KR20230081550A - 트래픽 최적화 모듈 및 이의 동작 방법 - Google Patents

Abstract

상술한 바와 같은 일 실시예에 따른 무선 통신 시스템에서, UPF(user plane function)의 트래픽 처리와 관련된 프로파일을 관리하는 트래픽 최적화 모듈은, 복수의 프로파일들을 저장하는 프로파일 관리 컴포넌트 및 프로파일에 포함되는 캐시라인을 재구성하기 위한 데이터 재구성 컴포넌트를 포함하고, 상기 트래픽 최적화 모듈은, 상기 프로파일 관리 컴포넌트를 통해, 상기 UPF로부터 처리중인 데이터 패킷에 대한 트래픽에 기반한 상황 정보를 수신하고, 상기 프로파일 관리 컴포넌트를 통해, 상기 상황 정보에 기반하여, 상기 프로파일 관리 컴포넌트에 저장된 트래픽 히스토리 정보를 업데이트하고, 상기 데이터 재구성 컴포넌트를 통해 상기 프로파일 관리 컴포넌트에 저장된 상기 트래픽 히스토리 정보를 참조하여, 상기 트래픽 히스토리 정보에 기반한 데이터 재구성의 수행 여부를 결정하고, 상기 데이터 재구성의 수행이 결정된 경우, 상기 프로파일 관리 컴포넌트를 통해 상기 복수의 프로파일들 중 상기 데이터 재구성 컴포넌트가 요청한 타겟 프로파일과 적어도 일치하는 프로파일을 식별하고, 상기 데이터 재구성 컴포넌트를 통해, 상기 식별된 프로파일에 포함되는 데이터 셋을 상기 상황 정보를 처리하는데 필요한 데이터들을 포함하는 데이터 셋으로 재구성하고, 상기 데이터 재구성 컴포넌트를 통해, 상기 재구성된 데이터 셋을 포함하는 상기 식별된 프로파일을, 상기 프로파일 관리 컴포넌트에게 제공하도록 구성될 수 있다.

Description

트래픽 최적화 모듈 및 이의 동작 방법{TRAFFIC OPTIMIZATION MODULE AND OPERATING METHOD THEREOF}

아래의 설명들은 트래픽 최적화 모듈 및 이의 동작 방법에 관한 것이다.

4G 통신 시스템 상용화 이후 증가 추세에 있는 무선 데이터 트래픽 수요를 충족시키기 위해, 개선된 5G 통신 시스템 또는 pre-5G 통신 시스템을 개발하기 위한 노력이 이루어지고 있다. 이러한 이유로, 5G 통신 시스템 또는 pre-5G 통신 시스템은 4G 네트워크 이후 (Beyond 4G Network) 통신 시스템 또는 LTE 시스템 이후 (Post LTE) 이후의 시스템이라 불리어지고 있다. 3GPP에서 정한 5G 통신 시스템은 New Radio (NR) 시스템이라고 불리고 있다.

트래픽 상황에 무관하게 패킷 처리 고속 성능이 유지되기 위해서는 패킷을 처리하기 위해 사용되는 데이터들을 최대한 캐시 메모리에 적재하여 데이터 접근 시간을 최소화하는 것이 요구된다. 하지만 기존의 경우, 다양한 트래픽 상황에 대해 패킷 처리 성능이 일정하게 유지되지 않았다. 상기와 같은 문제를 해결하기 위하여, 로드 밸런싱(load balancing)이 제안되었다. 상기 로드 밸런싱은, 트래픽 상황에 따라 여유 있는 리소스로 패킷을 재분배하거나, 다른 모듈로 스티어링(steering)하는 방법을 지칭할 수 있다.

다만, 패킷을 처리하는 모듈의 리소스 자원을 효율적으로 사용하지 않는 상황에서, 트래픽 처리를 위해 여유 있는 리소스나 다른 모듈로 패킷을 재분배하는 방법은 결국 패킷 처리 모듈 자체의 리소스를 비효율적으로 사용하는 한계를 극복하지 못하며 증가되는 트래픽을 처리하기 위하여 새로운 리소스를 확보하거나, 다른 모듈을 구비하기 위한 비용이 빠르게 증가되는 문제가 있다.

본 문서에서 이루고자 하는 기술적 과제는 상술한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

일(an) 실시예에 따른 무선 통신 시스템에서, UPF(user plane function)의 트래픽 처리와 관련된 프로파일을 관리하는 트래픽 최적화 모듈은, 복수의 프로파일들을 저장하는 프로파일 관리 컴포넌트 및 프로파일에 포함되는 캐시라인을 재구성하기 위한 데이터 재구성 컴포넌트를 포함하고, 상기 트래픽 최적화 모듈은, 상기 프로파일 관리 컴포넌트를 통해, 상기 UPF로부터 처리중인 데이터 패킷에 대한 트래픽에 기반한 상황 정보를 수신하고, 상기 프로파일 관리 컴포넌트를 통해, 상기 상황 정보에 기반하여, 상기 프로파일 관리 컴포넌트에 저장된 트래픽 히스토리 정보를 업데이트하고, 상기 데이터 재구성 컴포넌트를 통해 상기 프로파일 관리 컴포넌트에 저장된 상기 트래픽 히스토리 정보를 참조하여, 상기 트래픽 히스토리 정보에 기반한 데이터 재구성의 수행 여부를 결정하고, 상기 데이터 재구성의 수행이 결정된 경우, 상기 프로파일 관리 컴포넌트를 통해 상기 복수의 프로파일들 중 상기 데이터 재구성 컴포넌트가 요청한 타겟 프로파일과 적어도 일치하는 프로파일을 식별하고, 상기 데이터 재구성 컴포넌트를 통해, 상기 식별된 프로파일에 포함되는 데이터 셋을 상기 상황 정보를 처리하는데 필요한 데이터들을 포함하는 데이터 셋으로 재구성하고, 상기 데이터 재구성 컴포넌트를 통해, 상기 재구성된 데이터 셋을 포함하는 상기 식별된 프로파일을, 상기 프로파일 관리 컴포넌트에게 제공하도록 구성될 수 있다.

일 실시예에 따른 무선 통신 시스템에서, UPF(user plane function)의 트래픽 처리와 관련된 복수의 프로파일들을 관리하는 트래픽 최적화 모듈의 동작 방법은, 상기 UPF로부터 처리중인 데이터 패킷에 대한 트래픽에 기반한 상황 정보를 수신하는 동작과, 상기 상황 정보에 기반하여, 상기 프로파일 관리 컴포넌트에 저장된 트래픽 히스토리 정보를 업데이트하는 동작과, 상기 트래픽 히스토리 정보를 참조하여, 상기 트래픽 히스토리 정보에 기반한 데이터 재구성의 수행 여부를 결정하는 동작과, 상기 데이터 재구성의 수행이 결정된 경우, 상기 복수의 프로파일들 중 타겟 프로파일과 적어도 일치하는 프로파일을 식별하는 동작과, 상기 식별된 프로파일에 포함되는 데이터 셋을 상기 상황 정보를 처리하는데 필요한 데이터들을 포함하는 데이터 셋으로 재구성하는 동작을 포함할 수 있다.

일 실시예에 따른, 트래픽 최적화 모듈은, 트래픽 상황에 따라 캐시 메모리를 최대한 효율적으로 활용할 수 있는 캐시라인을 포함하는 프로파일을 관리함으로써 다양한 트래픽 상황에서 고속 패킷 처리 성능을 유지할 수 있다.

본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

도 1은 다양한 실시예들에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는 다양한 실시예들에 따른, 레거시 네트워크 통신 및 5G 네트워크 통신을 지원하기 위한 전자 장치의 블록도이다.
도 3은 다양한 실시예들에 따른 레거시(Legacy) 통신 및/또는 5G 통신의 네트워크를 제공하는 무선 통신 시스템들을 도시한다.
도 4는 일 실시예들에 따른, 5G 통신의 코어 네트워크 구조 및 트래픽 최적화 모듈을 도시한다.
도 5는 일 실시예들에 따른, 트래픽 최적화 모듈과 UPF(user plane function) 간에 신호 교환도를 도시한다.
도 6은 일 실시예들에 따른, 트래픽 최적화 모듈의 프로파일 관리 컴포넌트의 동작을 나타내는 순서도이다.
도 7은 일 실시예들에 따른, 트래픽 최적화 모듈의 데이터 재구성 컴포넌트가 캐시라인 재구성 트리거 이벤트를 검출하는 동작을 나타내는 순서도이다.
도 8은 일 실시예들에 따른, 트래픽 최적화 모듈의 프로파일 관리 컴포넌트가 응답 프로파일을 식별하는 동작을 나타내는 순서도이다.
도 9는 일 실시예들에 따른, 트래픽 최적화 모듈의 프로파일 관리 컴포넌트가 타겟 프로파일에 유사한 응답 프로파일을 식별하는 동작을 나타내는 순서도이다.
도 10은 일 실시예들에 따른, 데이터 재구성 모듈에 기반하여 재구성된 캐시라인(cache line)의 예를 도시한다.

도 1은 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다.

도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.

프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.

보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))과 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.

메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.

프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.

입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.

음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.

디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.

오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.

센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.

인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.

연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.

햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.

카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.

전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.

배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.

통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제1 네트워크(198) 또는 제2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.

무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO(full dimensional MIMO)), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.

안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제1 네트워크(198) 또는 제2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.

다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.

상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.

일실시예에 따르면, 명령 또는 데이터는 제2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.

도 2는 다양한 실시예들에 따른, 레거시 네트워크 통신 및 5G 네트워크 통신을 지원하기 위한 전자 장치(101)의 블록도(200)이다.

도 2를 참조하면, 전자 장치(101)는 제1 커뮤니케이션 프로세서(212), 제2 커뮤니케이션 프로세서(214), 제1 RFIC(radio frequency integrated circuit, 222), 제2 RFIC(224), 제3 RFIC(226), ` RFIC(228), 제1 RFFE(radio frequency front end, 232), 제2 RFFE(234), 제1 안테나 모듈(242), 제2 안테나 모듈(244), 및 안테나(248)를 포함할 수 있다. 전자 장치(101)는 프로세서(120) 및 메모리(130)를 더 포함할 수 있다. 제2 네트워크(199)는 제1 셀룰러 네트워크(292)와 제2 셀룰러 네트워크(294)를 포함할 수 있다. 다른 실시예에 따르면, 전자 장치(101)는 도 1에 기재된 부품들 중 적어도 하나의 부품을 더 포함할 수 있고, 제2 네트워크(199)는 적어도 하나의 다른 네트워크를 더 포함할 수 있다. 일실시예에 따르면, 제1 커뮤니케이션 프로세서(212), 제2 커뮤니케이션 프로세서(214), 제1 RFIC(222), 제2 RFIC(224), 제4 RFIC(228), 제1 RFFE(232), 및 제2 RFFE(234)는 무선 통신 모듈(192)의 적어도 일부를 형성할 수 있다. 다른 실시예에 따르면, 제4 RFIC(228)는 생략되거나, 제3 RFIC(226)의 일부로서 포함될 수 있다.

제1 커뮤니케이션 프로세서(212)는 제1 셀룰러 네트워크(292)와의 무선 통신에 사용될 대역의 통신 채널의 수립, 및 수립된 통신 채널을 통한 레거시 네트워크 통신을 지원할 수 있다. 다양한 실시예들에 따르면, 제1 셀룰러 네트워크(292)는 2세대(2G), 3세대(3G), 4세대(4G), 및/또는 long term evolution(LTE) 네트워크를 포함하는 레거시 네트워크일 수 있다. 제2 커뮤니케이션 프로세서(214)는 제2 셀룰러 네트워크(294)와의 무선 통신에 사용될 대역 중 지정된 대역(예: 약 6GHz ~ 약 60GHz)에 대응하는 통신 채널의 수립, 및 수립된 통신 채널을 통한 5G 네크워크 통신을 지원할 수 있다. 다양한 실시예들에 따르면, 제2 셀룰러 네트워크(294)는 3GPP에서 정의하는 5G 네트워크일 수 있다. 추가적으로, 일실시예에 따르면, 제1 커뮤니케이션 프로세서(212) 또는 제2 커뮤니케이션 프로세서(214)는 제2 셀룰러 네트워크(294)와의 무선 통신에 사용될 대역 중 다른 지정된 대역(예: 약 6GHz 이하)에 대응하는 통신 채널의 수립, 및 수립된 통신 채널을 통한 5G 네크워크 통신을 지원할 수 있다. 일실시예에 따르면, 제1 커뮤니케이션 프로세서(212)와 제2 커뮤니케이션 프로세서(214)는 단일(single) 칩 또는 단일 패키지 내에 구현될 수 있다. 다양한 실시예들에 따르면, 제1 커뮤니케이션 프로세서(212) 또는 제2 커뮤니케이션 프로세서(214)는 프로세서(120), 도 1의 보조 프로세서(123), 또는 통신 모듈(190)과 단일 칩 또는 단일 패키지 내에 형성될 수 있다.

제1 RFIC(222)는, 송신 시에, 제1 커뮤니케이션 프로세서(212)에 의해 생성된 기저대역(baseband) 신호를 제1 셀룰러 네트워크(292)(예: 레거시 네트워크)에 사용되는 약 700MHz 내지 약 3GHz의 라디오 주파수(radio frequency, RF) 신호로 변환할 수 있다. 수신 시에는, RF 신호가 안테나(예: 제1 안테나 모듈(242))를 통해 제1 셀룰러 네트워크(292)(예: 레거시 네트워크)로부터 획득되고, RFFE(예: 제1 RFFE(232))를 통해 전처리(preprocess)될 수 있다. 제1 RFIC(222)는 전처리된 RF 신호를 제1 커뮤니케이션 프로세서(212)에 의해 처리될 수 있도록 기저대역 신호로 변환할 수 있다.

제2 RFIC(224)는, 송신 시에, 제1 커뮤니케이션 프로세서(212) 또는 제2 커뮤니케이션 프로세서(214)에 의해 생성된 기저대역 신호를 제2 셀룰러 네트워크(294)(예: 5G 네트워크)에 사용되는 Sub6 대역(예: 약 6GHz 이하)의 RF 신호(이하, 5G Sub6 RF 신호)로 변환할 수 있다. 수신 시에는, 5G Sub6 RF 신호가 안테나(예: 제2 안테나 모듈(244))를 통해 제2 셀룰러 네트워크(294)(예: 5G 네트워크)로부터 획득되고, RFFE(예: 제2 RFFE(234))를 통해 전처리될 수 있다. 제2 RFIC(224)는 전처리된 5G Sub6 RF 신호를 제1 커뮤니케이션 프로세서(212) 또는 제2 커뮤니케이션 프로세서(214) 중 대응하는 커뮤니케이션 프로세서에 의해 처리될 수 있도록 기저대역 신호로 변환할 수 있다.

제3 RFIC(226)는 제2 커뮤니케이션 프로세서(214)에 의해 생성된 기저대역 신호를 제2 셀룰러 네트워크(294)(예: 5G 네트워크)에서 사용될 5G Above6 대역(예: 약 6GHz ~ 약 60GHz)의 RF 신호(이하, 5G Above6 RF 신호)로 변환할 수 있다. 수신 시에는, 5G Above6 RF 신호가 안테나(예: 안테나(248))를 통해 제2 셀룰러 네트워크(294)(예: 5G 네트워크)로부터 획득되고 제3 RFFE(236)를 통해 전처리될 수 있다. 예를 들어, 제3 RFFE(236)는 위상 변환기(238)를 이용하여 신호의 전처리를 수행할 수 있다. 제3 RFIC(226)는 전처리된 5G Above 6 RF 신호를 제2 커뮤니케이션 프로세서(214)에 의해 처리될 수 있도록 기저대역 신호로 변환할 수 있다. 일실시예에 따르면, 제3 RFFE(236)는 제3 RFIC(226)의 일부로서 형성될 수 있다.

전자 장치(101)는, 일실시예에 따르면, 제3 RFIC(226)와 별개로 또는 적어도 그 일부로서, 제4 RFIC(228)를 포함할 수 있다. 이런 경우, 제4 RFIC(228)는 제2 커뮤니케이션 프로세서(214)에 의해 생성된 기저대역 신호를 중간(intermediate) 주파수 대역(예: 약 9GHz ~ 약 11GHz)의 RF 신호(이하, IF (intermediate frequency) 신호)로 변환한 뒤, 상기 IF 신호를 제3 RFIC(226)로 전달할 수 있다. 제3 RFIC(226)는 IF 신호를 5G Above6 RF 신호로 변환할 수 있다. 수신 시에, 5G Above6 RF 신호가 안테나(예: 안테나(248))를 통해 제2 셀룰러 네트워크(294)(예: 5G 네트워크)로부터 수신되고 제3 RFIC(226)에 의해 IF 신호로 변환될 수 있다. 제4 RFIC(228)는 IF 신호를 제2 커뮤니케이션 프로세서(214)가 처리할 수 있도록 기저대역 신호로 변환할 수 있다.

일시예에 따르면, 제1 RFIC(222)와 제2 RFIC(224)는 단일 칩 또는 단일 패키지의 적어도 일부로 구현될 수 있다. 일실시예에 따르면, 제1 RFFE(232)와 제2 RFFE(234)는 단일 칩 또는 단일 패키지의 적어도 일부로 구현될 수 있다. 일시예에 따르면, 제1 안테나 모듈(242) 또는 제2 안테나 모듈(244)중 적어도 하나의 안테나 모듈은 생략되거나 다른 안테나 모듈과 결합되어 대응하는 복수의 대역들의 RF 신호들을 처리할 수 있다.

일실시예에 따르면, 제3 RFIC(226)와 안테나(248)는 동일한 서브스트레이트에 배치되어 제3 안테나 모듈(246)을 형성할 수 있다. 예를 들어, 무선 통신 모듈(192) 또는 프로세서(120)가 제1 서브스트레이트(예: main PCB)에 배치될 수 있다. 이런 경우, 제1 서브스트레이트와 별도의 제2 서브스트레이트(예: sub PCB)의 일부 영역(예: 하면)에 제3 RFIC(226)가, 다른 일부 영역(예: 상면)에 안테나(248)가 배치되어, 제3 안테나 모듈(246)이 형성될 수 있다. 일실시예에 따르면, 안테나(248)는, 예를 들면, 빔포밍에 사용될 수 있는 안테나 어레이를 포함할 수 있다. 제3 RFIC(226)와 안테나(248)를 동일한 서브스트레이트에 배치함으로써 그 사이의 전송 선로의 길이를 줄이는 것이 가능하다. 이는, 예를 들면, 5G 네트워크 통신에 사용되는 고주파 대역(예: 약 6GHz ~ 약 60GHz)의 신호가 전송 선로에 의해 손실(예: 감쇄)되는 것을 줄일 수 있다. 이로 인해, 전자 장치(101)는 제2 셀룰러 네트워크(294)(예: 5G 네트워크)와의 통신의 품질 또는 속도를 향상시킬 수 있다.

제2 셀룰러 네트워크(294)(예: 5G 네트워크)는 제1 셀룰러 네트워크(292)(예: 레거시 네트워크)와 독립적으로 운영되거나(예: Stand-Alone (SA)), 연결되어 운영될 수 있다(예: Non-Stand Alone (NSA)). 예를 들면, 5G 네트워크에는 액세스 네트워크(예: 5G radio access network(RAN) 또는 next generation RAN(NG RAN))만 있고, 코어 네트워크(예: next generation core(NGC))는 없을 수 있다. 이런 경우, 전자 장치(101)는 5G 네트워크의 액세스 네트워크에 액세스한 후, 레거시 네트워크의 코어 네트워크(예: evolved packed core(EPC))의 제어 하에 외부 네트워크(예: 인터넷)에 액세스할 수 있다. 레거시 네트워크와 통신을 위한 프로토콜 정보(예: LTE 프로토콜 정보) 또는 5G 네트워크와 통신을 위한 프로토콜 정보(예: New Radio(NR) 프로토콜 정보)는 메모리(230)에 저장되어, 다른 부품(예: 프로세서(120), 제1 커뮤니케이션 프로세서(212), 또는 제2 커뮤니케이션 프로세서(214))에 의해 액세스될 수 있다.

도 3은, 다양한 실시예들에 따른 레거시(Legacy) 통신 및/또는 5G 통신의 네트워크를 제공하는 무선 통신 시스템들을 도시한다.

도 3를 참조하면, 네트워크 환경(100A, 100B, 및 100C)은, 레거시 네트워크 및 5G 네트워크 중 적어도 하나를 포함할 수 있다. 상기 레거시 네트워크는, 예를 들어, 전자 장치(101)와 무선 접속을 지원하는 3GPP 표준의 4G 또는 LTE 기지국(350)(예를 들어, eNB(eNodeB)) 및 4G 통신을 관리하는 EPC(evolved packet core)(351)를 포함할 수 있다. 상기 5G 네트워크는, 예를 들어, 전자 장치(101)와 무선 접속을 지원하는 New Radio (NR) 기지국(350)(예를 들어, gNB(gNodeB)) 및 전자 장치(101)의 5G 통신을 관리하는 5GC(352)(5th generation core)를 포함할 수 있다.

다양한 실시예들에 따르면, 전자 장치(101)는 레거시 통신 및/또는 5G 통신을 통해 제어 메시지 (control message) 및 사용자 데이터(user data)를 송수신할 수 있다. 제어 메시지는 예를 들어, 전자 장치(101)의 보안 제어(security control), 베어러 설정(bearer setup), 인증(authentication), 등록(registration), 또는 이동성 관리(mobility management) 중 적어도 하나와 관련된 메시지를 포함할 수 있다. 사용자 데이터는 예를 들어, 전자 장치(101)와 코어 네트워크(330)(예를 들어, EPC(342))간에 송수신되는 제어 메시지를 제외한 사용자 데이터를 의미할 수 있다.

참조번호 300A를 참조하면, 일 실시예에 따른 전자 장치(101)는 레거시(legacy) 네트워크의 적어도 일부(예: LTE 기지국(340), EPC(342))를 이용하여 5G 네트워크의 적어도 일부(예: NR 기지국(350), 5GC(352))와 제어 메시지 또는 사용자 데이터 중 적어도 하나를 송수신할 수 있다.

다양한 실시예에 따르면, 네트워크 환경(100A)은 LTE 기지국(340) 및 NR 기지국(350)으로의 무선 통신 듀얼 커넥티비티(multi-RAT(radio access technology) dual connectivity, MR-DC)를 제공하고, EPC(342) 또는 5GC(352) 중 하나의 코어 네트워크(330)를 통해 전자 장치(101)와 제어 메시지를 송수신하는 네트워크 환경을 포함할 수 있다.

다양한 실시예에 따르면, MR-DC 환경에서, LTE 기지국(340) 또는 NR 기지국(350) 중 하나의 기지국은 MN(master node)(310)으로 작동하고 다른 하나는 SN(secondary node)(320)로 동작할 수 있다. MN(310)은 코어 네트워크(330)에 연결되어 제어 메시지를 송수신할 수 있다. MN(310)과 SN(320)은 네트워크 인터페이스를 통해 연결되어 무선 자원(예를 들어, 통신 채널) 관리와 관련된 메시지를 서로 송수신 할 수 있다.

다양한 실시예에 따르면, MN(310)은 LTE 기지국(350), SN(320)은 NR 기지국(350), 코어 네트워크(330)는 EPC(342)로 구성될 수 있다. 예를 들어, LTE 기지국(340) 및 EPC(342)를 통해 제어 메시지 송수신하고, LTE 기지국(350)과 NR 기지국(350)을 통해 사용자 데이터를 송수신 할 수 있다.

참조번호 300B를 참조하여, 다양한 실시예에 따르면, 5G 네트워크는 제어 메시지 및 사용자 데이터를 전자 장치(101)와 독립적으로 송수신할 수 있다.

참조번호 300C를 참조하여, 다양한 실시예에 따른 레거시 네트워크 및 5G 네트워크는 각각 독립적으로 데이터 송수신을 제공할 수 있다. 예를 들어, 전자 장치(101)와 EPC(342)는 LTE 기지국(350)을 통해 제어 메시지 및 사용자 데이터를 송수신할 수 있다. 또 다른 예를 들어, 전자 장치(101)와 5GC(352)는 NR 기지국(350)을 통해 제어 메시지 및 사용자 데이터를 송수신할 수 있다.

다양한 실시예에 따르면, 전자 장치(101)는 EPC(342) 또는 5GC(352) 중 적어도 하나에 등록(registration)되어 제어 메시지를 송수신할 수 있다.

다양한 실시예에 따르면, EPC(342) 또는 5GC(352)는 연동(interworking)하여 전자 장치(101)의 통신을 관리할 수도 있다. 예를 들어, 전자 장치(101)의 이동 정보가 EPC(342) 및 5GC(352)간의 인터페이스를 통해 송수신될 수 있다.

도 4는 일 실시예들에 따른, 5G 통신의 코어 네트워크(352) 및 트래픽 최적화 모듈(201)을 도시한다.

도 4를 참조하면, 코어 네트워크(도 3의 5GC(352))의 아키텍처는 다양한 네트워크 기능(network function)들을 포함할 수 있다. 예를 들어, 코어 네트워크(352)는 AMF(access and mobility management function)(420), UPF(user plane function)(425), SMF(session management function)(430), PCF(policy control function)(450), NRF(NF repository function)(455), UDM(unified data management)(460), AUSF(authentication server function)(465), NEF(network exposure function)(470), NSSF(network slicing selection function)(475), 및 AF(application function)(480)을 적어도 포함할 수 있다. 일 실시예에 따라, CPF(control plane function)은, AMF(420), SMF(430), PCF(450), UDM(460), AUSF(465), NEF(470) 및 AF(480)를 포함할 수 있다.

AMF(420)는 UE(user equipment)(410) 단위로 접속 및 이동성 관리를 위한 기능을 제공할 수 있다. 예를 들어, AMF(420)는 3GPP 액세스 네트워크들 간에 이동성을 위한 시그널링을 지원할 수 있다.

UPF(425)는, DN(440)으로부터 수신한 하향링크 패킷 데이터 유닛을 (R)AN(415)을 경유하여 UE(410)에게 전달하며, (R)AN(415)을 경유하여 UE(410)로부터 수신한 상향링크 패킷 데이터 유닛을 DN(440)으로 전달할 수 있다. 구체적으로, UPF(425)는 인트라 RAT 이동성 및/또는 인터 RAT 이동성을 위한 앵커 포인트, DN(440)으로의 상호연결(interconnect)의 외부 PDU(packet data unit) 세션 포인트, 패킷 라우팅(routing) 및 포워딩(forwarding), 패킷 검사(inspection) 등을 수행할 수 있다.

SMF(430)는, 세션 관리 기능을 제공하며, UE(410)가 다수 개의 세션을 가지는 경우 각 세션 별로 서로 다른 SMF에 의해 관리될 수 있다. 구체적으로, SMF(430)는 세션 관리, UE(410)의 IP 주소 할당 및 관리, UPF(425)에서 트래픽을 적절한 목적지로 라우팅하기 위한 트래픽 스티어링(traffic steering) 등을 설정할 수 있다.

PCF(450)는, 네트워크 슬라이스 정책, QoS 정책, 세션 관리 등의 정책을 결정하는 기능을 제공한다. 예를 들어, PCF(450)는 네트워크 동작을 통제하기 위한 단일화된 정책 프레임워크 지원할 수 있다.

NRF(455)는, 서비스 디스커버리 기능을 지원할 수 있다. NF(network function) 인스턴스로부터 NF 디스커버리 요청을 수신하고, NF 디스커버리 요청한 NF 인스턴스의 정보를 NF 인스턴스에게 제공할 수 있다.

UDM(460)은, 사용자의 가입 데이터, 정책 데이터에 대한 정보를 저장할 수 있다. UDM(460)은, 어플리케이션 프론트 엔드 및 UDR(user data repository)를 포함할 수 있다. AUSF(465)는, UE(410)의 인증을 위한 데이터를 저장할 수 있다.

NEF(470)는, 3GPP 네트워크 기능들에 의해 제공되는 예를 들어, 제3자(3rd party), 내부 노출(internal exposure), 어플리케이션 기능, 엣지 컴퓨팅(Edge Computing)을 위한 서비스들 및 능력들을 안전하게 노출하기 위한 수단을 제공할 수 있다. NSSF(475)는 네트워크 슬라이싱의 NSI(network slice instance)를 결정할 수 있다.

AF(480)는, 서비스 제공(예를 들어, 트래픽 라우팅 상에서 어플리케이션 영향, 네트워크 능력 노출(Network Capability Exposure) 접근, 정책 제어를 위한 정책 프레임워크와의 상호동작 등의 기능을 지원하기 위해 3GPP 코어 네트워크와 상호 동작할 수 있다.

일 실시예에 따른 트래픽 최적화 모듈(201)은 트래픽 처리를 위한 데이터를 저장하는 캐시 메모리를 효율적으로 사용하도록 제어할 수 있다. 예를 들어, 트래픽 최적화 모듈(201)은 코어 네트워크(352) 중 UPF(425)로부터 트래픽 상황 정보를 수신할 수 있다. 트래픽 상황 정보는, 현재 패킷을 전송중인 트래픽의 점유율에 대한 정보를 포함할 수 있다. 트래픽 최적화 모듈(201)은 상기 트래픽 상황 정보에 기반하여, 트래픽을 처리중인 UPF(425)가 기반하는 프로파일 정보를 재구성할지 여부를 판단할 수 있다.

상기 프로파일 정보는, 트래픽 상황별로 UPF(425)의 소프트웨어를 구성하는 캐시라인들을 지칭할 수 있다. 상기 캐시라인은, 캐시 메모리 상에 캐싱되는 최소 단위의 데이터 셋(set)에 상응할 수 있다. 즉, 하나의 캐시라인을 캐싱하는 경우, 하나의 캐시라인에 포함되는 복수의 데이터들은 동시에 캐시 메모리 상에 로드될 수 있다. 일 실시예에 따라, 프로파일 정보는, 트래픽 정보를 포함할 수 있다. 상기 트래픽 정보는, 프로파일에 포함되는 캐시라인에 따라 소프트웨어를 구성하였을 때, UPF(425)가 최적의 패킷 처리 성능을 나타낼 수 있는 트래픽 유형을 지시할 수 있다. 예를 들어 트래픽 정보는, IPv4의 TCP 패킷 유형이 20%, IPv4의 UDP 패킷 유형이 30%, IPv6의 TCP 패킷 유형이 40%, IPv6의 UDP 패킷 유형이 10%를 지시할 수 있다. 일 실시예에 따라, 프로파일 정보는, 캐시라인 특성 정보를 포함할 수 있다. 상기 캐시라인 특성 정보는, 캐시라인에 포함되는 데이터들의 자료형(예를 들어, 문자형(char), 정수형(int), 실수형(float)) 및 크기에 대한 정보를 포함할 수 있다. 예를 들어, 프로파일에 포함되는 캐시라인이 문자형의 제1 데이터, 정수형의 제2 데이터를 포함할 수 있다. 상기 캐시라인 특성 정보는, 제1 데이터의 자료형은 문자형의 1Byte, 제2 데이터는 정수형의 4Byte인 것을 지시할 수 있다. 프로파일 정보는, 캐시라인을 구성하는 데이터들에 대한 정보, UPF(425)의 소프트웨어를 구성하기 위하여 필요한 캐시라인들의 개수에 대한 정보 및 캐시라인을 구성하는 데이터들에 대한 접근 시점에 대한 정보를 더 포함할 수 있다.

트래픽 최적화 모듈(201)은 UPF(425)에서 처리중인 트래픽의 점유율이 임계 값을 초과하는 것을 식별함에 응답하여, UPF(425)가 기반한 프로파일 정보를 재구성할 것을 결정할 수 있다. 트래픽 최적화 모듈(201)은 상기 프로파일 정보에 포함된 캐시라인에 대한 정보를 최적화할 수 있다. UPF(425)는 트래픽 최적화 모듈(201)에 의해 재구성된 프로파일 정보에 기반한 소프트웨어를 실행할 수 있다. UPF(425)는 상기 소프트웨어에 기반하여 새롭게 재구성된 캐시라인에 의해 지시되는 트래픽 처리에 필요한 데이터들을 로드함으로써, 캐시 메모리 상에 캐싱하는 횟수를 감소시켜 트래픽 처리 성능을 향상시킬 수 있다.

도 5는 일 실시예들에 따른, 트래픽 최적화 모듈과 UPF(user plane function) 간에 신호 교환도를 도시한다.

도 5를 참조하면, 동작 510에서, UPF(425)는 데이터 패킷을 처리할 수 있다. UPF(425)는 상기 데이터 패킷을 처리하는 동안, 트래픽 모니터링을 수행할 수 있다. 예를 들어, UPF(425)는 전체 트래픽 중 통신 프로토콜, 통신 링크, 인터넷 버전 프로토콜에 의해 분류되는 점유율을 실시간(real time)으로 모니터링할 수 있다. UPF(425)는 트래픽 점유율에 대한 모니터링 정보를 포함하는 상황 정보를 생성할 수 있다.

동작 515에서, UPF(425)는 상기 상황 정보를 트래픽 최적화 모듈(201)에게 제공할 수 있다. 예를 들어, 상기 상황 정보는, 트래픽 최적화 모듈(201) 중 프로파일 관리 컴포넌트(210)에게 제공될 수 있다. 프로파일 관리 컴포넌트(210)는 복수의 트래픽 상황들마다 각각 매핑된 복수의 프로파일 정보들을 포함할 수 있고, UPF(425)의 트래픽 모니터링 결과를 저장하는 트래픽 히스토리 정보를 더 포함할 수 있다. 일 실시예에 따라, UPF(425)는 미리 지정된 시간 간격마다 트래픽을 지시하는 상기 상황 정보를 트래픽 최적화 모듈(201)의 프로파일 관리 컴포넌트(210)에게 제공할 수 있다. 상기 미리 지정된 시간 간격은, 네트워크 제공 사업자 또는 사용자 설정에 의해 변경될 수 있다. 일 실시예에 따라, UPF(425)는 미리 지정된 조건을 식별함에 응답하여 상기 상황 정보를 제공할 수도 있다. 예를 들어, UPF(425)는 트래픽 점유율이 미리 설정된 임계 값을 초과함을 식별하는 경우, 상기 상황 정보를 트래픽 최적화 모듈(201)에게 제공할 수도 있다.

동작 520에서, 트래픽 최적화 모듈(201)은 트래픽 히스토리 정보를 업데이트할 수 있다. 예를 들어, 동작 515에서, 프로파일 관리 컴포넌트(210)는 UPF(425)에서 처리중인 트래픽의 점유율의 모니터링 결과를 포함하는 상기 상황 정보를 미리 지정된 시간 간격마다 수신할 수 있다. 프로파일 관리 컴포넌트(210)는 상기 미리 지정된 시간 간격마다 수신되는 상기 상황 정보에 기반하여 트래픽 히스토리 정보를 업데이트할 수 있다.

동작 525에서, 데이터 재구성 컴포넌트(220)는 프로파일 관리 컴포넌트(210)에게 트래픽 히스토리 정보를 요청할 수 있다. 데이터 재구성 컴포넌트(220)는 미리 지정된 시간 간격마다 프로파일 관리 컴포넌트(210)에게 트래픽 히스토리 정보를 요청할 수 있다. 상기 트래픽 히스토리 정보의 요청은, 데이터 재구성 컴포넌트(220)가 주기적으로 트래픽 상황을 모니터링하여 특정 트래픽 상황을 위한 최적의 프로파일을 생성해야 하는지 판단하기 위함이다.

동작 530에서, 프로파일 관리 컴포넌트(210)는 상기 요청에 응답하여 상기 트래픽 히스토리 정보를 데이터 재구성 컴포넌트(220)에게 제공할 수 있다. 데이터 재구성 컴포넌트(220)는 프로파일 관리 컴포넌트(210)로부터 수신된 상기 트래픽 히스토리 정보를 이용하여, 최적의 프로파일을 생성해야 하는지 여부를 판단할 수 있다.

전술한 실시예에서, 데이터 재구성 컴포넌트(220)가 프로파일 관리 컴포넌트(210)에게 요청하여 상기 트래픽 히스토리 정보를 수신하는 것을 기준으로 도시되었으나, 이에 제한되는 것은 아니다. 일 실시예에 따라, 프로파일 관리 컴포넌트(210)는 데이터 재구성 컴포넌트(220)로부터 요청을 수신하지 않더라도, 상기 트래픽 히스토리 정보를 데이터 재구성 컴포넌트(220)에게 제공할 수도 있다. 예를 들어, 프로파일 관리 컴포넌트(210)는 UPF(425)로부터 상황 정보를 수신하여 트래픽 히스토리 정보를 업데이트할 때마다, 상기 업데이트에 응답하여 데이터 재구성 컴포넌트(220)에게 상기 업데이트된 트래픽 히스토리 정보를 제공하도록 동작할 수도 있다.

동작 535에서, 데이터 재구성 컴포넌트(220)는 캐시라인 재구성 트리거 이벤트를 식별할 수 있다. 상기 캐시라인 재구성 트리거 이벤트는, 현재 트래픽을 처리하는 UPF(425)가 기반한 프로파일의 캐시라인의 정보를 최적화할 필요성이 있는지 판단하기 위한 이벤트에 상응할 수 있다. 예를 들어, 데이터 재구성 컴포넌트(220)는 상기 수신된 트래픽 히스토리 정보를 참조하여 트래픽 점유율이 임계 값을 초과하는 횟수를 카운트할 수 있다. 데이터 재구성 컴포넌트(220)는 상기 카운트된 횟수가 임계 횟수를 초과하는 경우, 캐시라인 재구성 트리거 이벤트가 발생하였다고 식별할 수 있다. 임계 값을 초과하는 트래픽 점유율이 자주 발생하는 경우, 트래픽을 처리하는 UPF(425)가 이용중인 프로파일에 포함된 캐시라인이 최적화되지 않았음을 추정할 수 있기 때문이다.

동작 540에서, 데이터 재구성 컴포넌트(220)는 타겟 프로파일을 요청할 수 있다. 상기 타겟 프로파일은, 데이터 재구성 컴포넌트(220)가 동작 535에서 캐시라인 재구성 트리거 이벤트가 발생하였다고 식별한 프로파일에 상응할 수 있다.

동작 545에서, 프로파일 관리 컴포넌트(210)는 상기 타겟 프로파일을 수신함에 응답하여, 응답 프로파일을 데이터 재구성 컴포넌트(220)에게 제공할 수 있다. 상기 응답 프로파일은, 프로파일 관리 컴포넌트(210)에 저장된 상기 복수의 프로파일들 중 하나의 프로파일에 상응할 수 있다.

동작 550에서, 데이터 재구성 컴포넌트(220)는 상기 응답 프로파일의 캐시라인을 재구성할 수 있다. 일 실시예에 따라, 데이터 재구성 컴포넌트(220)는 상기 응답 프로파일에 포함된 접근 시점 정보를 획득할 수 있다. 상기 접근 시점 정보는, 상기 응답 프로파일에 포함된 캐시라인이 캐시 메모리에 로딩된 시점들에 대한 정보를 저장할 수 있다. 데이터 재구성 컴포넌트(220)는 상기 접근 시점 정보에 기반하여, 동일한 캐시라인에 대한 접근 시점들을 식별할 수 있다. 예를 들어, 상기 응답 프로파일에 저장된 캐시라인들 중 제1 캐시라인은 2회에 걸쳐 캐시 메모리에 로딩될 수 있다. UPF(425)는 제1 시점에 상기 제1 캐시라인에 포함된 제1 데이터 및 제2 캐시라인에 포함된 제3 데이터를 이용하기 위하여 상기 제1 캐시라인 및 상기 제2 캐시라인을 캐시 메모리로 로드할 수 있다. UPF(425)는 상기 제1 시점보다 늦은 제2 시점에 상기 제1 캐시라인에 포함된 제2 데이터 및 상기 제2 캐시라인에 포함된 제4 데이터를 이용하기 위하여 상기 제1 캐시라인 및 상기 제2 캐시라인을 캐싱할 수 있다. 데이터 재구성 컴포넌트(220)는 동일한 제1 시점에 캐싱되는 상기 제1 캐시라인의 제1 데이터 및 상기 제2 캐시라인의 제3 데이터를 동일한 캐시라인에 포함되도록 캐시라인을 재구성할 수 있다. 또한, 데이터 재구성 컴포넌트(220)는 동일한 제2 시점에 캐싱되는 상기 제1 캐시라인의 제2 데이터 및 상기 제2 캐시라인의 제4 데이터를 동일한 캐시라인에 포함되도록 캐시라인을 재구성할 수 있다. UPF(425)는 상기 재구성된 캐시라인을 포함하는 프로파일에 기반하는 경우, 제1 시점에 상기 제1 데이터 및 상기 제3 데이터를 포함하도록 재구성된 캐시라인 하나만 로드하여 패킷 전송을 처리할 수 있다. UPF(425)는 상기 재구성된 캐시라인을 포함하는 프로파일에 기반하는 경우, 제2 시점에 상기 제2 데이터 및 상기 제4 데이터를 포함하도록 재구성된 캐시라인 하나만 로드하여 패킷 전송을 처리할 수 있다. 즉, UPF(425)가 제1 시점 및 제2 시점에 로드하는 캐시라인의 수는 2개에서 1개로 감소시킬 수 있다. 일 실시예에 따라, 데이터 재구성 컴포넌트(220)는 새로운 캐시라인들을 포함하는 프로파일을 재구성하기 위하여, 근사해 탐색 알고리즘(예를 들어, 담금질 기법(simulated annealing), 유전(genetic) 알고리즘) 및/또는 인공지능 알고리즘(예를 들어, 심층 학습(deep learning), 기계 학습(machine learning))에 기반할 수 있다.

동작 555에서, 데이터 재구성 컴포넌트(220)는 재구성된 프로파일을 프로파일 관리 컴포넌트(210)에게 제공할 수 있다. 프로파일 관리 컴포넌트(210)는 재구성된 프로파일을 수신하여 최적의 캐시라인으로 구성된 프로파일을 수신할 수 있다.

동작 560에서, 데이터 재구성 컴포넌트(220)는 재구성된 캐시라인을 포함하는 응답 프로파일에 대한 소프트웨어 바이너리(binary)를 획득할 수 있다. 상기 소프트웨어 바이너리는, 트래픽 최적화 모듈(201)이 코어 네트워크(352)에 포함된 엔티티들에게 제공하여 상기 바이너리를 제공받은 엔티티가 동작하는 소프트웨어를 업데이트하는데 이용될 수 있다.

동작 565에서, 데이터 재구성 컴포넌트(220)는 상기 획득된 소프트웨어 바이너리를 배포 컴포넌트(231)에게 제공할 수 있다.

동작 570에서, 프로파일 관리 컴포넌트(210)는 응답 프로파일의 유형에 따라 프로파일 업데이트를 수행하거나, 또는 새로운 프로파일을 생성할 수 있다. 일 실시예에 따라, 프로파일 관리 컴포넌트(210)는 프로파일 업데이트를 수행할 수 있다. 예를 들어, 동작 545에서, 프로파일 관리 컴포넌트(210)는 상기 복수의 프로파일들 중 상기 타겟 프로파일과 일치하는 프로파일을 식별하고, 상기 식별된 프로파일을 데이터 재구성 컴포넌트(220)에게 제공하였을 수 있다. 프로파일 관리 컴포넌트(210)는 데이터 재구성 컴포넌트(220)로부터 재구성된 프로파일을 수신하고, 상기 재구성된 프로파일을 상기 타겟 프로파일과 일치하는 것으로 식별된 프로파일로 대체(replace)할 수 있다. 일 실시예에 따라, 프로파일 관리 컴포넌트(210)는 새로운 프로파일을 생성할 수 있다. 예를 들어, 동작 545에서, 프로파일 관리 컴포넌트(210)는 상기 복수의 프로파일들 중 상기 타겟 프로파일과 일치하는 프로파일을 식별하지 못하여, 상기 타겟 프로파일과 유사한 프로파일을 데이터 재구성 컴포넌트(220)에게 제공하였을 수 있다. 프로파일 관리 컴포넌트(210)는 데이터 재구성 컴포넌트(220)로부터 수신한 재구성된 프로파일을, 새로운 프로파일로 저장할 수 있다. 상기 새로운 프로파일에 매칭되는 트래픽은, 상기 타겟 프로파일의 트래픽(예를 들어, IPv4의 TCP 패킷 유형이 20%, IPv4의 UDP 패킷 유형이 30%, IPv6의 TCP 패킷 유형이 40%, IPv6의 UDP 패킷 유형이 10%)과 동일하게 레이블(labeled)될 수 있다.

도 6은 일 실시예들에 따른, 트래픽 최적화 모듈(201)의 프로파일 관리 컴포넌트(210)의 동작을 나타내는 순서도이다.

도 4 및 도 6을 함께 참조하면, 동작 610에서, 프로파일 관리 컴포넌트(210)는 UPF(425)로부터 트래픽 상황 정보를 수신할 수 있다. 상기 트래픽 상황 정보는, 패킷을 처리중인 UPF(425)에 의해 측정되는 트래픽의 점유율에 대한 정보를 포함할 수 있다.

동작 620에서, 프로파일 관리 컴포넌트(210)는, 트래픽 상황 정보에 기반하여 트래픽 히스토리를 업데이트할 수 있다. 예를 들어, 프로파일 관리 컴포넌트(210)는 상기 미리 지정된 시간 간격마다 UPF(425)로부터 수신되는 상기 상황 정보에 기반하여 트래픽 히스토리 정보를 업데이트할 수 있다. 동작 630에서, 프로파일 관리 컴포넌트(210)는, 데이터 재구성 컴포넌트(220)의 요청에 응답하여 상기 트래픽 히스토리를 송신할 수 있다.

동작 640에서, 프로파일 관리 컴포넌트(210)는, 데이터 재구성 컴포넌트(220)로부터 타겟 프로파일을 수신할 수 있다. 상기 타겟 프로파일은, 데이터 재구성 컴포넌트(220)가 최적의 캐시라인으로 재구성할 것을 결정한 트래픽 정보를 포함할 수 있다. 예를 들어, 프로파일 관리 컴포넌트(210)는 IPv4의 TCP 패킷 유형이 10%, IPv4의 UDP 패킷 유형이 10%, IPv6의 TCP 패킷 유형이 40%, IPv6의 UDP 패킷 유형이 40%인 프로파일을 타겟 프로파일로 수신할 수 있다.

동작 650에서, 프로파일 관리 컴포넌트(210)는, 상기 타겟 프로파일에 상응하는 식별 프로파일을 데이터 재구성 컴포넌트(220)에게 송신할 수 있다. 프로파일 관리 컴포넌트(210)는 기 저장한 복수의 프로파일들 중 상기 타겟 프로파일의 트래픽 정보와 일치하는 프로파일이 존재하는지 검색할 수 있다. 상기 타겟 프로파일의 트래픽 정보와 일치하는 트래픽 정보의 프로파일이 식별되는 경우, 상기 식별된 프로파일을 데이터 재구성 컴포넌트(220)에게 송신할 수 있다. 상기 타겟 프로파일의 트래픽 정보와 일치하는 트래픽 정보의 프로파일이 식별되지 않는 경우, 상기 타겟 프로파일의 트래픽 정보와 가장 근사한 트래픽 정보의 프로파일을 데이터 재구성 컴포넌트(220)에게 송신할 수 있다.

동작 660에서, 프로파일 관리 컴포넌트(210)는, 데이터 재구성 컴포넌트(220)로부터 캐시라인이 재구성된 응답 프로파일을 수신하고, 응답 프로파일의 유형에 따라 프로파일을 업데이트하거나, 또는 새로운 프로파일을 생성할 수 있다. 예를 들어, 프로파일 관리 컴포넌트(210)는 동작 650에서 기 저장된 복수의 프로파일들 중 상기 응답 프로파일을 식별할 수 있다. 프로파일 관리 컴포넌트(210)는, 데이터 재구성 컴포넌트(220)로부터 수신된 응답 프로파일에 포함되는 재구성된 캐시라인에 기반하여, 타겟 프로파일의 트래픽 정보에 상응하는 프로파일로 업데이트할 수 있다. 다른 예를 들어, 프로파일 관리 컴포넌트(210)가 동작 650에서 타겟 프로파일의 트래픽 정보와 일치하는 프로파일을 식별하지 못할 수 있다. 이 경우, 데이터 재구성 컴포넌트(220)로부터 수신된 응답 프로파일에 상응하는 트래픽 정보는, 복수의 프로파일들이 커버하지 않는 새로운 트래픽 상황을 나타낼 수 있다. 따라서, 프로파일 관리 컴포넌트(210)는 데이터 재구성 컴포넌트(220)로부터 수신된 응답 프로파일을 새로운 트래픽 상황을 위한 프로파일로 추가할 수 있다.

도 7은 일 실시예들에 따른, 트래픽 최적화 모듈(201)의 데이터 재구성 컴포넌트(220)가 캐시라인 재구성 트리거 이벤트를 검출하는 동작을 나타내는 순서도이다.

도 7을 참조하면, 동작 710에서, 데이터 재구성 컴포넌트(220)는, 트래픽 히스토리 정보에 기반하여 트래픽 유형들 각각의 점유율들을 식별할 수 있다. 예를 들어, 데이터 재구성 컴포넌트(220)는 트래픽 히스토리 정보에 기반하여, IPv4의 TCP 패킷 유형이 20%, IPv4의 UDP 패킷 유형이 30%, IPv6의 TCP 패킷 유형이 40%, IPv6의 UDP 패킷 유형이 10%에 상응하는 것을 식별할 수 있다.

동작 720에서, 데이터 재구성 컴포넌트(220)는, 식별된 점유율들 중 적어도 하나의 점유율이 임계 값을 초과하는 것을 식별할 수 있다. 예를 들어, 데이터 재구성 컴포넌트(220)는 트래픽 중 IPv4의 UDP 패킷의 점유율이 70%를 초과하는 것을 식별할 수 있다.

동작 730에서, 데이터 재구성 컴포넌트(220)는, 미리 지정된 시간 구간 동안 적어도 하나의 점유율이 임계 값을 초과하는지 식별하여 동작 740에서 캐시라인 재구성을 위한 트리거 이벤트를 검출할 수 있다. 예를 들어, 데이터 재구성 컴포넌트(220)는 IPv4의 UDP 패킷의 점유율이 70%를 초과하여, 상기 미리 지정된 시간 구간동안 지속적으로 70%를 초과하는 것을 식별할 수 있다. 데이터 재구성 컴포넌트(220)는 현재 UPF(425)의 소프트웨어는 IPv4의 TCP 패킷 유형이 20%, IPv4의 UDP 패킷 유형이 30%, IPv6의 TCP 패킷 유형이 40%, IPv6의 UDP 패킷 유형이 10%의 트래픽 상황에서 최적화되어 있으므로, 패킷 처리 성능이 감소할 것을 예측할 수 있다. 데이터 재구성 컴포넌트(220)는 IPv4의 UDP 패킷의 점유율이 70%를 초과하는 트래픽 상황에서 UPF(425)의 패킷 처리 성능을 최적화하기 위하여 캐시라인을 재구성할 수 있다.

도 8은 일 실시예들에 따른, 트래픽 최적화 모듈(201)의 프로파일 관리 컴포넌트(210)가 응답 프로파일을 식별하는 동작을 나타내는 순서도이다.

도 8을 참조하면, 동작 810에서, 프로파일 관리 컴포넌트(210)는, 데이터 재구성 컴포넌트(220)로부터 타겟 프로파일을 수신할 수 있다. 상기 타겟 프로파일은, 캐시라인을 재구성할 것으로 식별된 트래픽 상황에 상응하는 프로파일일 수 있다. 예를 들어, 프로파일 관리 컴포넌트(210)는 IPv4의 TCP 패킷 유형이 10%, IPv4의 UDP 패킷 유형이 10%, IPv6의 TCP 패킷 유형이 40%, IPv6의 UDP 패킷 유형이 40%인 프로파일을 타겟 프로파일로 수신할 수 있다.

동작 820에서, 프로파일 관리 컴포넌트(210)는, 프로파일 관리 컴포넌트(210)는 복수의 프로파일들 중 타겟 프로파일과 일치하는 프로파일이 존재하는지 식별할 수 있다. 프로파일 관리 컴포넌트(210)는 기 저장된 복수의 프로파일들 중 상기 타겟 프로파일의 트래픽 정보와 일치하는 트래픽 정보의 프로파일을 검색할 수 있다. 예를 들어, 프로파일 관리 컴포넌트(210)는 상기 복수의 프로파일들 중 IPv4의 TCP 패킷 유형이 10%, IPv4의 UDP 패킷 유형이 10%, IPv6의 TCP 패킷 유형이 40%, IPv6의 UDP 패킷 유형이 40%인 프로파일이 존재하는지 검색할 수 있다.

동작 830에서, 프로파일 관리 컴포넌트(210)는, 상기 타겟 프로파일과 일치하는 프로파일을 데이터 재구성 컴포넌트(220)에게 제공할 수 있다. 상기 제공되는 프로파일은 응답 프로파일일 수 있다. 상기 응답 프로파일의 트래픽 정보는 상기 타겟 프로파일의 트래픽 정보와 동일할 수 있다. 예를 들어, 프로파일 관리 컴포넌트(210)는 IPv4의 TCP 패킷 유형이 10%, IPv4의 UDP 패킷 유형이 10%, IPv6의 TCP 패킷 유형이 40%, IPv6의 UDP 패킷 유형이 40%인 프로파일을 상기 복수의 프로파일들 중 하나로 기 저장하였을 수 있다. 프로파일 관리 컴포넌트(210)는 상기 타겟 프로파일과 트래픽 정보가 일치하는 프로파일을 데이터 재구성 컴포넌트(220)에게 제공할 수 있다.

동작 840에서, 프로파일 관리 컴포넌트(210)는, 상기 타겟 프로파일과 유사한 프로파일을 식별하여 데이터 재구성 컴포넌트(220)에게 제공할 수 있다. 이 경우, 데이터 재구성 컴포넌트(220)에게 제공되는 응답 프로파일의 트래픽 정보는, 상기 타겟 프로파일의 트래픽 정보와 상이할 수 있다. 예를 들어, 프로파일 관리 컴포넌트(210)가 저장하는 복수의 프로파일들 중 상기 타겟 프로파일의 트래픽 정보와 정확히 일치하는 프로파일이 존재하지 않을 수 있다. 프로파일 관리 컴포넌트(210)는 상기 타겟 프로파일의 트래픽 정보와 유사한 트래픽 정보를 포함하는 프로파일을 식별할 수 있다. 예를 들어, 상기 식별된 프로파일은, IPv4의 TCP 패킷 유형이 5%, IPv4의 UDP 패킷 유형이 15%, IPv6의 TCP 패킷 유형이 40%, IPv6의 UDP 패킷 유형이 40%로 구성된 트래픽 정보를 포함하는 프로파일일 수 있다. 상기 타겟 프로파일의 트래픽 정보 중 IPv4의 TCP 패킷 유형 및 IPv4의 UDP 패킷 유형에서 각각 5%만큼 트래픽 정보가 상이할 수 있다. 프로파일 관리 컴포넌트(210)는 상기 식별된 프로파일을 응답 프로파일로서 데이터 재구성 컴포넌트(220)에게 제공할 수 있다.

도 9는 일 실시예들에 따른, 트래픽 최적화 모듈(201)의 프로파일 관리 컴포넌트(210)가 타겟 프로파일에 유사한 응답 프로파일을 식별하는 동작을 나타내는 순서도이다.

도 9를 참조하면, 동작 910에서, 프로파일 관리 컴포넌트(210)는, 타겟 프로파일과 통신 프로토콜이 동일한 제1 프로파일들을 식별할 수 있다. 예를 들어, 타겟 프로파일은 다운링크를 통해 IPv6의 UDP 패킷을 100% 처리하는 트래픽 정보를 포함할 수 있다. 이 경우, 프로파일 관리 컴포넌트(210)는 복수의 프로파일들 중 UDP 패킷을 처리하지 않는 프로파일들(예를 들어, IPv4의 TCP 패킷들만 처리)을 제외한 나머지 프로파일들을 상기 제1 프로파일들로 식별할 수 있다.

동작 920에서, 프로파일 관리 컴포넌트(210)는, 상기 제1 프로파일들 중 타겟 프로파일과 통신 링크가 동일한 제2 프로파일들을 식별할 수 있다. 예를 들어, 타겟 프로파일은 다운링크를 통해 IPv6의 UDP 패킷을 100% 처리하는 트래픽 정보를 포함할 수 있다. 이 경우, 프로파일 관리 컴포넌트(210)는 상기 제1 프로파일들 중 업링크를 통해 UDP 패킷을 처리하는 프로파일들을 제외한 나머지 프로파일들을 제2 프로파일들로 식별할 수 있다.

동작 930에서, 프로파일 관리 컴포넌트(210)는, 상기 제2 프로파일들 중 타겟 프로파일과 인터넷 프로토콜 버전이 동일한 제3 프로파일들을 식별할 수 있다. 예를 들어, 타겟 프로파일은 다운링크를 통해 IPv6의 UDP 패킷을 100% 처리하는 트래픽 정보를 포함할 수 있다. 이 경우, 프로파일 관리 컴포넌트(210)는 상기 제2 프로파일들 중 IPv4의 인터넷 버전 프로토콜에 기반하여 패킷을 처리하는 프로파일들을 제외한 나머지 프로파일들을 제3 프로파일들로 식별할 수 있다.

동작 940에서, 프로파일 관리 컴포넌트(210)는, 상기 제3 프로파일들 중 점유율이 가장 유사한 프로파일 하나를 식별할 수 있다. 예를 들어, 상기 제3 프로파일들은 모두 다운링크를 통해 IPv6의 UDP 패킷을 적어도 일부 처리하는 프로파일들을 모두 포함할 수 있다. 프로파일 관리 컴포넌트(210)는, IPv6의 UDP 패킷의 점유율이 100에 가장 근접한 하나의 프로파일을 결정하여 응답 프로파일로 식별할 수 있다.

도 10은 일 실시예들에 따른, 데이터 재구성 컴포넌트(220)에 기반하여 재구성된 캐시라인(cache line)의 예를 도시한다.

도 10을 참조하면, 캐시라인(1010)은 데이터 재구성 컴포넌트(220)에 의해 재구성되기 이전의 캐시라인일 수 있다. 캐시라인(1020)은 데이터 재구성 컴포넌트(220)에 의해 재구성된 이후의 캐시라인일 수 있다. 캐시라인(1010)은 데이터 A(1011), 데이터 B(1012), 데이터 C(1013), 및 데이터 D(1014)를 적어도 포함할 수 있다. 캐시라인(1020)은 데이터 A(1011), 데이터 D(1014), 데이터 H(1021), 및 데이터 I(1022)를 적어도 포함할 수 있다.

일 실시예에 따라, UPF(425)는 데이터 패킷 처리를 위하여 제1 시점에 데이터 A(1011), 데이터 C(1013) 및 데이터 D(1014)를 참조할 수 있고, 상기 제1 시점보다 지연된 제2 시점에 데이터 B(1012)를 참조할 수 있다. 데이터 재구성 컴포넌트(220)는 상기 제1 시점과 상기 제2 시점 간에 시간 차이가 임계 시간보다 큰 경우, 캐시라인 최적화를 위하여 데이터 B(1012)를 캐시라인(1010)로부터 다른 캐시라인으로 이동시킬 수 있다. 데이터 재구성 컴포넌트(220)가 데이터 B(1012)를 이동시키지 않는 경우, 데이터 패킷을 처리하는 과정에서 캐시라인(1010)이 제1 시점 및 제2 시점에 2회 캐싱되기 때문에 패킷 처리 성능이 열화될 수 있다.

일 실시예에 따라, 데이터 C(1013)는 데이터 패킷을 처리하는 과정에서 사용되는 특정 기능을 위한 것일 수 있다. 예를 들어, 캐시라인(1010)이 생성된 이후 상기 특정 기능이 비활성화되는 경우, 데이터 C(1013)는 패킷 처리 과정에서 더 이상 참조되지 않을 수 있다. 다만, 캐시 메모리는 캐시라인 단위로 캐싱하기 때문에 참조되지 않을 데이터 C(1013)는 캐시 메모리의 잦은 캐싱을 유발하여 패킷 처리 성능을 열화시킬 수 있다. 따라서, 데이터 재구성 컴포넌트(220)는 캐시라인 재구성 과정에서 데이터 C(1013)를 캐시라인(1010)으로부터 삭제할 수 있다.

일 실시예에 따라, 데이터 재구성 컴포넌트(220)는 캐시라인(1010)으로부터 데이터 B(1012), 데이터 C(1013)를 삭제하고, 데이터 H(1021) 및 데이터 I(1022)를 포함시킬 수 있다. 예를 들어, 데이터 H(1021) 및 데이터 I(1022)는 캐시라인(1010)이 아닌 다른 캐시라인에 포함되어 있던 데이터일 수 있다. 데이터 재구성 컴포넌트(220)는 데이터 H(1021) 및 데이터 I(1022)의 접근 시점 정보를 참조하여, 접근 시점이 제1 시점에 상응하는 것을 식별할 수 있다. 데이터 재구성 컴포넌트(220)는 캐시라인의 개수를 최소화하기 위해, 캐시라인(1010)을 재구성할 수 있다. 데이터 재구성 컴포넌트(220)는 제1 시점에 액세스되는 데이터 A(1011) 및 데이터 D(1014)를 포함하는 캐시라인(1010)으로 데이터 H(1021) 및 데이터 I(1022)를 포함시켜 캐시라인(1020)을 재구성할 수 있다. UPF(452)가 재구성된 캐시라인(1020)을 포함하는 프로파일에 기반하여 소프트웨어를 실행할 시, 동일 캐시라인이 반복적으로 캐싱되는 것이 방지될 수 있고, 이에 따라 패킷 처리 성능이 향상될 수 있다.

상술한 바와 같은 일 실시예에 따른 무선 통신 시스템에서, UPF(user plane function)의 트래픽 처리와 관련된 프로파일을 관리하는 트래픽 최적화 모듈은, 복수의 프로파일들을 저장하는 프로파일 관리 컴포넌트 및 프로파일에 포함되는 캐시라인을 재구성하기 위한 데이터 재구성 컴포넌트를 포함하고, 상기 트래픽 최적화 모듈은, 상기 프로파일 관리 컴포넌트를 통해, 상기 UPF로부터 처리중인 데이터 패킷에 대한 트래픽에 기반한 상황 정보를 수신하고, 상기 프로파일 관리 컴포넌트를 통해, 상기 상황 정보에 기반하여, 상기 프로파일 관리 컴포넌트에 저장된 트래픽 히스토리 정보를 업데이트하고, 상기 데이터 재구성 컴포넌트를 통해 상기 프로파일 관리 컴포넌트에 저장된 상기 트래픽 히스토리 정보를 참조하여, 상기 트래픽 히스토리 정보에 기반한 데이터 재구성의 수행 여부를 결정하고, 상기 데이터 재구성의 수행이 결정된 경우, 상기 프로파일 관리 컴포넌트를 통해 상기 복수의 프로파일들 중 상기 데이터 재구성 컴포넌트가 요청한 타겟 프로파일과 적어도 일치하는 프로파일을 식별하고, 상기 데이터 재구성 컴포넌트를 통해, 상기 식별된 프로파일에 포함되는 데이터 셋을 상기 상황 정보를 처리하는데 필요한 데이터들을 포함하는 데이터 셋으로 재구성하고, 상기 데이터 재구성 컴포넌트를 통해, 상기 재구성된 데이터 셋을 포함하는 상기 식별된 프로파일을, 상기 프로파일 관리 컴포넌트에게 제공하도록 구성될 수 있다.

일 실시예에 따른, 상기 트래픽 최적화 모듈은, 배포 컴포넌트를 더 포함하고, 상기 데이터 재구성 컴포넌트는, 상기 재구성된 데이터 셋을 포함하는 상기 식별된 프로파일을 상기 배포 컴포넌트에게 제공하고, 상기 배포 컴포넌트는, 상기 재구성된 데이터 셋을 포함하는 상기 식별된 프로파일을 상기 UPF에게 제공하도록 구성될 수 있다.

일 실시예에 따른, 상기 복수의 프로파일들 각각은, TCP(Transmission Control Protocol) 또는 UDP(user datagram protocol) 중 어느 하나를 지시하는 프로토콜 유형, 업링크(uplink) 또는 다운링크(downlink) 중 어느 하나를 지시하는 통신 링크 유형, 및 IPv4 또는 IPv6 중 어느 하나를 지시하는 인터넷 프로토콜 버전에 기반하여 식별될 수 있다.

일 실시예에 따른, 상기 프로파일 관리 컴포넌트는, 상기 타겟 프로파일과 상기 프로토콜 유형, 상기 통신 링크 유형 및 상기 인터넷 프로토콜 버전이 모두 일치하는 프로파일을 식별하지 못한 경우, 상기 프로토콜 유형, 상기 통신 링크 유형 및 상기 인터넷 프로토콜 버전의 순서에 따라 결정되는 우선순위에 기반하여 상기 타겟 프로파일과 유사한 프로파일을 식별하도록 구성될 수 있다.

일 실시예에 따른, 상기 재구성된 데이터 셋은, SA(simulated annealing), GA(genetic algorithm)와 같은 근사해 탐색 방법 등을 포함하는 알고리즘 또는 DL(deep learning) 또는 ML(machine learning)을 포함하는 인공지능 알고리즘에 기반하여 생성될 수 있다.

일 실시예에 따른, 상기 데이터 재구성 컴포넌트는, 상기 재구성된 데이터 셋을 포함하는 상기 식별된 프로파일에 대한 바이너리(binary) 정보를 획득하고, 상기 배포 컴포넌트는, 상기 획득된 바이너리 정보를 상기 UPF에게 제공하도록 구성될 수 있다.

일 실시예에 따른, 상기 데이터 재구성 컴포넌트는, 미리 지정된 시간 간격마다 상기 프로파일 관리 컴포넌트에 저장된 상기 트래픽 히스토리 정보를 요청하고, 상기 트래픽 히스토리 정보에 기반하여, 임계 트래픽을 초과하는 것을 식별함에 응답하여 상기 데이터 재구성의 수행을 결정하도록 구성될 수 있다.

일 실시예에 따른, 상기 프로파일은, 상기 프로파일에 포함되는 데이터들 각각의 접근 시점에 대한 정보 및 상기 데이터들의 자료형 및 크기에 대한 정보를 포함할 수 있다.

일 실시예에 따른, 상기 프로파일은, 상기 프로파일에 포함되는 데이터 셋들의 개수 및 상기 데이터 셋들 각각에 포함되는 데이터들을 식별하기 위한 정보를 포함할 수 있다.

일 실시예에 따른, 상기 타겟 프로파일은, 상기 식별된 임계 트래픽을 지시하는 정보를 포함할 수 있다.

상술한 바와 같은 일 실시예에 따른 무선 통신 시스템에서, UPF(user plane function)의 트래픽 처리와 관련된 복수의 프로파일들을 관리하는 트래픽 최적화 모듈의 동작 방법은, 상기 UPF로부터 처리중인 데이터 패킷에 대한 트래픽에 기반한 상황 정보를 수신하는 동작과, 상기 상황 정보에 기반하여, 상기 프로파일 관리 컴포넌트에 저장된 트래픽 히스토리 정보를 업데이트하는 동작과, 상기 트래픽 히스토리 정보를 참조하여, 상기 트래픽 히스토리 정보에 기반한 데이터 재구성의 수행 여부를 결정하는 동작과, 상기 데이터 재구성의 수행이 결정된 경우, 상기 복수의 프로파일들 중 타겟 프로파일과 적어도 일치하는 프로파일을 식별하는 동작과, 상기 식별된 프로파일에 포함되는 데이터 셋을 상기 상황 정보를 처리하는데 필요한 데이터들을 포함하는 데이터 셋으로 재구성하는 동작을 포함할 수 있다.

일 실시예에 따른, 상기 재구성된 데이터 셋을 포함하는 상기 식별된 프로파일을 배포 컴포넌트에게 제공하는 동작과, 상기 재구성된 데이터 셋을 포함하는 상기 식별된 프로파일을 상기 UPF에게 제공하는 동작을 더 포함할 수 있다.

일 실시예에 따른, 상기 복수의 프로파일들 각각은, TCP(Transmission Control Protocol) 또는 UDP(user datagram protocol) 중 어느 하나를 지시하는 프로토콜 유형, 업링크(uplink) 또는 다운링크(downlink) 중 어느 하나를 지시하는 통신 링크 유형, 및 IPv4 또는 IPv6 중 어느 하나를 지시하는 인터넷 프로토콜 버전에 기반하여 식별될 수 있다.

일 실시예에 따른, 상기 타겟 프로파일과 상기 프로토콜 유형, 상기 통신 링크 유형 및 상기 인터넷 프로토콜 버전이 모두 일치하는 프로파일을 식별하지 못한 경우, 상기 프로토콜 유형, 상기 통신 링크 유형 및 상기 인터넷 프로토콜 버전의 순서에 따라 결정되는 우선순위에 기반하여 상기 타겟 프로파일과 유사한 프로파일을 식별하는 동작을 더 포함할 수 있다.

일 실시예에 따른, 상기 재구성된 데이터 셋은, SA(simulated annealing), GA(genetic algorithm)와 같은 근사해 탐색 방법 등을 포함하는 알고리즘 또는 DL(deep learning) 또는 ML(machine learning)을 포함하는 인공지능 알고리즘에 기반하여 생성될 수 있다.

일 실시예에 따른, 상기 재구성된 데이터 셋을 포함하는 상기 식별된 프로파일에 대한 바이너리(binary) 정보를 획득하는 동작과, 상기 획득된 바이너리 정보를 상기 UPF에게 제공하는 동작을 더 포함할 수 있다.

일 실시예에 따른, 미리 지정된 시간 간격마다 상기 프로파일 관리 컴포넌트에 저장된 상기 트래픽 히스토리 정보를 요청하는 동작과, 상기 트래픽 히스토리 정보에 기반하여, 임계 트래픽을 초과하는 것을 식별함에 응답하여 상기 데이터 재구성의 수행을 결정하는 동작을 더 포함할 수 있다.

일 실시예에 따른, 상기 프로파일은, 상기 프로파일에 포함되는 데이터들 각각의 접근 시점에 대한 정보 및 상기 데이터들의 자료형 및 크기에 대한 정보를 포함할 수 있다.

일 실시예에 따른, 상기 프로파일은, 상기 프로파일에 포함되는 데이터 셋들의 개수 및 상기 데이터 셋들 각각에 포함되는 데이터들을 식별하기 위한 정보를 더 포함할 수 있다.

일 실시예에 따른, 상기 타겟 프로파일은, 상기 식별된 임계 트래픽을 지시하는 정보를 포함할 수 있다.

본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.

본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제1", "제2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제1) 구성요소가 다른(예: 제2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"로 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.

본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.

본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.

일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: CD-ROM(compact disc read only memory))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어??)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.

다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱(heuristic)하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

Claims (20)

1. 무선 통신 시스템에서, UPF(user plane function)의 트래픽 처리와 관련된 프로파일을 관리하는 트래픽 최적화 모듈에 있어서,
   복수의 프로파일들을 저장하는 프로파일 관리 컴포넌트; 및
   프로파일에 포함되는 캐시라인을 재구성하기 위한 데이터 재구성 컴포넌트;를 포함하고,
   상기 트래픽 최적화 모듈은,
   상기 프로파일 관리 컴포넌트를 통해, 상기 UPF로부터 처리중인 데이터 패킷에 대한 트래픽에 기반한 상황 정보를 수신하고,
   상기 프로파일 관리 컴포넌트를 통해, 상기 상황 정보에 기반하여, 상기 프로파일 관리 컴포넌트에 저장된 트래픽 히스토리 정보를 업데이트하고,
   상기 데이터 재구성 컴포넌트를 통해 상기 프로파일 관리 컴포넌트에 저장된 상기 트래픽 히스토리 정보를 참조하여, 상기 트래픽 히스토리 정보에 기반한 데이터 재구성의 수행 여부를 결정하고,
   상기 데이터 재구성의 수행이 결정된 경우, 상기 프로파일 관리 컴포넌트를 통해 상기 복수의 프로파일들 중 상기 데이터 재구성 컴포넌트가 요청한 타겟 프로파일과 적어도 일치하는 프로파일을 식별하고,
   상기 데이터 재구성 컴포넌트를 통해, 상기 식별된 프로파일에 포함되는 데이터 셋을 상기 상황 정보를 처리하는데 필요한 데이터들을 포함하는 데이터 셋으로 재구성하고,
   상기 데이터 재구성 컴포넌트를 통해, 상기 재구성된 데이터 셋을 포함하는 상기 식별된 프로파일을, 상기 프로파일 관리 컴포넌트에게 제공하도록 구성된,
   모듈.
   
2. 청구항 1에 있어서,
   상기 트래픽 최적화 모듈은, 배포 컴포넌트를 더 포함하고,
   상기 데이터 재구성 컴포넌트는,
   상기 재구성된 데이터 셋을 포함하는 상기 식별된 프로파일을 상기 배포 컴포넌트에게 제공하고,
   상기 배포 컴포넌트는,
   상기 재구성된 데이터 셋을 포함하는 상기 식별된 프로파일을 상기 UPF에게 제공하도록 더 구성된,
   모듈.
   
3. 청구항 1에 있어서,
   상기 복수의 프로파일들 각각은,
   TCP(Transmission Control Protocol) 또는 UDP(user datagram protocol) 중 어느 하나를 지시하는 프로토콜 유형, 업링크(uplink) 또는 다운링크(downlink) 중 어느 하나를 지시하는 통신 링크 유형, 및 IPv4 또는 IPv6 중 어느 하나를 지시하는 인터넷 프로토콜 버전에 기반하여 식별되는,
   모듈.
   
4. 청구항 3에 있어서,
   상기 프로파일 관리 컴포넌트는,
   상기 타겟 프로파일과 상기 프로토콜 유형, 상기 통신 링크 유형 및 상기 인터넷 프로토콜 버전이 모두 일치하는 프로파일을 식별하지 못한 경우, 상기 프로토콜 유형, 상기 통신 링크 유형 및 상기 인터넷 프로토콜 버전의 순서에 따라 결정되는 우선순위에 기반하여 상기 타겟 프로파일과 유사한 프로파일을 식별하도록 구성되는,
   모듈.
   
5. 청구항 1에 있어서,
   상기 재구성된 데이터 셋은,
   SA(simulated annealing), GA(genetic algorithm)와 같은 근사해 탐색 방법 등을 포함하는 알고리즘 또는 DL(deep learning) 또는 ML(machine learning)을 포함하는 인공지능 알고리즘에 기반하여 생성되는,
   모듈.
   
6. 청구항 2에 있어서,
   상기 데이터 재구성 컴포넌트는,
   상기 재구성된 데이터 셋을 포함하는 상기 식별된 프로파일에 대한 바이너리(binary) 정보를 획득하고,
   상기 배포 컴포넌트는,
   상기 획득된 바이너리 정보를 상기 UPF에게 제공하도록 구성된,
   모듈.
   
7. 청구항 1에 있어서,
   상기 데이터 재구성 컴포넌트는,
   미리 지정된 시간 간격마다 상기 프로파일 관리 컴포넌트에 저장된 상기 트래픽 히스토리 정보를 요청하고,
   상기 트래픽 히스토리 정보에 기반하여, 임계 트래픽을 초과하는 것을 식별함에 응답하여 상기 데이터 재구성의 수행을 결정하도록 구성되는,
   모듈.
   
8. 청구항 1에 있어서,
   상기 프로파일은,
   상기 프로파일에 포함되는 데이터들 각각의 접근 시점에 대한 정보 및 상기 데이터들의 자료형 및 크기에 대한 정보를 포함하는,
   모듈.
   
9. 청구항 1에 있어서,
   상기 프로파일은,
   상기 프로파일에 포함되는 데이터 셋들의 개수 및 상기 데이터 셋들 각각에 포함되는 데이터들을 식별하기 위한 정보를 더 포함하는,
   모듈.
   
10. 청구항 7에 있어서,
    상기 타겟 프로파일은, 상기 식별된 임계 트래픽을 지시하는 정보를 포함하는,
    모듈.
    
11. 무선 통신 시스템에서, UPF(user plane function)의 트래픽 처리와 관련된 복수의 프로파일들을 관리하는 트래픽 최적화 모듈의 동작 방법에 있어서,
    상기 UPF로부터 처리중인 데이터 패킷에 대한 트래픽에 기반한 상황 정보를 수신하는 단계와,
    상기 상황 정보에 기반하여, 상기 프로파일 관리 컴포넌트에 저장된 트래픽 히스토리 정보를 업데이트하는 단계와,
    상기 트래픽 히스토리 정보를 참조하여, 상기 트래픽 히스토리 정보에 기반한 데이터 재구성의 수행 여부를 결정하는 단계와,
    상기 데이터 재구성의 수행이 결정된 경우, 상기 복수의 프로파일들 중 타겟 프로파일과 적어도 일치하는 프로파일을 식별하는 단계와,
    상기 식별된 프로파일에 포함되는 데이터 셋을 상기 상황 정보를 처리하는데 필요한 데이터들을 포함하는 데이터 셋으로 재구성하는 단계를 포함하는,
    방법.
    
12. 청구항 11에 있어서,
    상기 재구성된 데이터 셋을 포함하는 상기 식별된 프로파일을 배포 컴포넌트에게 제공하는 단계와,
    상기 재구성된 데이터 셋을 포함하는 상기 식별된 프로파일을 상기 UPF에게 제공하는 단계를 더 포함하는,
    방법.
    
13. 청구항 11에 있어서,
    상기 복수의 프로파일들 각각은,
    TCP(Transmission Control Protocol) 또는 UDP(user datagram protocol) 중 어느 하나를 지시하는 프로토콜 유형, 업링크(uplink) 또는 다운링크(downlink) 중 어느 하나를 지시하는 통신 링크 유형, 및 IPv4 또는 IPv6 중 어느 하나를 지시하는 인터넷 프로토콜 버전에 기반하여 식별되는,
    방법.
    
14. 청구항 13에 있어서,
    상기 타겟 프로파일과 상기 프로토콜 유형, 상기 통신 링크 유형 및 상기 인터넷 프로토콜 버전이 모두 일치하는 프로파일을 식별하지 못한 경우, 상기 프로토콜 유형, 상기 통신 링크 유형 및 상기 인터넷 프로토콜 버전의 순서에 따라 결정되는 우선순위에 기반하여 상기 타겟 프로파일과 유사한 프로파일을 식별하는 단계를 더 포함하는,
    방법.
    
15. 청구항 11에 있어서,
    상기 재구성된 데이터 셋은,
    SA(simulated annealing), GA(genetic algorithm)와 같은 근사해 탐색 방법 등을 포함하는 알고리즘 또는 DL(deep learning) 또는 ML(machine learning)을 포함하는 인공지능 알고리즘에 기반하여 생성되는,
    방법.
    
16. 청구항 12에 있어서,
    상기 재구성된 데이터 셋을 포함하는 상기 식별된 프로파일에 대한 바이너리(binary) 정보를 획득하는 단계와,
    상기 획득된 바이너리 정보를 상기 UPF에게 제공하는 단계를 더 포함하는,
    방법.
    
17. 청구항 11에 있어서,
    미리 지정된 시간 간격마다 상기 프로파일 관리 컴포넌트에 저장된 상기 트래픽 히스토리 정보를 요청하는 단계와,
    상기 트래픽 히스토리 정보에 기반하여, 임계 트래픽을 초과하는 것을 식별함에 응답하여 상기 데이터 재구성의 수행을 결정하는 단계를 더 포함하는,
    방법.
    
18. 청구항 11에 있어서,
    상기 프로파일은,
    상기 프로파일에 포함되는 데이터들 각각의 접근 시점에 대한 정보 및 상기 데이터들의 자료형 및 크기에 대한 정보를 포함하는,
    방법.
    
19. 청구항 11에 있어서,
    상기 프로파일은,
    상기 프로파일에 포함되는 데이터 셋들의 개수 및 상기 데이터 셋들 각각에 포함되는 데이터들을 식별하기 위한 정보를 더 포함하는,
    방법.
    
20. 청구항 17에 있어서,
    상기 타겟 프로파일은, 상기 식별된 임계 트래픽을 지시하는 정보를 포함하는,
    방법.

Images