云無線接入網中基于數據流行度的資源分配方法

李 廬，朱家明

（安徽財經大學a.教務處;b.數量經濟研究中心，安徽 蚌埠 233030）

0 引言

近年來，在互聯網大數據爆發式增長的背景下，云數據中心得到了社會各個行業的廣泛應用，也使得相關的N 網絡接入技術以及數據整合技術得到了創新與優化[1].不僅如此，在互聯網以及大數據平臺的輔助之下，對于數據信息、資源的分配也逐漸成為優化完善的新目標[2].其實，在三維虛擬化對于數據的擴展、延伸以及處理過程中，關聯云無線接入網后，平臺中對于資源的分配逐漸變得難以控制，數據處理的專屬環境也無法得到更改.所以，面對上述的情況，需要對云無線接入網中基于數據流行度的資源分配方法進行設計與分析[3].

傳統云無線接入網的資源分配方法主要是通過對數據特征的提取，或者利用虛擬的處理架構，匯總整合相關的數據以達到資源分配的目的.這種方式雖然可以完成預期的分配任務，但是在實際應用的過程中，仍然存在問題和缺陷，對于最終的資源分配結果造成嚴重的負面影響[4].所以，需要在具體的結構以及分配環節上做出相應的更改與調整.本文所設計的資源分配方法需要將數據的流行度作為基礎，結合信息化、智能化的技術與平臺，構建更加靈活、多元的分配形式，同時，在初始的結構之上，形成雙向作用的處理程序，在日常執行過程中，可以從整體上提升資源的分配效率，不僅可以降低成本，同時也有利于空間的控制，可推動相關行業和技術邁入新的發展臺階.

1 C-RAN 體系架構及信號傳輸流程

1.1 C-RAN 體系架構

在C-RAN 的架構中（見圖1），主要包括三個部分：由RRH（Remote Radio Head）組成的分布式無線接入網絡、傳輸網絡和多個傳統的基帶處理單元BBU（Baseband Unit）集中到一起形成BBU 池.每個RRH 僅配置了天線及必要的射頻處理組件，其他的虛擬化資源管理均集中在BBU 池實現.在BBU 池一側，通過高帶寬低延時的傳輸鏈路連接多個BBU 在一起，然后接到前傳鏈路（Front haul）設備中，在RRH一側也是同理.該架構將具有以下優勢：

圖1 支持分層緩存的C-RAN體系架構

（1）提高網絡資源利用率.C-RAN 架構中采用了集中式的基帶處理，多個RRH 可共享基帶處理功能，實現無線信道的自適應動態適配和干擾抑制，有效應對移動網絡中存在的“潮汐”效應，實現C-RAN的整體平衡和負載優化.

（2）增加網絡容量.C-RAN 架構中的虛擬基站集中在BBU 池中一起運作，它們之間可以方便地共享信號，便于在RRH 處進行協同無線信號處理，通過集中處理降低小區間的干擾，從而降低了網絡端與用戶端的發射功率并提高了網絡的能量效率.

（3）降低網絡能耗.C-RAN 架構采用集中處理的方式來管理基站，無須在RRH 站點放置單獨的基帶信號處理設備，可以在很大程度上減少基站的數量，減小RRH 到用戶的距離，因而可以有效地降低基站側和用戶側的發射功率，降低能耗.

1.2 信號傳輸流程

C-RAN 架構主要考慮了不同地點部署節點設備監控數據.核心網將終端數據通過回傳鏈路傳輸至BBU，對信號進行處理后再通過Front haul 傳至RRH.如果很多基站都想從節點設備中獲取數據，則會將大量的流量注入網絡.但是，如果數據被緩存，由于C-RAN 架構引入了前傳鏈路，可以直接發送到用戶，因此減輕了網絡流量.

2 云無線接入網中數據流行度的資源分配方法設計

2.1 云無線接入網中數據優先級分配目標設定

在對云無線接入網中數據流行度的資源分配方法進行設計前，需要先構建數據優先級分配目標.通常情況下，資源的分配目標均是獨立執行的[5].可以先利用相關的設備，獲取搜集資源的分配接入順序，同時，在云無線的劃定網絡區域之中，設定相關的執行分配節點，每一個節點都關聯著相對應的網絡資源的處理接入通道，同時鑒于優先級設定的環境限制，需要在合理的數據流行度范圍之內，設定優先級選擇的時隙，并計算出時隙的傳輸距離，具體模型為

式中：T表示時隙的傳輸距離，ο表示頻段范圍，μ表示無線系數，υ表示流行度合理范圍.通過計算，最終可以完成對時隙傳輸距離的計算.隨后，根據時隙的傳輸距離，設定具體的優先級分配信道，另外，與云無線接入網相關聯的同時，在相應范圍之內構建對應的優先級分配數據，根據節點的輔助，設置出具體的分配目標，為后續的分配工作奠定堅實的基礎.[6]

2.2 QOS 調度分配架構構建

以云無線接入網為例，可以將數據處理的控制設備以特定的格式關聯在一起，同時在實際應用過程中，需要在數據的處理平臺上每一個節點的控制區域范圍之內，設定小型的監控設備，采用EDF 算法計算出調度比例，同時，在對數據處理的過程內設定反饋標準[7].但是需要注意的是，反饋的標準需要與調度的實際距離保持一致，同時，結合QOS 的調度分配標準，在節點區域設定初始的數據處理架構，具體流程如圖2所示.

圖2 QOS的調度分配架構表

在完成對QOS 的調度分配架構的設定后，每一個數據控制節點所管理的區域均可以有效管理，同時結合資源實時調度比例，在每一個層級之間構建對應的分配目標，預設在控制QOS 調度節點之中，并且與調度的結構有所關聯，最終完成對QOS調度分配架構的建立.

2.3 自適應資源分配模型創建

為了迎合云無線接入網的數據處理機制，需要結合神經網絡來設計相應的自適應資源分配模型結構.首先，可以先設定自適應的數據處理范圍，具體模型如下：

式中，R表示自適應的數據處理范圍，ω表示接入傳輸距離，m表示關聯系數.通過計算模型，最終可以完成對自適應的數據處理范圍的劃定.之后，根據作業的調度程度，可以在數據的處理結構上對資源調度的控制程度進行劃歸，考慮到控制范圍以及自適應數值的變化，可以將云無線的運行網絡更改為多項數據處理.[8]可以先設定數據處理的反饋機制，同時控制資源的分配誤差.這部分需要注意的是，資源的分配誤差需要控制在1.25%之下，這樣才能夠確保自適應資源分配模型的多項執行[9].與此同時，還可以將所設定的QOS 調度分配架構與優先級的分配目標設定在自適應的資源分配模型之中，以此來進一步完善優化具體的模型應用能力，提升整體的資源分配效果，降低分配誤差.

2.4 云無線接入網中雙向均衡分配機制設計

在完成自適應資源分配模型的創建之后，需要在云無線接入網中設計雙向均衡分配機制.在云無線接入網的運行過程中，通常情況下，均是采用單項的數據處理分配形式，雖然可以完成預期的分配目標，但是在實際應用的過程之中時常會出現一定的問題和缺陷，使得最終的資源分配結果出現誤差[10].再加上現如今數據處理量的劇增，也給云無線的接入網日常的處理工作巨大的壓力.所以，本設計采用雙向的均衡分配機制，設計相關聯的數據接入分配信道.計算出均衡機制的實際范圍值，具體計算公式如下：

式中，G表示均衡機制的實際范圍值，K表示誤差測定范圍.通過計算上式，最終可以完成對均衡機制實際范圍值的計算，并與云無線接入網相關聯.同時，在處理模型之中設置雙向作用的分配程序，結合預設的范圍接入網絡之中，完成云無線接入網中雙向均衡分配機制的設計.

2.5 云無線迭代處理完成數據流行度的資源分配

在完成云無線接入網中雙向均衡分配機制設計后，需要通過云無線迭代處理完成數據流行度的資源分配.在云無線的接入網處理環境中，結合雙向的數據運行執行機制，首先要對相關的數據流行度進行控制，并計算出資源的執行范圍，具體計算式如下：

式中，F表示資源的執行范圍，r表示迭代距離，b表示流行度控制比，s表示變化比，d表示均衡誤差.通過計算上式，可以得出實際的資源的執行范圍.之后，在合理的資源范圍之內，通過云無線的迭代處理機制并結合數據流行度的變化情況，將資源的分配區域劃定為不同的層級，在每一個層級上設定執行任務與目標，根據作用比例對不同區域的資源進行分配，最終完成預期目標的設定.

3 方法測試

本設計主要是對云無線接入網中基于數據流行度的資源分配效果進行驗證與測試.測試會在均等且相同的環境之下進行，測試共分為3 組，第一組為傳統的DSA 雙向資源分配法，可以將其設定為傳統DSA 雙向資源分配測試組；第二組為傳統的規避控制分配法，將其設定為傳統規避控制分配測試組；第三組為本文所設計的方法，將其設定為流行度控制資源分配測試組.測試會以對比的方式進行，同時，相關的測試結果也需要對比分析，最終完成測試.

3.1 測試準備

在對云無線接入網中基于數據流行度的資源分配方法測試前，需要預先搭建相應的測試環境.首先，在云無線的接入網中，需要結合神經網絡的數據處理模式，預先設定出不同數據的處理周期，并進行流行度標準的判定核定，具體如下表1所示.

表1 數據流行度周期處理標準設定表

根據表1中的數據信息，最終可以完成對數據流行度周期處理標準的設定.根據上述所設定的相關標準，結合云無線接入網的數據處理機制，在大數據運行平臺中，首先需要對資源的分配任務進行設定.通常情況下，可以在初設的網絡環境之中，通過PID控制程序來進行資源分配控制激活調整，根據實際的處理情況，進行分配次數的的如下計算：

式中，K表示分配次數，β表示預設處理范圍，δ表示控制系數，? 表示云無線處理范圍.通過計算上式，最終可以完成對分配次數的計算.依據分配的次數，可以將與云無線接入網同等穩定的誤差收斂范圍保持一致.結合上述所設定的數據流行度周期處理標準，構建出相應的數據處理層級，考慮到在接入網中數據的處理變化，在創建層級的過程中每一個層級均存在順序與等級，從數據流行度的不同調整次數與衡定范圍來看，云無線接入網中的數據具有可變性，所以，可以在層級之中設定相應的處理目標或者QOS 資源分配任務.根據周期的標準，分別添加在網絡的處理層級之中.

隨后，在上述所設定的網絡環境基礎之上，結合嵌入式數據處理技術，在相鄰的作業期間，預設對應的數據資源分配間隔時間，其具體計算公式如下：

式中，φ表示應變系數，α表示資源流行度實測范圍，?表示相較應用數.通過上式計算，在得出的資源分配間隔時間范圍之內，對數據的流行度進行合理的控制；同時，采用EDF 算法，對作業的調度偏差進行量化.需要注意的是，量化的可控程度與所分配的資源之間具有一定的聯系，一般情況下，在實際數據處理或者作業的過程中，需要將調度偏差調至最低，同時建立相對應的如下周期函數：

式中，M表示周期函數，θ表示數據嵌入傳輸速度，t表示調度范圍，y表示周期所設距離.通過上式對周期函數進行計算.之后，根據相關標準控制調度流行度的量化，完成相關設定，核查測試系統以及設備是否處于穩定的運行狀態，同時確保不存在影響最終測試結果的外部因素.核查無誤之后，開始具體的測試.

3.2 測試過程及結果分析

在上述所搭建的測試環境之中，開始具體的資源分配測試.結合數據流行度周期處理所設定的標準，在云無線接入網中，進行資源分配的標識.需要注意的是，資源分配標識在實際的過程之中，可以分化為數據的子網標識和傳輸標識，不同的標識對于數據流行度的控制范圍也不同，同時具有極強的差異化.所以，可以在接入網之中預先設定具體的資源分配任務，具體可見任務參數表2.

表2 資源分配接入網任務參數表

根據表2中的數據信息，最終可以完成對資源分配接入網任務參數的設定.將上述設定的標準添加在資源分配的網絡之中，調整神經網絡的控制權值，使其與輸出標識保持一致.在云無線的接入網中，將子網標識與傳輸標識相關聯，并計算PID的控制系數，具體計算如下：

式中，U表示PID的控制系數，κ表示變化流行度，?表示控制范圍，λ表示覆蓋系數.此時數據在接入網之中的分配穩定值呈現出曲線的變化狀態，表明對于實際作業的資源分配是不穩定的，所以，對于任務資源的收斂程度也必須控制在合理的范圍之內.設定資源的分配控制系數為4.25，之后，結合收斂范圍，在數據的處理程序之中設定對應數量的執行節點，每一個節點均是獨立的，并且在對資源進行分配的過程中，可以通過對權值的調節來進行控制，最終計算出實際的資源分配誤差，具體計算如下式：

式中，J表示的資源分配誤差，U表示PID 的控制系數，?表示存入范圍.采用三種方法進行測試，具體測試結果見表3.

表3 測試結果對比分析表

表3中的數據信息表明：對比傳統DSA雙向資源分配測試組、傳統規避控制分配測試組和本文所示設計的流行度控制資源分配測試組，在云無線的接入網之中，本文的設計方法得出的資源分配誤差相對較小，均控制在1%以下，分配效果更佳，且實際應用價值較好.

4 結語

云無線接入網在運行的過程中所覆蓋的范圍是極大的，對于數據信息以及資源的控制也需要更加嚴謹、細致.通過平臺對數據資源進行分配時，需要加強對數據流行度的控制，避免出現大范圍的關聯性分配異常.本文所設計的資源分配方法相對更加靈活多變，在復雜的運行條件以及網絡環境之下，可以排除網絡威脅，快速形成貼合實際情況的分配方案，降低分配誤差的產生，從而進一步增強了分配的實際效果，提升了應用價值.