一种C-RAN 架构下载波迁移的调度策略

龙 恳，兰莹菲，黎 伟

(重庆邮电大学移动通信技术重庆市重点实验室，重庆400065)

0 引言

云无线电接入网络(cloud-radio access network，C-RAN)是基于集中化处理、协作处理、实时云计算架构的绿色无线接入网架构。为达到解决无线接入网快速发展给运营商所带来的多方面挑战，追求未来可持续的业务和利润增长的最终目标［1］，需要从CRAN架构的优化方面寻求有效的解决方案:减少基站设备所需机房数量，采用协作化、虚拟化技术，减少能耗，实现资源聚合、资源共享和动态调度，提高频谱效率，以达到高带宽、低成本和高灵活度的运营。找到可以建立适合移动互联网发展的高性能低成本的绿色无线接入网方案是C-RAN的主要目的 。

C-RAN架构下的载波迁移，即虚拟多模基站的迁移，借鉴了云计算的虚拟机在线迁移［3-4］和虚拟化技术，并利用软件无线电技术［5-7］，实现不同制式下虚拟化多模基站的在线迁移。在迁移过程中，可以通过优化算法实现即时负载均衡［8-10］、即时部署、载波重定位。其目标是:1)最小中断。使虚拟资源对应的物理资源停机时间最小;2)一致性。在虚拟机迁移前后时间间隔应尽可能小，使虚拟机在迁移的过程中状态保持一致;3)最小干扰。保证迁移不会通过对物理资源的争夺来干扰正在活动的物理资源;4)透明性。迁移过程对虚拟基站层是透明的。虚拟机的在线迁移能够在极短的时间内，将虚拟机从源主机节点迁移到目标节点，并不停止服务运行。

把CPU资源适度分离成基带CPU资源和协议CPU资源。为了提高载波迁移后虚拟多模基站的资源利用率和负载均衡度，本文提出的迁移策略主要关注载波迁移调度过程中3方面的问题:1)迁移时机的选择策略，即在什么时间启动迁移;2)迁移虚拟多模基站的选择策略，即在触发迁移的物理层主机上选择需要迁移的虚拟多模基站;3)迁移目标节点的选择策略，即迁出的虚拟多模基站放在哪个物理层主机上。

现有迁移策略一般通过集中的控制器管理迁移过程，如文献［11］以CPU的利用率作为触发源节点启动迁移和选择目标节点的条件，而迁移的方法是随机的。文献［12］提出的策略缺乏资源敏感性，不能根据资源负载状况实现动态资源分配。本文提出的策略以基带CPU资源和协议CPU资源的负载特征作为触发条件，能更敏感地定位资源的类型进行负载均衡，实验证明，该策略有效并保证了迁移的一致性。

1 问题描述

定义虚拟多模基站集 S={s1，s2，…，sL}，源节点主机的集合为H={h1，h2，…，hA}。如图1所示。

用τij(i=1，…，A，j=1，…，L)表示第j个虚拟多模基站在第i个主机上，τ表示资源的种类。把虚拟资源池分为基带处理池和协议处理池，故资源τ可表示为基带CPU资源m和协议CPU资源n两类(以下简称为基带资源和协议资源)。主机上的基带处理池资源及协议处理池资源的动态监测值分别为

(1)—(2)式中:i=1，…，A;mij，nij分别表示第j个虚拟多模基站的基带资源和协议资源中CPU的实际使用值;Mi，Ni分别表示第i个主机的基带资源和协议资源中CPU的动态检测值。

图1 不同制式下的虚拟多模基站Fig.1 Virtual multi-mode base station under different formats

2 虚拟多模基站的迁移调度策略

2.1 迁移时机选择策略

该策略以虚拟资源管理中基带处理池和协议处理池各自的CPU利用率为性能参数，并由全局代理中心更新的希哈表实时更新传送，如图2所示。以双阈值上下限触发方式确定需要迁移的主机中的第j个虚拟多模基站Sij及迁移时机。以Tc为周期对主机与Sij在希哈表中的性能参数进行周期性的定期采集。

图2 全局中心代理Fig.2 Global center agents

设Theta=［Theta1，Theta2］为触发策略。每隔Tc采集的参数分别与其对应的门限值(［UmLH，UmTH］［UnLH，UnTH］)进行比较，返回值为 Theta=［Theta1，Theta2］，Theta1∈ (0，1，2)，Theta2∈(0，1，2)，0，1，2 分别表示每个主机的基带和协议资源的正常状态、缺乏状态、浪费状态。根据反映的状态，当任一参数多次高于或低于门限值时，立即触发虚拟多模基站的迁移。由于Theta1，Theta2的取值分别有3种情况，主机会出现9种不同的资源状态。(0，0)表示2种资源的利用率正常，该主机不发生迁移。(1，0)，(0，1)，(1，1)分别表示基带资源缺乏、协议资源缺乏、基带和协议资源都缺乏，该主机需要发生迁移，以释放部分资源，使负载均衡。(2，0)，(0，2)，(2，2)分别表示基带资源浪费、协议资源浪费、基带和协议资源都浪费，该主机需要发生迁移，以释放全部资源，达到节约资源的目的。(1，2)，(2，1)分别表示基带资源缺乏且协议资源浪费、协议资源缺乏且基带资源浪费这2种情况下，只要有一种资源浪费，都应该发生迁移，释放全部资源，达到节约资源的目的，等同于 (2，0)，(0，2)，(2，2)这 3 种情况。这样，不同资源参数的触发方式与多种参数结合可避免单一参数造成的误差，更敏感地判断何种资源需要调度迁移和更准确地判断迁移的时机。

2.2 迁移虚拟多模基站的选择策略

确定好要迁移的主机之后，进而要选择主机上合适的虚拟多模基站Sij进行迁移。由于同一主机上各虚拟多模基站分配的硬件资源并不相同，可能出现基带或协议CPU资源利用率Qm1i＜ Qm2i，Qn1i＞Qn2i，但是基带或协议CPU资源实际使用值Qm1i＞Qm2i，Qn1i＜Qn2i。因此，根据利用率来比较虚拟多模基站的所占用的资源并不准确。所以以实际使用值为准更为合适。

策略可描述为:根据主机的触发类型和虚拟多模基站的负载特性选择适合迁移的虚拟多模基站。9种状态下发生的迁移，由于本文载波由2种资源构成，所以迁移出来的资源也应该为2种，迁移后，主机的基带和协议资源重新调整，但载波的状态并没有发生变化，只是换到了其他的主机上继续运行。设HostTransfer实现虚拟多模基站的迁移策略，返回值PostHostState为所选虚拟多模基站的标识符。

为避免瞬时值的剧烈变化，本文采用平均实际可用权值pτ表示Hi基带资源和协议资源的实际可用值，τ为资源类型。

Hi通过MultiSend(pm，pn)发送周期主播，将pτ发送给其他主机以便其选择目标节点，周期为Tm，且Tc≤Tm，其中，Tc为Tm时间段内的采集周期，故Tm内的采集次数为a=Tm/Tc，Bτ为基准值。则Tm内的 pτ为

目的是为了避免瞬间的一个触发值影响迁移判断，而取几次的平均值进行判断，选择出需要进行迁移的一个或多个虚拟基站。

2.3 目标主机的选择策略

根据Sij的负载特性，该策略选择特定资源丰富的主机为目标节点，达到负载均衡的目的。并且能对物理设备进行合并和分担。

该策略以最小的资源代价找出可行的虚拟多模基站迁移目标主机。设

(4)式中:tds为时间开销;C，D分别表示待迁移虚拟基站中需要迁移的基带资源和协议资源;E，F分别表示目的主机中已经占用的基带资源和协议资源;ω1，ω2为对应的权重，ω1+ω2=1。当虚拟多模基站Sij被迁移到Hd时(d≠i)，xds的值为1，否则为0。

迁移条件为

满足约束条件如下。

1)资源能力有限，且满足负载均衡。

2)一个虚拟多模基站只能分配给一个主机。

由此得出的目标主机，即为符合条件的代价最小的目标节点。

2.4 迁移调度算法伪代码

迁移调度算法伪代码如下。

3 实验与结果分析

3.1 实验环境

基于C-RAN仿真平台，初始化设置5个主机，每个主机上分配5个不同制式的虚拟多模基站，经过50次实验。主机和虚拟多模基站数量会根据策略增加或释放。各个动态性能参数可以由平台中的全局中心代理提供，如图2所示。

3.2 实验设计与分析

本文首先通过设计实验验证策略的有效性。其次，由于此迁移策略，特别是目标主机的选择策略，是在保证代价最小和负载均衡度最高的情况下发生迁移，所以保证了迁移时间最小，虚拟基站的状态在虚拟机迁移前后不发生改变，而且提高了负载均衡度。

每次实验取 Tc=1，Tm=5，ULH=0.2为阈值下限，UTH=0.8为阈值上限，MaxNum=2表示超出阈值的次数，若连续2次超过或低于阈值，就发生虚拟基站的迁移。采用基带和协议资源利用率的方差来表示资源的负载均衡度，数值越小，表示负载均衡度越高，反之负载均衡度越低。迁移前后总资源、基带资源、协议资源利用率方差变化分别如图3—图5所示。

图3 迁移前后总资源利用率方差变化Fig.3 Utilization variance change of resources before and after migration

图3—图5中，横坐标表示50次实验中需要发生迁移的实验次数。纵坐标表示每次实验各种资源利用率的方差值。图3反映出未对CPU资源进行分类的情况下，使用该迁移策略前后总资源利用率的方差对比。由对比可看出，资源利用率方差均值降低了0.004左右。图4、图5反映出对CPU资源进行分类成基带资源和协议资源后，使用该迁移策略前后总资源利用率的方差对比。由对比可看出，基带资源利用率方差均值降低了0.04左右，协议资源利用率方差均值降低了0.03左右。说明不论资源是否进行分类，该迁移策略都有效，验证了策略的有效性，且迁移策略能使资源负载均衡度提高，达到迁移的目的。

图4 迁移前后基带资源利用率方差变化Fig.4 Utilization variance change of baseband resources before and after migration

图5 迁移前后协议资源利用率方差变化Fig.5 Utilization variance change of agreement resources before and after migration

迁移后的主机个数如图6所示。

图6是对资源不分类和资源分类2种情况下，正常工作主机个数的统计。结合图3，图6可知，在CPU资源不分成基带CPU资源和协议CPU资源的情况下，虽然迁移策略有效，但是敏感性过低，导致实际需要迁移次数情况减少，资源利用率的方差表示的负载均衡度也没有太大改进，主机的个数基本保持不变，没有达到物理设备以分担和结合的方式节能的目的。结合图4—图6可看出，在把CPU资源分成基带CPU资源和协议CPU资源的情况下，迁移策略不仅有效，并且2种资源的负载均衡度有明显的改观，主机的数量在不断地变化，达到物理设备以分担和结合的方式节能的目的。

图6 迁移后的主机个数Fig.6 Number of the host after migration

［1］王晓云，黄宇红，崔春凤.C-RAN无线接入网绿色演进［J］.中国通信，2010，3(3):107-112.WANG Xiaoyun，HUANG Yuhong，CUI Chunfeng.C-RAN wireless access network green evolution［J］.China Mobile Communications，2010，3(3):107-112.

［2］刘三思，李连成.C-RAN的应用和发展趋势分析［J］.数字通信，2013，21(6):69-72.LIU Sansi，LI Liancheng.Application and development trend analysis of C-RAN ［J］.Digital Communications，2013，21(6):69-72.

［3］刘鹏程，陈榕.面向云计算的虚拟机动态迁移框架［J］.计算机工程，2010，36(5):37-39.LIU Pengcheng，CHEN Rong.Virtual machine live migration framework for cloud computing［J］.Computer Engineering，2010，36(5):37-39.

［4］刘鹏程.云计算中虚拟机动态迁移的研究［D］.上海:复旦大学，2009.LIU Pengcheng.Research of the cloud virtual machine live migration［D］.Shanghai:Fudan University，2009.

［5］DAYANANDA M S，PRIYANKA J.Managing Software Defined Radio through cloud computing［C］//IEEE.IEEE International Conference on Communication Control and Computing Technologies(ICACCCT).［s.l.］:IEEE Press，2012:50-55.

［6］张景璐，方毅翔，张建.多种模式收发信机的软件无线电设计研究［J］.重庆邮电大学学报:自然科学版，2011，23(5):550-554.ZHANG Jinglu，FANG Yixiang，ZHANG Jian.A variety models of software radio transceiver desing［J］.Journal of Chongqing University of Posts and Telecommunications:Natural Science Edition，2011，23(5):550-554.

［7］REIS A Luiz Garcia，BARROS A F，LENZI K Gusso，et al.Introduction to the software-defined radio approach［J］.Latin America Transactions，IEEE:Revista IEEE A-merica Latina，2012，10(1):1156-1161.

［8］CHERKASOVA L，GUPTA D，VAHDAT A.Comparison of the three CPU schedulers in Xen［J］.ACM SIGMETRICS Perform Eval Review，2007，35:42-51.

［9］HAQUE W，TOMS A，GERMUTH A.Dynamic Load Balancing in Real-Time Distributed Transaction Processing［C］//IEEE.IEEE 16th International Conference on Computational Science and Engineering(CSE).［s.l.］:IEEE Press，2013:268-274.

［10］RANDLES M，LAMB D，BENDIAB A Taleb.A comparative study into distributed load balancing algorithms for cloud computing［C］//IEEE.IEEE 24th International Conference on Advanced Information Networking and Applications Workshops(WAINA).［s.l.］:IEEE Press，2010:551-556.

［11］CLARK C，FRASER K，HAND S.Live Migration of Virtual Machines［C］//Proceedings of the 2nd Conference on Networked Systems Design＆ Implementation.Berkeley，CA，USA:USENIX Association，2005:273-286.

［12］HU J，GU J，SUN G，et al.A scheduling strategy on load balancing of virtual machine resources in cloud computing environment［C］//IEEE.Third International Symposium on Parallel Architectures，Algorithms and Programming(PAAP).［s.l.］:IEEE Press，2010:89-96.