时效约束下的5G网络移动业务部署研究

陈俐妍

（福建农业职业技术学院，福建 福州 350007）

随着大数据、云计算等新技术的融合推广，部署超密集网络被视为5G网络应对诸多应用请求的有效决策。协同5G边缘网络设备以及调用移动台计算资源虽然在理论上有一定的参考依据，但在实际应用中因受制于移动边缘网络节点计算资源响应度的不足，使得5G全网在受理各类时延敏感型应用业务时付出较大的时延代价。因此，业界将研究焦点转至通过制定移动流的转移、卸载以及计算资源重构策略来确保业务的时效性，并由此展开相关研究。以文献[1]提出的穷举策略为例，该策略主张对边缘服务器进行优化组合，从而确定出一个最优的移动流卸载转移方案。在穷举策略完成了对5G全网边缘服务器扫描之后，再从这些最优移动流卸载转移方案中提取出时延代价最低的最佳方案。虽然该策略的成效良好，但扫描过程的时间成本却和5G全网规模成正比，这显然加剧了算法的时间复杂度，不适合部署在大规模移动接入的5G网络中。文献[2]提出的本地响应策略则主张由移动台来响应移动业务的计算请求。事实证明，该策略下的节点处理器资源将随着接入5G全网移动业务规模的增加而急剧耗竭，从而导致移动业务响应成本增加。与文献[2]相反，文献[3]提出的完全转移策略提倡将移动台提请的移动业务全部卸载转移到移动边缘服务器，且待响应的移动业务和接收任务的边缘服务器的配比是1:1。显然，当接入5G边缘网络的移动台增加到一定规模时，由于待响应的移动业务规模较大，将导致卸载过程的时间代价显著增加。除此之外，也有一些研究围绕边缘移动节点之间的计算资源协作调度、边缘服务器的计算资源重构展开讨论，比如文献[4]和文献[5]。但这些研究都未提及通过分解移动业务颗粒至多服务器开展分布式响应来降低5G全网移动业务的时延代价。基于此，本文构思通过卸载转移一部分移动业务到边缘服务器，同时综合考虑时效性和空间距离等因素对边缘服务器受理移动业务计算的影响力，最终切实提升5G全网接入移动台的QoS。

1.网络模型

基于移动边缘计算技术的5G网络部署方案如下：假设每一个5G微站通过辐射均可覆盖出相应的小区，移动台随机遍布在该微站的附近但不超出该小区，任意两个微站均可进行交互。为使该微站具备一定的移动计算功能，在每一个小区微站的旁边部署一个移动边缘服务器。此举的目的在于允许接入移动台有选择地将发起的移动业务转移到边缘服务器接受移动计算。考虑到所有接入的移动台应能执行卸载转移且不发生彼此干扰[6]，网络模型选用时分多址的传输协议。同时，该网络模型允许每一个移动台在同一时隙同时接入多个小区的微站，以便增强移动业务卸载转移的能力。该方案下的移动业务在响应时延代价上是最低的。

假设该移动台的往上行方向提请的移动业务流规模为D1，服务器节点往下行方向下发的决策流相对于D1较少，可将下发时延定义为一个固定值的变量A。于是,处理该移动业务的时间成本表征为。令受理每一个移动计算业务的周期长度为C，受理移动业务的响应能力为R1，则执行移动计算的时间成本表征为：。

由于本文为移动台构思的计算思路是同时将移动业务转移到服务器和卸载到本地计算，且移动台和服务器节点采用点对点的配对服务模式，每一个服务器节点可能同时为多个移动台提供计算服务。所以，随着移动台接入规模持续增加，势必导致服务器节点接入信道的拥堵，进而引发巨大的时延代价。解决该问题的思路是求出移动业务流卸载转移的最佳比例。若该移动台将规模比例为r的移动业务转移至服务器节点，移动台响应能力为R2，则移动台本地执行移动流计算的时延代价表征为：。若该移动台将移动业务流转移到服务器节点k，节点k的响应能力为R4，移动流卸载转移系数为，则服务器受理此移动业务计算的时延代价表征为：

式中的R3指服务器节点内的所有计算资源[7]中能够用于响应移动台提请的计算请求的响应能力，可进一步表征为：。其中，置1表示移动业务卸载转移至服务器节点；置0表示驻留本地接受计算响应。

根据引言所述的算法思想，移动业务流是同时被分割部署在服务器节点和移动台来执行计算的，可得该移动台的移动业务计算时延代价为：

同时可知，当移动业务卸载转移至服务器节点接受计算响应时，移动台的计算时延成本表示为[8]:;当移动业务被驻留在本地接受计算响应时，移动台的计算时延成本表示为：。于是，确保移动台移动业务的时效性可转化为目标函数：

2.移动业务转移方案设计

根据前文所述可知，在移动台决定将移动业务转移至某个服务器节点后，就取决于参数r，同时，的峰值大小也将直接影响到T值的大小。根据文献 的定理可知，只有在等同时，移动业务被受理才存在科学意义上的最小时延代价，即时效性。在此情形下，移动台提请的移动业务被分割转移的规模比例也达到了最佳状态，此最佳分割转移的比例表征为：

于是公式（3）可进一步转化为：

该目标函数意在将移动台提请计算的移动业务的最佳时效约束函数转换成多个移动台对无线接入计算资源进行多方博弈[10]，从而为5G全网移动台确定出最优的移动业务分割转移规模方案。

将移动台l制定的转移方案定义为d1，除此之外的移动台所制定的转移方案定义为d1。于是博弈的目函数可表示为：

目标函数表示最小化移动台执行转发方案的时延代价。对于移动业务转移目标对象节点的问题，可以采用转移方案博弈模型来形式化该问题。该模型表示为：。

根据博弈论的纳什均衡（Nash Equilibrium，NE）可知[11]，5G网络通过有限频次的迭代[12]计算是可以为多个移动台确定出移动业务转移规模的决策，即存在NE。定义为确保移动计算时延代价最小的转移决策，则NE决策方案集合记作：。进一步可得T6的计算式：

于是，问题的求解便集中在求取 的NE值。求取步骤如下：首先，为所有移动台选择间距最短的服务器节点来初始化网络模型中的各参量、博弈函数、转移方案集合，并将时延代价更新集合和方案更新集合均置空集。其次，在每一趟的迭代计算中，为每个移动台评估出转移移动业务规模和移动业务全网受理时长，并参照博弈目标函数确定是否存在更为科学的转移方案。若存在更科学的转移方案，将此方案传递给微站更新；反之，无需传递更新。在单次迭代计算时，仅有一个移动台能够获取到更新转移方案。启动更新的衡量标准是能否最大化5G全网移动业务被受理的最小时延代价值。当时延代价更新集合和方案更新集合均为空时，说明5G全网移动台尚未获取到比当前正在执行的转发方案更佳的替代策略，此时的5G全网正处于NE的最佳状态,该NE值是最佳均衡值。

3.方案评估

为评估本文构思的时效约束部署技术的成效，本次在Matlab环境中模拟部署5G网络场景[13]。具体参数如下：移动边缘服务器节点和移动终端用户节点间距遵循[300,1500]范围的分布。移动终端用户节点提请的移动业务的功率为70 mW，提请的移动业务数据规模为40 kb～400 kb不等。每个周期执行移动计算的规模为1500 M～6000 M不等。每个移动终端用户节点的计算响应能力为0.3 GHz，且该节点散布密度是随机的。微站则以均匀密度分布在带宽为2 MHz的网络中。系统产生的噪声强度为180 dBm。移动边缘服务器节点的计算响应能力为5 GHz。为考察时效约束部署技术的优势，引入文献[1]穷举策略、文献[2]本地响应策略、文献[3]完全转移策略作为三种对比方案。

图1所示曲线描述了时效约束部署技术下递增的移动台规模对移动业务接受分割计算的时延影响力。由于时效约束部署技术能够科学地分割移动业务规模，这样的灵活性使得测试方案可以适当地增加服务器节点规模。所以，本组测试部署了10个服务器节点，通过变化移动台规模25个、50个、75个、150个来考察时效约束部署技术下收敛的NE值的稳定性。观察图1中四条曲线走势可知，任意规模的移动台提请的移动计算业务在经过不同频次的循环迭代计算后最终都寻找到了一个迭代频次的NE值，且全网移动业务受理时长和接入的移动台规模成正比。从坐标轴可见，四条曲线最终NE值分别是11次、11次、12次、12次，说明不同规模的移动台收敛的迭代频次值高度接近，也进一步表明了时效约束部署技术足以科学地应对5G全网不同规模的移动计算业务。这样的特性恰好与文献[1]所述的穷举策略完全相反。

图1 移动台规模对移动业务计算的影响力

根据引言所述的穷举策略思想可知，该策略在扫描服务器节点上耗费大量时间，且随着全网节点规模的增加，扫描的时延成本将持续增加，注定该策略仅适用于较小规模的5G网络。因此，本组测试仅部署较小规模的移动台和服务器用于对比穷举策略和本文时效约束部署技术的性能，考察结果如图2所示。从图中曲线走势不难看出，两种方案下的5G全网移动业务受理时长较为接近，说明时效约束部署技术所生成的移动业务转移方案成效几乎等同于经典的穷举策略所制定的最优转移策略。二者不同的是，穷举策略因算法复杂度较高，不适用于大规模移动接入的情形，而时效约束部署技术因综合考虑节点的时空特性以及移动业务科学的分割配比使其表现出高度灵活性。这样的灵活特性部署在大规模的5G接入环境中具备较高的普适性。因此，本组测试充分考察出了本文构思的时效约束部署技术具备良好的科学性。

图2 受理全网移动业务时延代价

第三组测试是在12个服务器节点的环境中通过变化不同的接入移动台规模来考察时效约束部署技术、本地响应策略、完全转移策略受理全网移动业务的时延代价，测试结果如图3所示。不难看出，在接入移动台规模较小时，由于三种方案下的响应资源均充裕，无法体现各自优势。随着接入移动台规模持续增加，所需的5G全网计算响应资源逐渐枯竭，执行移动计算的时延成本同步增加。此时，只有具备调度优势的方案才能有效确保移动业务计算调度的时效性。从图3曲线走势可见，本地响应策略响应移动计算的成本最高。由于自身计算资源有限，移动台无法在发起移动计算的同时频繁额外分配计算开销给移动业务。随着发起的移动业务增加，移动台计算开销迅速枯竭，受理时延代价陡增。完全转移策略下的移动业务计算全部由移动边缘计算服务器来承担。相对而言，专门负责移动业务计算的服务器节点具备较丰富的任务计算资源，因此，响应度也较高，直观地表现为受理业务时长降低。但随着接入移动台规模的持续增加，服务器节点开销渐趋饱和，受理业务时长也逐渐增加。而本文构思的时效约束部署技术能够灵活地评估每一个移动台的开销能力、服务器的开销能力以及微站和服务器物理间距等外界因素，并根据移动业务规模科学制定任务最优分割比例，以迎合各计算资源的响应度，因此，受理全网移动业务的时间成本可达到最低。良好的时效性成就了时效约束部署技术的QoS。

图3 不同方案下的移动业务受理成本

综合上述三组测试方案可见，算法的差异性只有在移动台和移动业务规模较大时才得到体现。在满足系统时效性约束前提下，本文构思的时效约束部署技术在三组测试中均有较好的表现力。不仅如此，相对于另外两种策略，时效约束部署技术在制定任务转移决策方面也表现出了绝对的优势。

5.结语

时效约束下的5G网络移动业务部署技术通过综合考量5G网络环境中节点响应能力,来制定计算资源调度方案。所制定的方案不仅约束了全网移动业务的计算时长,并在响应资源配比上引入科学的评估机制。实验表明，该技术在提升接入业务QoS的同时,也增强了该技术应对5G大规模移动计算业务的响应能力。