使A＝A-{(i,j)}，并更新和n_m

步骤四、对于上述的分配结果，我们可以通过凸优化问题来求解最大的网络整体速率和底层网络的资源利用率，完成此次资源映射过程，开启下一段等待周期。其实现过程为：

根据步骤三的结果，对于给定的资源块分配的结果，此最优化功率分布可以转化为如下形式：

$\underset{p_{tc}^{mk}}{max}\underset{m=1}{\overset{M}{\Σ}}\underset{k=1}{\overset{Km}{\Σ}}\underset{(t,c)\∈{\mathrm{\Ω}}_k^m}{\Σ}B{\log }_2(1+\frac{p_{tc}^{mk}{h}_{tc}^{mk}}{N_{0}B})$

服从以下约束：

$0\≤p_{tc}^{mk}\≤p_m,\∀m,k,t,c$

$(1-\mathrm{\θ})\frac{{\stackrel{\‾}{r}}_m^1}{{\mathrm{\γ}}_m^1}\≤\frac{r_m^k}{{\mathrm{\γ}}_m^k}\≤(1+\mathrm{\θ})\frac{{\stackrel{\‾}{r}}_m^1}{{\mathrm{\γ}}_m^1},\∀m,k$

其中根据上述最优化问题，做如下形式的转换：

即因此我们重写目标函数：

服从以下约束：

$0\≤z_{tc}^{mk}\≤{\log }_2(1+p_m{H}_{tc}^{mk}),\∀m,k,t,c$

$\frac{(1-\mathrm{\θ})}{{\mathrm{\γ}}_m^1}\underset{(t,c)\∈{\mathrm{\Ω}}_m^1}{\Σ}{z}_{tc}^{m1}\≤\frac{1}{{\mathrm{\γ}}_m^k}\underset{(t,c)\∈{\mathrm{\Ω}}_m^k}{\Σ}{z}_{tc}^{mk}\≤\frac{(1+\mathrm{\θ})}{{\mathrm{\γ}}_m^1}\underset{(t,c)\∈{\mathrm{\Ω}}_m^1}{\Σ}{z}_{tc}^{m1},\∀m,k$

此时，问题就成为一个凸优化问题，因为约束函数都是不等式凸函数。我们可以通过使用非线性解决方法找到最优的功率分配。

下面结合仿真分析本发明的性能。

本发明仿真设定单基站系统中包含3个服务提供商，每个服务提供商服务5个用户，其中3个为中心用户，2个为边缘用户。用户随机分布在基站的覆盖范围。信道增益是基于一个简单的信道模型βd^-α，其中是d从用户到BS的距离，α是路径损耗指数并假设为5，β是多径衰落参数，并满足平均值1的指数分布。每个子信道的噪声功率设定为10^-13瓦特。

本仿真将本发明的一个实施例资源映射方法和现有类似卡诺图的映射方法进行比较，从图4可以看到当在相同的系统环境设定下，随着时间的推移，不同方法均将趋于系统容量的稳定，本发明的映射方法在相同的参数设定中能够更获得更高的系统容量。

Claims (5)

1.基于排队论的无线虚拟网络资源跨层调度映射方法，其特征在于，包括如下步骤：

步骤一、请求队列中的请求按照到达顺序排列，在等待周期的末尾，根据时间紧迫性和业务请求实时性进行队列的重排，进入映射阶段；

步骤二、对于即将映射的请求，根据其SP的合同要求和用户的满足程度进行优先选择信道状态最好的资源块；

步骤三、对于还未满足速率要求的请求，再次选择信道状态较好的资源块，重复以上的过程，直至所有的服务请求满足要求；

步骤四、对于上述的分配结果，通过凸优化问题来求解最大的网络整体速率和底层网络的资源利用率，完成此次资源映射过程，开启下一段等待周期。

2.如权利要求1所述的方法，其特征在于，在步骤一中，所述的服务请求进入排列阶段，等待重排的过程，其实现过程为：

在队列等待周期结束时，根据时间紧迫性和业务请求实时性进行队列的重排，满足以下的重排条件：ω_i＝αk_i+βf_i，其中ω_i为排序因子，代表着队列中某个请求的队列顺序前后，k_i表示某个请求的剩余等待时长，f_i表示某个请求的优先级大小，α和β为设定的考量参数；对于排序因子越小的业务请求，将在重排时将其排在映射队列的越前方，当有业务请求服务完成离开，即出现空闲的服务窗口时，将优先对此进行资源映射。

3.如权利要求1所述的方法，其特征在于，在所述的步骤二中，所述的根据其SP的合同要求和用户的满足程度进行优先选择信道状态最好的资源块，其实现过程为：

对于重新排列的映射队列，通过一种迭代启发式算法进行虚拟资源的映射分配。通过对整体资源池中资源块的不同信道状态信息进行分析，每个应用请求按照排列顺序优先挑选高信噪比的资源块，分配过程满足合同限制和用户间公平性。

4.如权利要求1所述的方法，其特征在于，在所述步骤三中，所述的对于还未满足速率要求的请求，再次选择信道状态较好的资源块，重复以上的过程，直至所有的服务请求满足要求，其实现过程为：

对于一次性分配后还未满足要求的业务请求，将再次进行分别的资源块分配，直到所有SP满足合同要求以及各用户业务请求的所需资源达到的需求，此轮映射过程结束，统计被分配资源块的数目和底层资源利用率。

5.如权利要求1所述的方法，其特征在于，在所述步骤四中，所述的通过凸优化问题来求解最大的网络整体速率和底层网络的资源利用率，完成此次资源映射过程，开启下一段等待周期，其实现过程为：

在当前队列中所有请求都被映射完成后，对应此时的资源映射结果，对网络总速率和底层网络资源利用率进行求解，之前的映射问题就转变成凸优化问题，根据非线性求解方法来获得最优的功率分配，得到最终的结果。