基于兩層調度的RAN切片資源分配策略

馬英洪，江凌云

(南京郵電大學 通信與信息工程學院，江蘇 南京 210003)

0 引 言

ITU為5G定義了3大應用場景：增強型移動寬帶(enhanced mobile broadband，eMBB)、大規模機器類通信(massive machine type communication，mMTC)、超高可靠低時延通信(ultra reliable and low latency communication，uRLLC)[1]。傳統的通信網絡主要用來服務單一的移動寬帶業務，無法適應未來5G多樣化的業務場景。為了在同一個物理網絡基礎設施上同時支持多種具有不同性能要求的業務場景，滿足多樣化的業務需求，網絡切片技術應運而生。網絡切片通常包括接入網切片(包括無線接入和固定接入)和核心網切片[2]。無線接入網(radio access network，RAN)必須面對資源短缺的問題，如果采用靜態的資源分配方法，那么資源利用率就會較低。因此，需要一種動態的資源分配方法來管理無線資源。RAN切片資源分配算法需要考慮的方面有：切片之間無線資源的隔離、切片的優先級、資源利用率、用戶的服務質量(quality of service，QoS)、公平性、高負載等。無線資源的隔離指的是一個切片的流量負載增加導致其共享資源的不足時，其它切片的性能不會受到影響。現有的RAN切片資源分配算法考慮到了其中一個或者幾個方面，但是對高負載下的場景考慮較少，對于隔離的設置也不夠靈活，對資源分配算法的研究還在持續進行。

1 相關工作

RAN切片資源分配主要有兩種思路。一種是基于單層調度，就是將無線資源直接分配給最終用戶。另一種是基于兩層調度，一層是切片間調度，用于確定分配給每個切片的資源量，另一層是切片內調度，將分配給每個切片的資源量分配給最終用戶。

文獻[3-7]都是采用單層調度算法。文獻[3]提出了一種注重切片間公平分配的算法，但是沒有考慮到切片之間需求的差異性。文獻[4]提出了一種根據需求的差異區分網絡切片，從而最大化網絡資源的利用效率的算法，但是該算法沒有充分考慮到用戶之間的公平性。文獻[5]提出了一種使用離線強化學習，然后進行低復雜度啟發式學習的方法。但是沒有考慮到無線資源的隔離。在文獻[6]中采用了一種最早截止時間優先(earliest deadline first，EDF)調度策略用于無線資源分配，可以使得在高負載的情況下滿足uRLLC切片對于時延的要求，但是會嚴重影響eMBB切片對于吞吐量的需求。文獻[7]提出了一種eMBB和uRLLC業務高效復用的RAN資源切片技術，可以同時滿足用戶的隔離約束和最小吞吐量約束。但是沒有考慮切片的優先級，而且復雜度較高，靈活性很差。以上的這些基于單層調度的算法往往需要復雜的多服務調度程序，數學模型可能會無法求解，并且可能產生大量開銷。

文獻[8-13]采用的是兩層調度方式。在文獻[8]中，切片內調度程序將虛擬資源分配給其用戶，然后切片間調度程序將虛擬資源映射為物理資源。每個切片具有預定義數量的資源，可以將未使用的那些資源分配給其它切片以避免浪費資源。但該方法沒有考慮到用戶的QoS需求的差異，也沒有考慮到高負載時預定義數量的資源如何設定。在文獻[9]中首先使用輪詢(round robin，RR)算法將資源分配給切片，然后在第二步根據切片的實際平均速率和目標速率來調整分配給每個切片的資源數量。但是未指定如何確定切片的請求以及如何管理用戶的請求。文獻[10]中的兩個調度層都使用Stackelberg博弈，但是沒有考慮切片間資源的隔離以及在高負載下的情況。在文獻[11]中，首先利用PF算法在切片之間公平地分配資源，然后每個切片向其用戶分配資源使效用最大化。但是該方法無法保證用戶的QoS，而且沒有實現切片間無線資源的隔離。文獻[12]提出了一種高靈活性的算法，該算法可以根據不同的場景和需求進行優先級和隔離的調整，但是該方法在高負載時eMBB切片和uRLLC切片性能表現不佳，嚴重影響了用戶的QoS。文獻[13]中提出了一個RAN運行時系統，該系統可以自定義和控制底層RAN的操作和行為，以滿足切片需求。該系統可以實現不同級別的隔離和共享，但是在此文中切片的優先級是固定的，不能靈活地調整各個切片的優先級，而且沒有考慮在高負載下的資源分配問題。

針對上述文獻中的問題，本文提出了一種兩層資源調度算法，可以在高負載的場景下保證eMBB切片的吞吐量和uRLLC切片的最大時延，同時具有低復雜度和高靈活性，可以實現隔離、優先級和效率之間的適當折衷。適用范圍更廣泛，可以更好地滿足實際場景。

2 系統模型

本文考慮一個5G基站(base station，BS)，該基站為K個用戶提供服務，這些用戶屬于3個不同的網絡切片，用S表示網絡切片的集合。用戶根據泊松點過程在區域內隨機分布，總共有K個用戶。第s個切片的平均用戶數量為Ks，用戶集為Ws，s=1…3。為了滿足用戶的QoS需求，必須在切片之間分配無線資源。在5G系統中，無線資源用物理資源塊(physical resource block，PRB)來表示。一個PRB由12個子載波組成，每個子載波的間隔為Δf=15×2μKHz，μ=0,1,2。 每個PRB基于14個OFDM符號，符號的持續時間隨子載波間隔的變化而變化[14]。在本文中，μ=0,2， 其中μ=0對應于子載波間隔為15 KHz，用于分配給eMBB切片和mMTC切片。μ=2對應于60 KHz的子載波，用于分配給uRLLC切片。PRB的總數為NRB，PRB的集合用M表示。

2.1 系統級參數

在系統級，定義了以下幾個參數，見表1。

表1 系統級參數

其中

(1)

rk,n=Blog(1+γk,n),k=1…K,n=1…NRB

(2)

2.2 切片級參數

本文考慮3種5G服務，eMBB、uRLLC、mMTC。在實際系統中，用戶對QoS的需求必須轉換成整數PRB才能分配。

(3)對于mMTC切片來說，假設第k個用戶需求的數據速率很低，為固定值RmMTC，則每個用戶需要一個PRB，即nk=1。

3 兩層調度算法框架

本文所提出的兩層調度算法分為兩步。第一步是切片間資源調度，確定要分配給每個切片的PRB，然后將總的PRB分成3個子集，Ms，s=1,2,3。 具體的過程見第4節。

第二步是切片內資源調度，各切片獨立地將其子集中的PRB分配給其用戶。不同的切片根據需求采用不同的調度策略，支持高度定制。切片內調度考慮用戶的瞬時信噪比(signal noise radio，SNR)，以傳輸時間間隔(transmission time interval，TTi)為基礎。具體的過程見第5節。該算法的流程如圖1所示。

圖1 兩層調度算法流程

4 切片間資源調度

4.1 問題描述

問題1

(3)

在式(3)中，第一個約束表示分配的資源總數不能超過可用的資源。第二個約束確保每個切片分配的資源不超過其所請求的資源。第三個和第四個約束表示切片1和切片2分配的資源不能低于最低的需求量。

4.2 解決方案

問題1作為一個不等式約束的問題，將拉格朗日乘子法推廣到Karush-Kuhn-Tucker(KKT)條件下，可以進行求解。約束函數是線性函數，因此解空間是凸集，優化函數是凹的，因此KKT條件可以找到最優解。利用KKT條件，優化問題的表達式就變成

(4)

(1)平穩條件

可以被重寫為

(2)松弛條件

可以被重寫為

平穩條件可重寫為

可求解得到

(5)

R值可以通過迭代求解得到，具體迭代過程不在此描述。R的值可能會出現兩種極端的情況，即R=0和R=3

(6)

(7)

(8)

(9)

(10)

(11)

至此，第一步的切片間資源分配求解完成。

5 切片內資源調度

5.1 問題描述

問題2

(12)

式中：A是分配矩陣，如果將第j個資源塊分配給第i個用戶，則元素a(i,j) 為1，否則為0。Us表示第s個切片的效用，每個切片的效用的定義不同，本文考慮α-utility[15]，如式(13)所示

(13)

式中：α是可以選擇的參數，以具有不同的調度策略。α=1對應比例公平，α=2對應時延公平。在本文中，對eMBB切片和mMTC切片選擇比例公平算法，uRLLC切片選擇時延公平算法。在式(12)中，第一個約束表示每個切片內的用戶分配的PRB的總數不能超過該切片可用的資源。第二個約束表示對于uRLLC切片來說，每個用戶所分配的資源量不能低于所需求的最低值。第三個約束確保了一個PRB只能分配給一個用戶。

5.2 解決方案

分配矩陣A(0)最開始為空，然后通過迭代將PRB分配給用戶。在這里定義一個增益因子，表示將一個PRB分配給一個用戶的增益。不同的切片，增益因子的定義不同。設在第i次迭代中，分配矩陣為A(i)， 第k個用戶已經分配的速率為

(14)

對于uRLLC用戶來說，增益因子定義為

(15)

對于eMBB和mMTC用戶來說，增益因子定義為

(16)

6 仿真結果

本節對所提出的算法進行了仿真，主要針對eMBB切片的吞吐量，uRLLC切片的最大時延、mMTC切片的吞吐量以及算法的靈活性和復雜度進行了分析。

6.1 仿真參數

在本文中，eMBB用戶的數據速率請求是指數分布，均值為ReMBB，uRLLC用戶的時延在給定的范圍 [δmin,δmax] 上均勻分布。此外，本文假設城市場景中的Hata成本模型是具有對數正態陰影分布的路徑損耗模型。一些主要的仿真參數見表2。對比的參考算法是文獻[12]所提出的算法。

表2 仿真參數

6.2 不同隔離級別下的切片性能

固定3種切片的優先級和K1，K2，然后改變K3就得到了圖2。其中，K1=10，K2=30，p1=p2=p3。在不同的n值下，切片的性能表現不同。由第4節可知，n值越接近1，分配的資源量與負載的關聯就越大，隔離級別就越低；n值越接近0，分配的資源量與負載的關聯就越小，隔離級別就越高。

圖2 各切片的性能表現隨K3的變化

圖2(a)顯示了eMBB切片的吞吐量性能。從圖中可以看出，在mMTC用戶數比較少的時候，也就是mMTC的負載較低，此時3種切片的需求都能得到滿足，因此，eMBB切片的吞吐量恒定不變。隨著mMTC切片的負載逐漸增加，資源無法完全滿足3種切片的性能需求，mMTC切片開始搶占eMBB切片的資源。eMBB切片是由于高數據速率請求而具有最高負載的切片。在n=0.8的低隔離級別場景下，流量負載成為影響資源分配的主要因素，所以參考算法和本文所提出的算法的吞吐量下降幅度都最小。由圖2(a)可以看出，本文所提出的算法和參考算法在n=0.2 和n=0.5場景下的吞吐量比n=0.8場景下的吞吐量下降得更快，當mMTC的用戶數增長到210左右時，本文所提出的算法的eMBB切片的吞吐量基本維持在5 Mbps左右，不再繼續下降，而參考算法的eMBB切片的性能會持續地惡化，無法保證用戶的最低QoS需求。

圖2(b)顯示了uRLLC切片的時延性能。這3種切片中，uRLLC切片的流量負載是最低的，對資源的需求量也最小。因此，不管是在高隔離級別還是低隔離級別的場景下，當mMTC切片的用戶數較少時，uRLLC用戶都能滿足需求。當mMTC切片的負載較高時，在n=0.8的低隔離級別場景下，uRLLC切片受到eMBB和mMTC切片的流量負載的影響很大，獲得的資源量變少，由于沒有最大時延的限制，所以參考算法的最大時延超過了3 ms，性能受到嚴重的影響。而本文所提出的算法在n=0.8的低隔離級別的場景下最大時延也會上升，但是不會超過3 ms，保證了uRLLC用戶對于時延的性能需求。在n=0.2以及n=0.5的場景下，切片的最大時延都沒有上漲，因為當隔離級別很高時，切片所獲得的資源量受優先級的影響較大，同時uRLLC切片對資源的需求很低，因此uRLLC切片在高隔離級別場景下，參考算法和本文所提出的算法都有足夠的資源分配給自己的用戶，用戶的QoS需求都得到滿足。

圖2(c)顯示了mMTC切片的吞吐量性能。在圖2(c)的前半段，n=0.2和n=0.5的場景下的吞吐量性能比n=0.8的場景下的吞吐量性能表現更好，這是因為mMTC的負載比eMBB切片的負載低，在隔離級別較高的場景下，資源分配受負載影響較小，受優先級影響較大，可獲得資源更多。在圖2(c)的后半段，隨著mMTC切片的負載繼續增加直至超過eMBB切片的負載，在隔離級別低的場景下，mMTC切片就可以搶占更多的uRLLC切片的資源，因此，吞吐量會比高隔離級別的場景下更高，結合圖2(b)也可以看出。

綜上所述，一方面，本文所提出的算法可以根據不同的需要設置不同的隔離級別，具有一定的靈活性。另一方面，在高隔離級別的場景下，本文提出的算法可以保證eMBB切片在高負載下的吞吐量性能。在低隔離級別的場景下，本文所提出的算法可以保證uRLLC切片在高負載的情況下的時延性能，可以保證用戶的QoS，更具有實用性。

6.3 不同優先級下的切片性能

所提出的算法不僅在隔離方面是靈活的，而且在切片的優先級管理方面也是靈活的。圖3是在固定K1，K2，K3，然后改變3種切片的優先級的情況下得到的，K3設置為350。圖3顯示了當優先級變化時3個切片的性能，性能取決于mMTC切片(p3)的優先級以及其它兩個切片的優先級的不同組合。更詳細地說，從點p3=0和p1=p2=0.5開始，p3通過將第一個切片的優先級降低到p1=0.35而增加，p2保持不變。然后在圖的第二部分中，p1保持0.35不變，p3繼續增加，p2逐漸降低至0.25停止。

圖3 各切片的性能表現隨p3的變化

圖3(a)顯示了eMBB切片的吞吐量性能。在mMTC優先級為0～0.05的時候，其優先級過低，eMBB切片可以獲得滿足其需求的資源量，因此，eMBB切片的吞吐量維持不變。隨著p1的繼續下降，p3的繼續上升，eMBB切片所分配的資源開始減少，吞吐量開始下降。在圖3(a)的第一部分中，n=0.2比n=0.5的場景下吞吐量要高，n=0.5比n=0.8的場景下吞吐量要高。造成這種現象的原因是mMTC切片的流量負載比eMBB切片的流量負載高，因此，隔離級別越高，資源分配受流量負載影響就越小，受優先級影響就越大。在圖3(a)的第二部分，p1維持在0.35不變，p2開始減少，p3繼續增加，eMBB切片可獲得的資源量繼續減少。參考算法無法保證eMBB切片的性能，所以參考算法的eMBB切片的吞吐量持續下降，性能惡化。而本文所提出的算法設置了最小吞吐量限制，因此，當eMBB切片吞吐量下降到一定值時就不再繼續下降，由圖3(a)可見。

圖3(b)顯示了uRLLC切片的時延性能。在圖3(b)的第一部分，uRLLC切片的優先級很高，而且其流量負載最小，所以在不同的隔離環境下都能滿足用戶的時延需求。當p3增加至超過0.25時，uRLLC已不再具有高優先級的優勢，參考方法只有在隔離級別非常高的場景中才能保證時延性能，在隔離級別非常低的場景下，受到eMBB切片和mMTC切片的高流量負載的嚴重影響，已經無法獲得滿足自身需求的資源量。如圖3(b)所示，uRLLC切片的最大時延開始增加，增長迅速，在n=0.8的情況下，最大時延超過了4.5 ms。n=0.5的情況下也超過了3 ms，用戶的QoS已經受到了嚴重的影響。而本文所提出的算法即使最大時延會隨著p2的降低而增加，但是不會超過3 ms，能滿足用戶的最低QoS需求，更加適用于實際場景。

圖3(c)顯示了mMTC切片的吞吐量性能。在圖的第一部分，mMTC切片的吞吐量隨p1的減少而增加。在圖的第二部分，p2開始減少，p3繼續增加，當隔離級別比較低的時候，uRLLC切片會受到eMBB和mMTC切片的流量負載的影響，mMTC可以搶占更多的uRLLC切片的資源，從而使mMTC的吞吐量更大。如圖所示，n=0.8的吞吐量高于n=0.5，n=0.5的吞吐量高于n=0.2。因為本文設置了eMBB和uRLLC的最低資源量限制，因此，mMTC切片可獲得的資源量會比參考算法要少，導致吞吐量會低一些。

綜上所述，本文所提出的算法可以根據需要設置3種切片的優先級，具有一定的靈活性。在高負載場景下，所提的算法可以保證eMBB切片和uRLLC切片在低優先級時的性能。

6.4 復雜度分析

綜上，復雜度隨著切片的數量(切片間資源調度)和用戶的數量(切片內資源調度)線性增加，復雜度較低，因此是一種適合于實際應用的解決方案。

7 結束語

本文主要研究無線接入網(RAN)切片。面對稀缺的無線資源，為了在高負載場景下兼顧隔離和資源效率，提出了一種適用于實際系統的高效、靈活、低復雜度的兩層調度算法。

仿真結果表明，所提出的算法可以根據不同的場景和需要，設置不同的隔離級別和優先級，靈活性較好。而且在高負載下能保證eMBB切片的最低吞吐量和uRLLC切片的最大時延，保證了用戶的QoS。