5G移動通信緩存技術的特點及應用研究

許雙艷，洪慧美，徐海峰

（1.諾基亞通信系統技術(北京)有限公司，浙江 杭州 310053；2斑馬智行網絡(杭州)有限公司，浙江 杭州 310000）

0 引 言

5G移動通信網絡的快速發展對相關技術的發展提出要求，緩存作為網絡傳輸通信中重要的組成部分，對用戶移動網絡服務質量的影響較大，如何在海量新興網絡服務中滿足計算資源的需求成為緩存技術發展的主要方向。

1 5G移動通信網絡概述

5G移動通信網絡的發展與互聯網的廣泛使用緊密相連，在移動互聯網業務和應用快速發展的背景下給移動通信網絡帶來了更多的挑戰，需要提供具有更低時延、更高帶寬的服務。為了應對移動通信網絡的快速發展，滿足未來移動互聯網業務的需求，產生了諸如軟件定義網絡技術、虛擬化技術、網絡切片技術以及邊緣計算技術等先進移動通信技術，合力推動著5G移動通信網絡的發展與應用。其中，有關5G移動通信網絡緩存的技術內容較少。在5G移動通信網絡廣域覆蓋、局部熱點過高、終端業務繁多的環境下，想要提供高速、高質量的移動通信網絡服務必須要有較低的時延和較高的業務可靠性保障，而這些要求與緩存技術都有關聯。現階段，基于SDN/NFV技術的SoftNet網絡體系與統一無線接入構成了全新的網絡結構。這種網絡架構作為一種可靈活擴展的網絡系統，具備多種功能特性，對于提高網絡資源利用率和系統容量有著較大幫助。而采用SoftAir架構的5G移動通信網絡體系更注重對網絡流量的控制與優化，具有更強的管控能力[1]。

2 5G移動通信緩存技術特點

2.1 緩存部署位置及策略機制

5G移動通信網絡中，緩存部署的位置對于提高通信效率、降低網絡傳輸時延有著重要的作用。移動通信網絡本身就是層次化架構，核心網絡負責管理，而邊緣網絡則主要負責無線網絡的接入。5G移動核心網絡中流量與管控的要求更高，基于云化核心資源的內容分發網絡（Content Delivery Network，CDN）節點部署成為解決移動資源調度的重要方法，協同緩存框架的應用提高了移動核心網絡內容分發的效率。現有的宏基站在緩存上可以實現更低的傳輸時延，主要是服務網關根據不同內容的請求轉發至源服務器，讓符合內容請求的傳輸信息優先通過，這種分發機制在集群基站中實現了緩存資源的共享，有效降低了移動網絡系統的服務時延。

2.2 緩存計算及資源分配與調度

緩存計算對于緩存資源分配起著關鍵作用，目前對于5G移動通信網絡的研究主要集中在邊緣計算方面。緩存計算在傳統應用上以云計算服務器作為處理基礎，但在終端用戶與云計算服務器距離較遠時，計算所導致的網絡時延較高，而較長距離的網絡傳輸也會受到更多不確定性因素的影響。將計算任務移動到邊緣計算中是緩存計算發展的重要趨勢，不僅可以節約終端移動的能量消耗，而且還能縮短計算的時延[2]。

雖然邊緣計算與霧計算都部署在靠近用戶的移動網絡邊緣上，但是計算資源的分配在緩存計算任務中并非簡單的集中式或分布式，需要根據移動終端消耗的通信資源來決定。通信資源的分配與調度方法較多，可分布式資源可采用分解技術處理或是通過迭代算法優化計算資源，減少其在用戶終端的能量消耗。通過建立計算資源分配模型，服務器與邊緣設備會根據預先設定的資源協議來調度資源供給，保證計算任務能夠滿足其延遲要求。

3 5G移動通信緩存技術實際應用

3.1 核心網絡中5G移動通信緩存技術應用

3.1.1 系統模型

核心網絡中，5G移動通信分布式緩存架構需要基于集成網絡切片，將物理基礎資源切分為虛擬網絡，從而滿足多樣化的網絡服務與功能。分布式網絡緩存資源池內的業務數量略多于5G網絡切片后的業務數量，緩存節點在虛擬化技術的支持下為各網絡提供緩存資源。該系統模型未涉及映射機制與接入控制機制，只是將物理網絡資源分為多個虛擬網絡。此虛擬網絡也被假定為虛擬節點和虛擬鏈路的集合，由網絡基礎設施服務提供商負責創建。模型設置中只考慮一個網絡基礎設施，確保緩存資源分配對虛擬網絡能夠產生最直接的影響。物理網絡可以用加權無向圖G=（N，L）表示，其中N為物理節點的集合、L為物理鏈路的集合。設定C為各個物理節點上緩存資源的容量上限，同時假定該模型中有M個網絡切片。緩存資源的運用是根據網絡節點的差異而定的，在核心網絡中越重要的節點將會產生更高的資源價格。網絡切片所需支付的價格可表示為：

式中，i為節點，k為獲得緩存資源分配的網絡切片，w為每個節點每單位的緩存資源價格，x為整體變量，y為單位時間內分配給網絡切片的緩存資源量。

3.1.2 資源分配

核心網絡緩存設計中，提出基于化學反應優化算法（Chemical Reaction Optimization，CRO）的緩存資源分配方法。根據化學反應過程中發生的一系列分子碰撞，考慮不同分子作用下導致的不同程度的資源變化。對于緩存資源分配而言，可以通過CRO算法優化資源分配。根據網絡基礎設施設定的約束條件，也就是上文網絡切片所需支付的價格可得到具體數值，指明哪一個網絡切片被分配緩存資源以及分配了多少緩存資源，以此通過分配矩陣來最大化目標函數，從而得到最優的緩存資源分配矩陣，在此基礎上使5G移動通信網絡獲得最大的緩存資源分配收益。基于CRO算法的緩存資源分配流程如圖1所示。

圖1 基于CRO算法的緩存資源分配流程

初始化過程中會在約束條件下產生一組初始解，該解只能表示緩存資源中網絡切片的初始數量。此外，在約束條件下隨機產生指示矩陣X，并根據X隨機生成緩存資源分配矩陣Y，以此指明有多少緩存資源被分配給網絡切片。基于單分子無效碰撞反應的資源分配在計算中會有一個輕微變化的新解，計算過程就是通過選擇一個緩存節點并對緩存資源的分配進行改變，以此重新分配該緩存節點的緩存資源，進而得到一個新的緩存資源分配矩陣。基于分解反應的緩存資源分配會出現較大變化，每一個新解都可能與原先的解存在較大差異，隨機選擇分配矩陣并隨機分配新解，直到原矩陣每一行都被重新賦值為止。需要注意的是，在約束條件下緩存資源應當只能產生正數。基于分子間無效碰撞反應的緩存資源分配會對矩陣產生輕微影響，在算法中主要是緩存分配矩陣Y1和Y2得到相對應的兩個新的緩存分配矩陣。基于合成反應的緩存資源分配會讓原始矩陣與新的矩陣產生較大不同，主要是因為兩個矩陣在合成計算時是隨機選擇相應行的值，從而生成一個新的緩存分配矩陣。

在得出分配矩陣后還需調整函數，以進一步確定得到的緩存資源分配解是否符合約束條件的要求。如果不滿足約束條件要求，則刪除該解，重新進行計算。基于CRO算法雖然能夠得出全局最優解，但其時間較長且計算復雜度較高[3]。

3.1.3 仿真分析

在仿真中，將網絡緩存節點的數量設置為100，網絡切片的數值為100。運用CRO策略對進行計算，采用最小化方式。當通信緩存節點在100～1 000變化時，緩存節點越多，緩存資源價值和成本獲取就越多，從而實現正向的收益變化。在CRO策略算法下，單個緩存資源能夠會產生更多的收益。在網絡切片的數值變化中，一般來說不會對緩存資源的數值產生影響，因為緩存資源的配置與緩存節點的數量是相對固定的，所以網絡切片的任何變化都不會影響緩存資源的變化。但是在CRO策略算法下，網絡切片的數值變化和緩存資源分配的數值呈正比例關系，而且緩存資源的一部分仍然沒有分配給網絡切片。在CRO算法的基礎上，當節點緩存容量增大時，緩存資源分配收益也會增加。隨著節點緩存容量增大，緩存資源的分配數量相對增多，從而緩存資源的收益更多，其價值也隨之增加。

3.2 邊緣網絡中5G移動通信緩存技術應用

3.2.1 系統模型

5G移動通信技術移動邊緣網絡系統模型主要由宏蜂窩基站和多個小蜂窩基站組成。假設場景由單個宏蜂窩基站以及Q個小蜂窩站組成，異構蜂窩中的每一個小蜂窩網絡都是由一個Uk用戶所構建的。宏蜂窩基站具有緩存X個文件的能力，文件可以用一個內容庫進行表示，即F={F1,F2……,Fq}，其文件大小是相同的。用戶請求全部文件都緩存在內容庫F中，并且每個文件都具有不同的用戶請求概率，文件請求概率分布表示為P={P1,P2……,Pq}。其中，請求文件Fj的概率表示為Pj。每一個小蜂窩基站都能夠集成緩存，并且能夠通過無線鏈路向終端用戶傳輸數據，如圖2所示。

圖2 系統架構

針對服務中經常會出現的安裝配置演示邊緣服務器內存有限和上行資源分配不均等問題，可以在網絡環境下進行多時間尺度邊緣緩存部署或進一步優化上行資源分配方案，從而提高移動邊緣網絡的自適應優化能力。將邊緣服務緩存部署變為最大化時間平均吞吐量，優化上行資源隨機模型，并采取Lyapunov隨機優化技術對模型時間進行預估，通過預估未來時刻系統狀態將服務緩存不足變為多維背包問題，依靠動態規劃進行求解[4-6]。

3.2.2 緩存分發

基于啟發式貪婪算法來解決緩存分發問題，確定優化問題的目標函數值與優化問題的解分別對應Etotal和CSN。在約束條件下隨機生成一個放置矩陣，同時得到一個初始目標函數值，然后開始進行循環。在迭代過程中，不斷獲得新的目標函數E'total。若新的目標函數值小于現有的目標函數值，則是更優的緩存資源分發值。在迭代次數達到限定時，便可停止迭代，從而得到最終的目標函數值，即為緩存資源分發值。

3.2.3 仿真分析

運用計算機模擬技術，對小蜂窩網絡中能量高效的機制性能進行分析與評估。在異構小蜂窩網絡場景中，將宏蜂窩網絡分為若干個基站簇，其中每個基站簇由多個小蜂窩基站構成。將小蜂窩基站中緩存內容的大小均等設置，確保每個文件能夠被分為相同數量的片段。當小蜂窩基站數量發生變化時，隨著數量的逐漸增加，其總能耗在剛開始出現降低的趨勢，而當總能量消耗到一定數值時，總能耗開始呈現增加的趨勢。這種情況主要是當小蜂窩基站數量增加時，回程傳輸的能耗降低，內容緩存及協作傳輸的能耗增加。反之，回程率降低時，回程能耗也隨之降低。因此，小蜂窩基站簇中小蜂窩基站的數量對協作小蜂窩網絡的能量效率具有非常重要的影響。將小蜂窩基站中沒有緩存策略、采用隨機緩存策略以及采用基于啟發式貪婪的緩存策略進行比較，如圖3所示。

由圖3可知，基于啟發式貪婪算法的緩存策略能夠有效節省更多的能量消耗，同時還能夠保持更好的性能。

4 結 論

在5G移動通信網絡快速發展的背景下，移動通信技術除了傳輸速度和傳輸質量的發展，還涉及更低時延、更高帶寬、更高效益的研究與開發。緩存技術作為移動通信的重要內容，通過分析其技術特點及其在核心網絡與邊緣網絡中的運用，證明了高效的緩存技術能夠更好地為5G移動通信網絡服務。

圖3 請求數量對總能耗的影響