一種面向業務的移動數據業務帶寬分配方法*

石文孝，范紹帥，王 柟

（吉林大學通信工程學院 長春 130012）

1 引言

隨著移動通信業務的發展和3G時代的到來，數據業務流量大幅度增長，網絡規模發展相對業務發展有所滯后，造成網絡資源不能滿足業務發展需要，對業務質量造成一定的影響。因此，為不同業務提供差異化的服務質量、合理利用網絡資源成為運營商重點關注的問題。

目前，對于移動數據業務帶寬分配方法的研究主要集中在無線側，對核心網側的流量及業務模型的研究較少。而在核心網側部署帶寬分配策略，對不同業務的總帶寬進行控制，同樣可以達到區分業務服務質量的效果，并且可以間接節省無線側網絡資源。本文在對具有自相似特性的數據業務的保障帶寬進行量化計算的基礎上，結合GGSN（gateway GPRS support node，網關GPRS支持節點）設備功能和網絡帶寬資源情況，提出了一種面向業務的帶寬分配方法。

2 自相似業務模型與排隊模型分析

2.1 自相似業務模型

第三代移動通信系統引入了越來越多的數據業務，使移動通信網中的業務流表現出高突發性和長相關性（自相似特性）[1]。對于自相似業務，人們已提出了多個自相似流量模型，如重尾ON/OFF模型、基于分形的FBM（fractional Brown motion，分形布朗運動）模型和自回歸整合滑動平均模型、基于穩定過程的α穩定自相似過程、隨機瀑布模型、用于描述多尺度行為的多分形流量模型、多尺度流量模型等[2～8]。在上述自相似流量模型中，最簡單且最常用的是FBM模型。FBM模型是一個精確自相似過程，也是高斯過程，只有3個參數，應用比較簡單。根據中心極限理論，無限多個自相似過程聚合的結果是FBM過程，因此可以用FBM模型來對聚合的精確自相似業務流進行有效的建模。

Norros提出的FBM業務模型如下[3]：

式中：A（t）代表t時間內到達的業務流量；m為流量的平均速率，m>0；a為方差系數；Zt為具有零均值、Hurst參數為H(0

2.2 G/D/1(n)排隊模型

對于移動核心網中的GGSN設備，節點和到達數據流可以視為G/D/1(n)排隊模型。G表示自相似業務流的到達過程，且到達率為m；D表示節點的服務速率是固定值，設其服務率為C；在這個排隊模型中，容量為n的緩存器用于存儲進入存儲系統的數據包，并且所有數據包都按照其輸入順序排隊和發送[9]。

在該排隊模型下，設 X（t）是以FBM模型作為輸入源時緩存器的占用量[3]，則

由式（1）和（2）得到緩沖器溢出概率為[3]：

假設系統的流量擁塞概率為ε，由式（3）可以求得系統的有效保障帶寬為[3,10]：

設數據流最大排隊等待時間為T，則ε為排隊時間超過T的概率，經分析可知，排隊系統最大排隊長度n=C×T。這樣便可在不同業務對GGSN處理時延要求不同的基礎上，得出業務保障帶寬。

3 面向業務的帶寬分配方法

網絡中的數據業務基本可以分為兩類，一類是可以為運營商帶來高回報或者利于樹立品牌形象的高價值業務，另一類為普通業務。由于網絡帶寬資源有限且兩類業務對運營商帶來的回報差異很大，因此可以為兩類業務提供差異化的服務質量，優先保障高價值業務的帶寬需求，以合理利用有限的帶寬資源。

結合不同數據業務的帶寬需求和網絡帶寬資源情況，對業務進行差異化對待，不同業務的帶寬分配值的計算可分為以下兩個步驟。

（1）利用FBM模型結合G/D/1(n)排隊模型，求解兩類自相似業務的保障帶寬

具體方法就是利用式（4）得出在滿足一定ε和T條件下業務總的m所對應的帶寬分配值C，其流程如圖1所示。

該流程描述如下。

①為兩類業務設置QoS參數（ε、T）：在對高價值業務和普通業務進行區分對待時，可以設置高價值業務的數據流量有較低的ε及T，普通業務有相對較高的ε和T。

②輸入模型樣本：輸入高價值業務和普通業務的業務流量采樣樣本，且樣本的采樣點數要盡可能多。

③中間量計算

m：利用輸入樣本值，對每個小時的流量取算術平均值，得出兩類業務的平均業務流量。

a：等于流量樣本的方差除以均值。

H：利用輸入樣本值，通過方差時間圖法[11]算出兩類業務的Hurst參數。

④運用帶寬分配模型得出兩類業務的帶寬需求值：將兩類業務的 T、ε、m、a以及 H代入式（4），求得兩類業務的帶寬需求值C。

（2）綜合考慮步驟（1）得出的兩類業務帶寬需求值以及網絡帶寬資源情況，得出高價值業務和普通業務的實際帶寬分配值CA1、CA2

通過步驟（1）可得出在滿足一定QoS參數下高價值業務與普通業務所需的帶寬值C1、C2。在進行兩類業務帶寬分配時，不僅要考慮兩類業務自身的帶寬需求，還要考慮GGSN鏈路總帶寬C0。具體方法如下：在業務閑時，網絡帶寬資源充足，兩類業務的帶寬值可以按需分配。而在業務忙時，兩類業務的保障帶寬之和大于可提供的總帶寬值，應以優先保障高價值業務為原則。首先滿足高價值業務的帶寬需求，再將剩余的帶寬分配給普通業務使用。實際帶寬分配值計算流程如圖2所示。

在確定出兩類業務的帶寬分配值后，在GGSN設備開啟內容計費功能的前提下，增加對兩類業務的包檢測規則的配置，通過數據包解析過程來對業務進行區分。結合GGSN的基于業務的帶寬管理功能，從總帶寬的角度實現在核心網側對不同業務的帶寬控制。圖3所示為面向業務的數據業務帶寬分配方法。

需要說明的是，該帶寬分配方法需要增加對兩類業務的包檢測規則的配置，會額外占用GGSN設備的CPU處理資源，增加GGSN設備的負擔。但該方法對核心網側不同數據業務的服務質量的區分以及對高價值業務的優先保障具有一定的指導意義。

4 仿真分析

為了驗證提出的面向業務的帶寬分配方法對業務進行區分保障的效果，我們對區分業務前后兩類業務忙閑時的帶寬分配情況及服務質量情況進行了仿真。

4.1 仿真場景

利用Matlab語言對一個GGSN設備的業務流量及帶寬情況進行仿真，業務流量生成方法采用RMD（random midpoint displacement，隨機中點置換）算法[12]。仿真參數為：GGSN側鏈路總帶寬C0為155 Mbit/s，高價值業務ε1=0.5%，T1=10 ms；普通業務ε2=1.1%，T2=30 ms。兩類業務忙閑時的流量參數設置見表1。

4.2 仿真結果與分析

在業務閑時，網絡帶寬資源充足，兩類業務在區分業務前后的帶寬分配情況如圖4、圖5所示。

由圖4、圖5可以看出，區分業務之前，閑時兩類業務同等程度地對網絡帶寬進行擠占，高價值業務的帶寬分配值未滿足其需求，而普通業務的帶寬分配值超出了需求值，體現出帶寬分配的不公平性，帶寬資源未得到合理利用；區分業務之后，兩類業務的帶寬分配值均等于其需求值，兩類業務可以合理地按需占用帶寬。

區分業務前后兩類業務閑時服務質量仿真曲線如圖6、圖7所示。

表1 兩類業務忙閑時流量參數設置

由圖6、圖7可以看出，區分業務之前，閑時高價值業務的擁塞率高于普通業務，表明高價值業務的服務質量沒有得到保障，網絡資源明顯沒有得到合理分配；區分業務之后，高價值業務的擁塞率降低，其服務質量得到了很好的保障，相對的，普通業務的服務質量有所下降。

在業務忙時，網絡帶寬資源緊張，兩類業務在區分業務前后的帶寬分配情況如圖8、圖9所示。

由圖8、圖9可以看出，在忙時兩類業務的保障帶寬總值超出鏈路總帶寬的情況下，區分業務之前，兩類業務同等程度地對有限的網絡帶寬進行擠占，兩類業務的帶寬分配值受鏈路總帶寬的限制，均未達到其需求值，沒有對高價值業務進行保障；區分業務之后，高價值業務的帶寬分配值等于其需求值，其服務質量得到了保障，而普通業務占用剩余的帶寬資源，其帶寬分配值低于其需求值。

區分業務前后兩類業務忙時服務質量仿真曲線如圖 10、圖 11所示。

由圖10、圖11可以看出，區分業務之前，由于忙時兩類業務的帶寬均受到限制，高價值業務的擁塞率高于普通業務，表明高價值業務的服務質量沒有得到保障，網絡資源明顯沒有得到合理分配；區分業務之后，高價值業務的擁塞率降低，其服務質量得到了很好的保障，相對的，普通業務的服務質量有所下降。

5 結束語

本文提出的基于GGSN的面向業務的帶寬分配方法，能夠適應移動數據業務體現出的自相似特性，并在核心網側實現了不同業務帶寬的差異化管理。理論分析和仿真結果表明，該方法可以對業務保障帶寬進行量化求解，在業務忙/閑時均能有效地區分不同業務的服務質量并保障高價值業務的帶寬需求，使網絡帶寬資源得到更加合理的分配。

1 溫倩.3G系統分組域業務源模型的研究與應用.電子科技大學畢業論文，2006

2 Heath D， Resnick S， Asmorodnitsky G.Heavy tails and long range dependence in on/off processes and associated fluid models.Mathematics of Operations Research,1998,23(1):145～165

3 Norros I.On the use of fractional brownian motion in the theory of connectionless networks.IEEE Journal on Selected Areas in Communication,1995,13(6)：953～962

4 Sadek N,Khotanzad A,Chen T.ATM dynamic bandwidth allocation using FARIMA prediction model.In:ICCCN 2003，Dallas Texas，USA，2003： 359～363

5 Harmantzis F C.Data network traffic modeling and engineering using stable and fractal processes.University of Toronto(Canada)，2002

6 Feldmann A,Gilbert A C,Willinger W.Data networks as cascades：investigating the multifractal nature of internet WAN traffic.In:Proc of ACM SIGCOMM’98，Vancouver，Canada，1998:42～55

7 Riedi R,Crouse M S,Ribeiro V J,et al.Multifractal wavelet model with application to network traffic.IEEE Transactions on Information Theory,1999,45(3):992～1018

8 Liu N X,Baras J S.Statistical modeling and performance analysis of multi-scale traffic.In:INFOCOM 2003，San Francisco California，USA，2003:1837～1847

9 胡玉清,譚獻海,劉黎娜等.基于FBM模型的自相似網絡排隊性能分析.微電子學與計算機,2008,25(7)：61～64

10 徐名海,彭玉旭.基于分形布朗運動的等效帶寬及其參數計算算法.南京郵電大學學報(自然科學版),2008,29(1)：46～50

11 喻莉,陳晨.一種基于數據塊選擇的方差時間圖Hurst參數估計方法.計算機科學,2007,34(12)：33～36

12 譚獻海.網絡業務自相似特性及其對排隊性能影響的研究.西南交通大學畢業論文，2006