带有混合能量供电的TWDM-PON与C-RAN联合架构资源分配机制
2018-10-18王汝言徐宁宁
王汝言，徐宁宁
带有混合能量供电的TWDM-PON与C-RAN联合架构资源分配机制
王汝言1,2，徐宁宁1,2
（1. 重庆邮电大学通信与信息工程学院，重庆 400065；2. 重庆高校市级光通信与网络重点实验室，重庆 400065）
针对现有虚拟化云无线接入网络资源利用率低、能耗高、用户服务质量无法得到保证等问题，提出一种带有混合能量供电的能耗感知虚拟化资源分配机制。根据不同网络设备的能量来源和能量消耗情况，建立能量到达模型和能量消耗模型；进而，在保障用户服务质量的前提下，考虑比例公平和能耗优化，利用异步更新的分布式算法对不同类型虚拟云无线接入网和用户虚拟基站分配资源和能量，从而有效提高网络能量效率。仿真结果表明，所提资源分配机制能够降低能耗，同时有效地减小了时延，提高了吞吐量。
云无线接入网；网络虚拟化；时波分复用无源光网络；能量收集；资源共享分配
1 引言
随着用户对标清视频及高清视频、在线游戏、电话视频等应用需求的不断增加，无线接入网的业务负载急剧上升，在第五代移动网络中引入云无线接入网（C-RAN, cloud radio access network）以解决能耗问题[1-3]。C-RAN将传统基站配置分解成集中式基带处理单元（BBU, baseband processing unit）池和分布式无线射频头端（RRH, remote radio head）2个部分[4]，并通过低成本、低时延、低能耗且具有丰富带宽的时波分复用无源光网络（TWDM-PON, time and wavelength division multiplexing passive optical network）连接BBU池和RRH[5-6]。此种方式不但可以降低系统升级和维护的资本和运营支出，还可以提高频谱利用率。然而，C-RAN中大规模部署的RRH消耗较多能量，导致了碳足迹的激增[7]。为了解决这个问题，将能量收集(EH, energy harvesting)能力并入RRH中，使RRH不但可以由传统电力网直接供电，而且还能够从环境能源(例如太阳能、风能和射频信号[8-10])中收集绿色可再生能量，从而保证服务质量。
尽管能源效率更高，但由混合能源供电的C-RAN仍然面临着一些新的问题：其仅实现了BBU资源的集中化处理，对前传波长资源和无线资源无法实现共享；各服务提供商(SP, service provider)独立运行C-RAN，造成资源利用率不高；可扩展且灵活的动态资源分配方式由于频繁变化难以部署在基础设施网络上[11]。网络虚拟化(NV, network virtualization)技术通过对计算资源、网络资源、频谱资源、基础设施等进行抽象，能够实现不同SP之间的资源共享，此种架构不但可以节省成本、提高资源利用率、降低能耗、易于资源部署，还可以增强网络扩展性和灵活性[12]。因此，考虑充分结合这2种技术的优势，提出了将虚拟化技术和带有能量收集C-RAN相联合的架构，并在架构上依照业务流量变化联合配置虚拟无线、光网络、BBU计算资源和RRH能量，它不仅可以提高系统吞吐量和资源利用率，还可以降低能耗。进而，如何在联合架构上合理地分配虚拟资源和能量使能耗最小化，成为国内外研究人员的关注重点。
针对以上问题，文献[13-14]将网络虚拟化与C-RAN架构进行联合，实现不同移动网络运营商之间的资源共享，可以有效提高吞吐量并降低端到端时延和总能耗，然而，所提出的方法并没有考虑BBU资源的共享调度，也没有考虑能量收集。在实际场景中，通过收集可再生能量，可以有效地减少传统电网所供给能量的消耗。因此，利用可再生能量收集的优势，文献[15]提出了一种新的能量到达模型，并利用量子行为粒子群算法联合分配子载波和功率，在满足能耗限制和总数据速率要求的同时最大限度提高能源效率。但所提出方法仅限于RRH无线资源分配，并没有考虑波长和计算资源的优化配置。文献[16-17]将可持续资源分配问题分解为能量收集、数据调度以及子载波和功率分配等3个子问题，并在确保数据缓冲器稳定性和能量缓冲器可持续性的基础上获得最大聚集用户效用，但没有考虑不同SP之间的能量共享。文献[18]根据能源供需匹配策略，在具有能量收集的异构无线接入网络中提出能源经济模型实现能源双向交换。此外，根据能量存储和业务负载状态提供D2D辅助用户关联，从而实现能源成本与用户关联比率之间的权衡。然而上述文献主要通过调度带有能量收集的部分虚拟化C-RAN资源去降低能耗，并没有考虑全局资源分配和能量共享的有效结合，因此，无法最小化能耗。
针对上述问题，本文提出了一种新的带有混合能量供电的能耗感知虚拟化C-RAN资源分配机制。首先，根据虚拟化C-RAN中各网络设备的能量来源和能量消耗情况，建立能量到达和能耗模型；接着，利用异步更新的能耗感知分布式算法（AU-EADA, energy-aware distributed algorithm based on asynchronous updating），依据负载流量为不同类型虚拟化V-CRAN（virtualization C-RAN）公平地分配总能量和资源，再针对用户的不同服务请求，在相应V-CRAN中基于能耗和时延最小的原则为之分配计算和波长资源，并基于能耗最小化为其选择接入模式和关联RRH，从而完成C-RAN网络中的整体资源优化配置，并有效地提高网络能量效率。
2 CRAN-NV联合架构
在C-RAN与网络虚拟化(CRAN-NV, cloud radio access network and network virtualization)的联合架构中，使用基于TWDM-PON和特殊模式接入的C-RAN作为物理网络。在物理网络中，小区用户首先依据信道状态信息选择直接或者间接模式将射频信号发送给RRH。当处于间接模式时，用户通过中继接入点用户(RAP-UE, relay access point users)接入RRH，其中RAP-UE与RRH之间采用蜂窝移动通信方式，而RAP-UE与UE之间采用无线保真(Wi-Fi, wireless fidelity)通信方式。特殊地，假设RRH和RAP-UE既可以进行能量收集，也可以从电网购买能量，因此每个RRH和RAP-UE都有一个EH模块，且配备有可充电电池和数据缓存区。接着，RRH将接收到的信号转发给与其直接相连的光网络单元(ONU, optical network unit)，而ONU使用通用公共无线电接口将数字基带信号发送到光线路终端(OLT, optical line terminal)处，并由代表不同波长的线卡(LC, line card)服务。BBU池和OLT位于中心局(CO, central office)，在BBU池中，每个BBU与一个LC相关联，因此，BBU和LC的集合有相同的基数。以太网交换机位于BBU池之后，且每个端口都连接到BBU，可以将流量从一个BBU重定向到其他BBU。显然，重定向的源BBU和目的BBU之间的数据迁移会持续一段时间，因此，使用直通交换机[19]快速转发数据分组而不存储整个数据分组。
图1 支持TWDM-PON和特殊模式接入的C-RAN与NV联合架构
通过虚拟化技术将底层物理网络资源进行虚拟化。如图1所示，总集中控制器通过调度资源分配策略，组成具有不同特点的V-CRAN。传统SP固定租用需求最大化时的资源并独自占用，这使业务流量少的SP资源浪费，业务流量过载的SP得不到满足，造成总体资源利用率低下。因此，本文考虑不同的SP组成不同V-CRAN，并依照负载情况公平地分配C-RAN资源。显然，在RRH分配资源时，不仅要考虑无线信道资源和数据缓冲区资源，还要考虑可再生电能和传统电能的公平分配。为了减轻一级集中控制器的处理压力，采用分布式的方式为每个V-CRAN配置一个二级集中控制器，并为V-CRAN中的每个RRH配置一个三级控制器，其中二级控制器实时获知当前服务类型的信道状态信息和资源分配情况，执行资源共享策略完成BBU计算资源和TWDM-PON波长资源的合理分配；三级控制器根据用户和RRH的信息，执行能量共享策略和用户关联策略完成无线资源的分配。最后，二级和三级控制器将资源分配信息返回至一级总集中控制器；进而，总控制器将配置信息下发到底层物理网络，从而为用户合理地分配物理资源。
3 能量到达模型
在C-RAN网络中，由于RRH大规模部署，造成能量消耗严重，所以考虑RRH具备EH功能。同时，RAP-UE由于中继通信产生额外能耗，因此也考虑为其配备EH模块。那么，RRH和RAP-UE均可由可再生能量或传统电力能量供电。本节根据RRH和RAP-UE的不同能量来源，分别对其能量到达模型进行描述。
3.1 RRH能量到达模型
3.2 RAP-UE能量到达模型
4 电网能耗模型
因此，基于以上新定义的3个变量，式(7)可以改写为
本文的目标是在多个约束条件下使能耗最小化，由C-RAN网络总电网能耗式(11)可知，能耗主要由3个部分组成，即CO网络设备计算能耗、RRH通信设备能耗、RRH和RAP-UE通信能耗。针对这种在各种相互关联的多变量约束条件下解决线性目标函数最优的问题，通常采用线性规划法[21]去解决，但此种算法具有较高复杂性，一旦网络规模稍大，将造成严重的时延损耗甚至计算不可行。因此，本文提出基于异步更新的分布式机制，将传统的一级集中控制器改进成三级控制器的形式，然后将资源分配问题分割成三个子问题并分配给相应的控制器解决，其中，一级集中控制器基于负载流量对各V-CRAN公平地分配虚拟资源；三级控制器依据一级集中控制器返回的其他RRH以及用户的信息，对所属用户的接入方式进行合理选择，从而扩大网络吞吐量。在三控制器中，三级控制器基于供需关系调度RRH间的储存能量以实现共享，从而降低小区端设备的能耗；二级控制器依据定时收集的信道信息和各用户的资源分配情况，以处理时延和设备运行能耗最小为目标，为各用户的各类服务请求动态分配BBU计算资源和TWDM-PON波长资源。
5 基于异步更新的分布式资源分配机制
在实际生活中，某一时间段内的小区业务流量是动态变化且未知的，因此需考虑动态资源分配情况。当一个用户请求到达时，一级控制器先判断是否对V-CRAN重新配置虚拟资源，然后根据业务类型将请求分配给相应二级控制器和三级控制器进行资源分配。三级集中控制器接收到请求信息后，先依据信道状态信息和同一V-CRAN内RRH与RAP-UE的剩余能量及资源信息为其选择RAP-UE和关联RRH，然后判断关联RRH的能量是否足以支持传输信息，不足则调用能量共享策略从其他RRH处借调能量，其借调的能量通过两个RRH之间的传统电力网进行传输；接着，二级控制器根据三级控制器返回的关联信息判断新用户请求关联RRH的PHY-cell或者新建一个PHY-cell，最后基于能耗和BBU处理时延最少选择合适的UP进行基带处理，从而完成动态服务请求的整体资源分配。
5.1 比例公平资源配置机制
如前所述，在CRAN-NV架构中，总集中控制器通过调度资源分配策略，组成具有不同特点的V-CRAN。然而，传统SP是按租用需求最大化时所需资源进行分配，且分配后的资源固定且专属，这导致业务流量少的SP资源浪费，业务流量过载的SP得不到满足，造成总体资源利用率低下。因此，本文考虑不同的SP组成不同V-CRAN，即对虚拟C-RAN进行区分业务服务，并将其划分为个V-CRAN，然后为了适应负载流量的动态变化，按照各种业务的负载流量公平地为V-CRAN分配虚拟资源。这样，不仅可以保证各种业务所分配资源的公平性，还减少了资源分配时的资源选择区间，从而降低算法复杂度和处理时延。
所需分配的虚拟资源包括BBU计算资源、TWDM-PON波长资源、RRH可用能量资源、RAP-UE可用能量资源和RRH无线信道资源。对于虚拟BBU计算资源来说，不同V-CRAN所分配的计算资源量需要与其负责的业务负载成比例，且总和不大于C-RAN虚拟总资源量。又因为波长资源LC与BBU直接相连且具有相同的基数。因此，虚拟BBU计算资源和TWDM-PON波长分配具有的比例公平约束如式(12)~式(14)所示。
在一级集中控制器处，为了有效地完成满足以上约束条件的虚拟资源公平分配，本节结合考虑小区业务流量动态变化的特点，提出了动态V-CRAN比例公平资源配置机制。各类虚拟资源具有相似的分配特性，因此，本节以BBU计算资源为例描述分配算法的执行，算法的具体伪代码如算法1所示。当一个用户请求到达后，一级控制器先判断连接类型和服务类型，并记录上一时刻各种服务的负载信息和V-CRAN的BBU计算资源分配信息（算法1中1)~3)）。如果请求属于中断请求类型，则=1，那么将减去请求负载大小的当前时刻各V-CRAN的负载比例与上一请求到达后的计算资源分配比例作比较，若大致相等，则资源配置保持不变；若不等，则根据当前负载比例和先前配置信息重新进行资源分配。如果请求属于连接请求类型，=−1，则当前时刻服务负载为加上请求负载后的结果，其具体操作与中断请求类型类似，不再加以赘述（算法1中4)~7)）。
算法1 比例公平资源分配算法
输入：一个用户请求
输出：所有V-CRAN的资源分配结果
1) 当用户请求到达时，执行以下操作
2) 判断请求的连接类型={−1,1}和服务类型∈[1,]
6) else
5.2 RRH能量共享机制
在以上约束的基础上，若实现最小化RRH所消耗的传统电能，需要设计合理的RRH能量共享机制，对RRH能量进行合理调用。因此，当某新用户请求所关联RRH的剩余可再生能量不足以支持激活能耗或传输信号能耗时，三级控制器执行以下算法，其伪代码如算法2所示。
算法2 能量共享算法
1) 判断用户请求的服务类型∈[1,]，并依据式(24)和式(27)计算用户关联RRH所需的借调能量()
2) 基于剩余可再生资源对第个V-CRAN的所有RRH进行降序排序
3) if EG()<= REGSUR _RRHJ_MAX
4) 在集合RRH_J中选择具有最大剩余能量的RRH给予RRH所需的能量
5) else
6) 对其他类型V-CRAN(∈[1,])执行以下操作：
7) 基于剩余可再生资源对第个V-CRAN的RRH进行降序排序
8) if EG()≤REGSUR _RRHI_MAX
9) 在RRH_I中选择具有最大剩余能量的RRH供给RRH所需的能量，并结束算法
10) else
11) 跳转到6)对下一类型V-CRAN进行判断
12) 若在所有V-CRAN中均不存在RRH可为RRH提供所需的可再生能量，则考虑用传统电网能量替代可再生能量，并执行以下操作
13) if EG()≤EGSUR_G_RRHN
14) 选择RRH提供传统电网能量
15) else
16) 依据可再生能量分配过程为RRH寻求不足能量的供给
17) 若不存在任何RRH可为RRH提供可再生能量和电网能量，则拒绝此用户请求
在算法中，首先判断新用户请求的服务类型，并计算用户请求关联RRH所需借调的能量()（算法2中1)）。接着，对第个V-CRAN中的RRH(不包含请求所关联的RRH)按照剩余可再生能量由大到小排列，并放入集合RRH_J中（算法2中2)）。然后，将请求RRH所需能量()与集合RRH_J中的最大剩余能量进行对比，若出现小于或等于的情况，则选择具有最大剩余能量的RRH给予请求RRH所需的能量；否则，当集合RRH_J中不存在RRH可以支持请求RRH所需能量时，考虑从其他V-CRAN中的RRH借调能量。那么，对所有类型V-CRAN执行以下循环操作：将第个V-CRAN中的RRH按照剩余可再生能量由大到小排列，并放入集合RRH_I中。如果集合RRH_I中的RRH最大剩余能量大于或等于请求RRH所需能量，则选择具有最大剩余能量的RRH给予请求RRH所需的能量，并停止循环；如果小于，则对第1个V-CRAN中的RRH执行以上操作（算法2中3）~11)）。如果遍历完所有V-CRAN的RRH之后，仍未存在合适的RRH为请求RRH提供可再生能量时，为了保障链路的可靠连接，考虑使用传统能量。那么，首先判断请求RRH自身所储存的传统能量能否完成能量EG()的供给，如果不足，则按照可再生能量借调过程依次向同一V-CRAN中、不同V-CRAN中的RRH寻求不足能量的供给（算法2中12)~16)）。最终，若不存在任何RRH可为其提供所需的能量时，则拒绝此用户请求（算法2中17)）。
5.3 能耗感知的V-CRAN动态资源分配机制
由第4节可知，V-CRAN的总能耗包括3个部分，即CO网络设备计算能耗、RRH通信设备能耗、RRH和RAP-UE通信能耗。为了使总能耗最小化，本文考虑使各部分能耗分别最小化。为了最小化RRH和RAP-UE的传统能耗且在不增加能耗的基础上提高吞吐量，本文依据信道状态信息和RRH与用户的剩余能量及资源信息，为新业务请求选择合理的RAP-UE和关联RRH。而对于CO网络设备来说，它们仅靠传统电网提供能量，所以要想使其能耗最小，需要使激活CO网络设备的数量最小。因此，本节首先基于能量和信道状态为用户请求选择接入模式和关联RRH；然后依据波长资源剩余情况并以能耗最少为原则为用户请求分配小区处理（PHY-cell, cell processing）资源，即为其服务的主BBU和VPON；最后基于能耗和处理时延最少选择合适的用户处理（UP, user processing）模块对其进行基带处理，从而完成V-CRAN中用户请求的整个资源分配。
5.3.1 基于特殊接入模式的用户关联机制
在V-CRAN中，针对RRH与用户之间的关联机制，本文考虑2种情况：第一种情况是当新用户请求到达时，如果存在空闲信道，则普通用户不通过RAP-UE中继而是直接连接RRH；第二种情况是依据剩余能量和资源寻找合适RAP-UE间接接入RRH。为了使RRH能耗最小，在接入RAP-UE时，首先使用储存的可再生能量，当可再生能量不足时才使用自身的传统能量。
对于第个V-CRAN中的RAP-UE来说，为了保证服务质量，其承担的负载流量不大于资源容量且能耗不大于存储的可用能量，即
由上可得，在时隙第个V-CRAN中的RAP-UE占用信道发送信号到用户的能耗占比变量为
对于第个V-CRAN中的RRH来说，它与RAP-UE类似，其负载流量小于资源容量且总能耗不大于可用能量，即
其中，与RAP-UE不同，RRH能耗包括激活能耗和通信能耗，且RRH收集的可用能量包含共享其他RRH的能量。
此外，在RRH与用户之间的无线信道占用资源必须不超过无线信道资源总量，那么
为了避免用户间的过度同频干扰，本文假设物理层采用正交频分复用技术，在时隙每个信道最多被一个用户占用，则RRH与RAP-UE占用信道时相互独立，不产生干扰。并且，每个用户在每个时隙最多由连接RRH的一个信道传输。因此，第个V-CRAN的无线信道资源分配有如下约束，即
接着，为了保证用户的服务质量，分配功率时不同V-CRAN的传输速率大于所设置的最低传输速率，则
(38)
最后，为了在满足以上约束条件的基础上，RRH和UE之间的传统能耗最小化且提高吞吐量，本文设计了RAP-UE和RRH选择机制，其伪代码如算法3所示。
算法3 用户关联算法
输入：一个用户请求
输出：用户的关联RRH和RAP-UE
1) 当用户请求到达时，执行以下操作
2) 统计剩余无线信道资源H_SUR
3) if H_SUR>0
5) if RRH_SUR_RES()> REQUEST_BW
6) 将RRH放入集合OVER_RRH中，然后令=+1，并跳转到步骤4)
7) else，直接令=+1，并跳转到步骤4)
8) 基于剩余可再生资源对集合OVER_RRH 中的RRH进行降序排序
9) if RRH_SUR_EG(max) 10) 执行RRH能量共享机制（即算法2） 11) else 12) 选择具有RRH_SUR_EG(max)能量的RRH作为关联RRH 13) else 15) ifRAP_UE_SUR_RES()> REQUEST_BW 16) 将RAP-UE放入集合RELAY_ M中 17) 令=+1，并跳转到14) 18) if RELAY_M=NULL，则拒绝新用户请求 19) else 20) 基于剩余可再生能量对集合RELAY_M中的RAP-UE进行降序排序 21) 选择具有RAP_UE_SUR_ EG(max)能量的RAP-UE作为中继 22) 执行4)~12)为用户选取关联RRH 在算法3中，当用户请求到达时，统计剩余无线信道资源算法中2)。如果存在空闲信道，则直接为用户请求选择关联RRH（算法3中3)~12)）。选择RRH时执行以下操作：首先将第个V-CRAN中剩余资源大于新用户负载的RRH放入集合OVER_RRH中，并按照剩余可再生能量由大到小对集合元素进行排序。然后，将最大剩余可再生能量与发送新用户所需的能量进行对比，若最大剩余可再生能量小于新用户所需的能量，则调用RRH能量共享机制从合适的RRH购买所需的可再生能量，否则，选择具有最大剩余可再生能量的RRH作为新用户关联RRH。如果不存在空闲信道，则为用户请求选择RAP-UE间接接入RRH（算法3中13)~22)）。那么，执行以下操作：首先将第个V-CRAN中所有剩余资源大于新用户负载资源的RAP-UE放入集合RELAY_M中，如果集合为空，则不存在合适的RAP-UE为新用户进行中继，即放弃新用户的服务请求；否则，将集合RELAY_M中的RAP-UE按照剩余可再生能量由大到小排序，然后选择排序后集合中具有最大剩余可再生能量的RAP-UE作为中继。接着，按照RRH选择机制选取关联RRH，从而完成新用户请求的合理关联。 5.3.2 TWDM-PON波长资源共享机制 在V-CRAN中，TWDM-PON波长信道具有高容量特征，一个TWDM-PON可支持多个VPON，每个VPON都由一个连接BBU的LC和多个共享相同波长的ONU组成。并且，BBU基带处理被虚拟化为两种类型的功能实体，即PHY-cell和UP。其中，PHY-cell模块用于标记所属VPON。本节的TWDM-PON波长资源共享机制主要是为未配置PHY-cell的小区选择适当的主BBU和VPON。首先，为了保证包含多个PHY-cell标识的VPON负载不大于VPON最大容量限制，即 接着，只要有任意的小区在VPON上进行数据传输，则LC始终保持激活状态，即 对于基于以上约束的TWDM-PON波长资源共享机制，其具体伪代码如算法4所示。在算法中，首先对属于第个V-CRAN中的VPON按照剩余带宽资源由大到小排列（算法4中1)）。然后，将最大剩余带宽资源与请求带宽进行对比，若最大剩余带宽资源小于请求带宽，则激活新的BBU和与之相连的VPON进行服务，并将小区PHY-cell写入到BBU中；否则将与具有最大剩余带宽资源的VPON相连的BBU作为主服务BBU（算法4中2)~7)）。 算法4 TWDM-PON波长资源共享算法 1) 基于剩余资源对服务类型的所有VPON进行降序排序 2) 将SURPLUS_RES()表示排序后的第(∈[1,])个剩余资源 3) 令SURPLUS_RES(max) = SURPLUS_ RES(1) 4) if SURPLUS_RES(max) 5) 激活一个新的BBU和VPON进行服务 6) else 7) 考虑具有最大剩余带宽资源的VPON进行服务 5.3.3 BBU计算资源共享机制 由5.3.2节可知，UP是BBU的计算资源模块。为了合理地为服务请求选择在BBU中的基带处理单元，需要设计高效的BBU计算资源共享机制。本文结合能耗和时延2种因素选取合适的UP，从而实现数据的高效传输，同时降低网络运营商的成本。首先，在BBU上的处理负载必须不超过UP容量限制，即 其次，若任意小区的一个请求在BBU UP上进行基带数据处理，则BBU保持激活状态，那么， 接着，对于交换机来说，交换机服务的所有BBU UP中迁移的总负载不大于交换机能承受的最大容量， 进一步，当无任何UP迁移时，所有交换机端口处于休眠状态，且交换机也退出激活状态，进入休眠，即 基于以上约束条件，BBU计算资源共享机制的伪代码如算法5所示。在算法中，首先对第个V-CRAN中的激活BBU按照UP剩余带宽资源由大到小排列（算法5中1)）。然后，计算请求数据在活动BBU中的处理时间。考虑将请求数据大小与排序后的BBU UP剩余带宽资源进行对比，若出现第个BBU剩余资源小于请求数据最小带宽的情况，则将至的BBU处理时延均设置为无穷大，这样可以有效降低算法执行的时间复杂度（算法5中2)~8)）。接着，如果存在处理时延小于无穷大的BBU，将请求的主BBU的处理时延与最小的其他BBU处理时延加上交换机端口时延作对比，从而选择合适的BBU进行处理；否则，当所有的激活BBU处理时延均是无穷大时，激活一个新的BBU专用于UP服务，其中，这个BBU没有PHY-cell模块，且与之相连的PON模块不被激活（算法5中9)~17)）。 算法5 BBU计算资源共享算法 1) 基于剩余资源对第类服务中激活BBU的所有UP进行降序排序 2) 计算请求在第类服务所有激活BBU中(∈[1,_])的处理时间，即执行以下操作 3) ifBBU_SUR_RES()>REQ_SIZE/DELAY_J_MAX 4) PROCESS_DELAY()←REQ_SIZE/ BBU_SUR_RES() 5)=+1 6) else 8) 跳转到步骤7) 10) 基于处理时延对第类服务的激活BBU进行升序排序 11) 将PROCESS_DELAY(min)表示最小的处理时延 12) ifPROCESS_DELAY(CURRENT_BBU)< PORT_DELAY+ PROCESS_DELAY(min) 13) 选择当前的主BBU UP作为用户请求UP 14) else 15) 选择具有最小处理时延的BBU UP作为请求UP 16) else 17) 激活一个新的BBU专用于UP服务 为了有效衡量所提资源分配机制的性能，本节主要将其与其他3种架构进行比较，即传统型C-RAN架构、D-RAN架构和能耗感知的C-RAN架构[22]。首先对3个架构的能耗模型进行阐述。 在传统型C-RAN架构中，虽然所有BBU集中位于中心局的BBU池，但却没有实现资源共享，即每个小区仍需要一个专用的BBU和LC为之服务。因此，此种架构下的能耗为 其中，等式右边第一项表示冷却设施能耗，第二项表示小区站点设备能耗，第三项表示激活LC和BBU能耗，显然BBU和LC一直处于激活状态；第四项表示信号发送能耗，其他参数设置如前所述。 在D-RAN架构中，BBU和RRH均位于小区站点，固定关联组成基站。所以，BBU必须时刻处于激活状态。为保证BBU正常运行，每个BBU均需要配置一个专用冷却设施。因此，D-RAN能耗模型为 其中，右边第一项是设备能耗，第二项是发送能耗。 能耗感知C-RAN架构的能耗模型与本文能耗模型具有相似性，最大的区别是能耗感知C-RAN架构在资源分配时不考虑能量共享。因此，能耗感知C-RAN架构能耗模型如下 其中，等式右边第一项是基础冷却设施能耗，第二项是交换机能耗，第三项是激活LC和BBU的能耗，第四项是激活ONU和RRH所消耗的能量，第五项是发送能耗。 本文采用Matlab R2016a仿真平台对所提出的资源分配机制进行性能评估。为了有效评估时延性能，考虑4种服务，即VoIP业务服务、IPTV业务服务、网页搜索服务和视频会议服务。由C-RAN白皮书可知，网页业务流量占总流量的38%，视频业务流量占45%[23]。为了简便起见，假定采用的3种视频业务分别各占15%。因此，可以得出4种业务的分布信息，以繁华区域为例，4种业务在繁华区域的流量变化如图2所示。本文考虑小规模网络场景，即设置11个BBU和11个小区。每个波长容量为10 Gbit/s，BBU UP容量为5 Gbit/s，每个小区中的用户业务流量服从[100 Mbit/s,1 Gbit/s]之间的均匀分布。对于无线资源来说，每个子载波的波长为15 MHz，高斯白噪声的功率谱密度是10−10W/Hz，信道增益服从在[5,14]之间的随机分布。对于能量收集来说，每个RRH和RAP-UE收集的可再生能量在[0, 5000] W之间均匀分布[24]。 图2 4种业务在繁华区域的流量变化 然后，通过文献[25-26]可看出，能耗值以及4种延迟敏感服务的请求数据大小设置如表1所示。 表1 仿真参数设置 而且，本文考虑动态业务场景，以一个小时为一个时间段，考虑24个时段的业务流量，业务请求到达时间服从泊松分布，到达时间的间隔独立且服从负指数分布。下面，对4种架构从能耗性能、时延性能以及吞吐量性能等3个方面进行仿真分析。 4种架构在小规模网络场景中一天期间的能耗比较如图3所示。显然，随着时间的不同，4种架构的能耗表现出不同的特性，这是因为不同时间段内到达的业务流量不同，从而产生能量消耗不同。从整体来看，4种架构按能耗由高到低排序分别为D-RAN架构、传统型C-RAN架构、能耗感知C-RAN架构和AU-EADA架构。 4种架构在不同业务流量下的能耗比较如图4所示。显然，4种架构的能耗均随流量的增加而增加。另外，D-RAN架构由于在小区端单独设置BBU冷却设施且不具有能量收集功能，导致其能量消耗是最大的。传统型C-RAN架构和能耗感知C-RAN架构由于BBU池的集中，所以只有一个冷却设施，其能耗比D-RAN架构少。而本文分布式算法的能耗与前3种算法相比减少了50%，因为所提架构中的每个RRH和RAP-UE均具有能量收集功能，可以收集来自周围环境中的可再生能量，从而减少了传统电能的消耗。 图3 小规模网络中4种架构在不同时刻下的能耗比较 图4 小规模网络中4种架构在不同业务流量下的能耗比较 本节给出分布式算法在12点时刻时小规模网络中电池容量对能耗的影响。从图5可以看出，随着电池容量的增加，能耗先呈现下降趋势，然后趋于稳定，这是因为电池容量越大，每个RRH和RAP-UE可储存的可再生能量就越多，从而导致传统能耗下降，但又因为能量收集在一定范围内，当电池容量超过范围界限时，RRH和RAP-UE不能收集更多的能量，所以传统能耗趋于稳定。另外，随着能量收集上界的增加，传统能耗逐渐减少，这是因为上界越大，收集的可再生能量越多，从而传统电能的消耗越少。 图5 12点时刻电池容量对所提算法能耗的影响 图6 小规模网络中4种架构在不同时刻下的时延比较 4种架构在不同业务流量下的时延比较如图7所示。显然，4种架构的时延均随流量的增加而增加。D-RAN架构由于BBU和RRH均在小区端，没有传输时延和集中控制器调度时延，所以D-RAN架构的时延是最小的。传统型C-RAN架构将所有BBU集中在中心局的BBU池，通过光纤传输基带信号，所以具有传输时延和调度时延；但是BBU池的BBU没有共享资源，每个小区仍需要一个专用的BBU和LC为之服务，导致所有的BBU均处于激活状态，所以传统型C-RAN架构的时延是次小的。接着，能耗感知的C-RAN架构通过关闭一些不必要的BBU去节省能耗，但同时也使相同BBU处理更多的业务请求，导致C-RAN架构的时延增加。而本文算法在考虑能耗的同时，又考虑时延的影响，采用分布式机制去合理分配资源，从而可以有效降低时延。 图7 小规模网络中4种架构在不同业务流量下的时延比较 本节给出4种架构在小规模网络场景下不同时间段的吞吐量比较。从图8可以看出，D-RAN架构与传统C-RAN架构具有相同的吞吐量，因为2种架构有相似的功能，只是传统型C-RAN架构的BBU进行集中放置，但它的每个小区却仍需要一个专用的BBU和LC为之服务，因此D-RAN架构与传统C-RAN架构吞吐量相同。能耗感知C-RAN架构由于其在中心局集中的BBU计算资源可以共享分配，所以吞吐量优于前2种架构。而在本文的分布式算法中，不仅BBU计算资源可以共享，而且无线模块采用特殊接入模式，从而有效提高吞吐量，所以吞吐量最优。 图8 小规模网络中4种架构的吞吐量比较 为了解决现有虚拟化C-RAN资源利用率低、能耗高、用户服务质量无法得到保证等问题，本文提出了一种新的带有混合能量供电的能耗感知虚拟化C-RAN资源分配机制。首先，给出基于TWDM-PON和特殊接入模式的C-RAN与NV相联合的新框架，然后根据虚拟化C-RAN中各网络设备的能量来源和能量消耗情况，建立能量到达和能耗模型，最后提出一个基于异步更新的能效感知分布式优化机制解决资源分配问题，一级控制器基于负载情况公平地为不同服务类型V-CRAN分配总能量和资源，二级控制器针对用户的不同服务请求，为其在相应服务V-CRAN中基于能耗和时延最小分配计算和波长资源，三级控制器考虑能量共享和吞吐量最大为用户选择接入模式和关联RRH，从而完成C-RAN网络中的整体资源优化配置，并有效地提高网络能量效率。通过仿真验证，所提出的机制与D-RAN架构、传统型C-RAN架构、能耗感知的C-RAN架构相比，能够有效地降低能耗和时延，提高吞吐量。 [1] CISCO. Global Mobile data traffic forecast update, 2016–2021 White Paper[R]. San Jose: CISCO, 2017. [2] AROUK O, KSENTINI A, TALEB T. Group paging-based energy saving for massive MTC accesses in LTE and beyond networks[J]. IEEE Journal on Selected Areas in Communications, 2016, 34(5): 1086-1102. [3] HOSSAIN E, HASAN M. 5G Cellular: Key enabling technologies and research challenges[J].IEEE Instrumentation & Measurement Magazine, 2015, 18(3):11-21. [4] China Mobile Research Institute. C-RAN-the road towards green RAN[R]. Beijing: CMRI, 2011. [5] THOMAS P. Next generation mobile fronthaul architectures[C]//2015 Optical Fiber Communications Conference and Exhibition, 2015: 1-3. [6] DAISUKE I, SHIGERU K, JUN-ICHI K, et al. Dynamic TWDM- PON for mobile radio access networks[J]. Optics Express, 2013, 21(22): 26209-26218. [7] LIU J J, GUO H Z, KATO N, et al. Energy consumption minimization for FiWi enhanced LTE-A HetNets with UE connection constraint[J]. IEEE Communications Magazine, 2016, 54(11): 56-62. [8] ZHANG D Y, CHEN Z G, REN J, et al. Energy-harvesting-aided spectrum sensing and data transmission in heterogeneous cognitive radio sensor network[J]. IEEE Transactions on Vehicular Technology, 2017, 66(1): 831-843. [9] REN J, ZHANG Y X, DENG R L, et al. Joint channel access and sampling rate control in energy harvesting cognitive radio sensor networks[J]. IEEE Transactions on Emerging Topics in Computing, 2017, pp(99): 1-1. [10] SUTO K, NISHIYAMA H, KATO N, et al. Postdisaster user location maneuvering method for improving the QoE guaranteed service time in energy harvesting small cell networks[J]. IEEE Transactions on Vehicular Technology, 2017, 66(10): 9410-9420. [11] MOHAMAD K, ARAFAT A-D, MOHAMED S, et al. A framework for joint wireless network virtualization and cloud radio access networks for next generation wireless networks[J]. IEEE Access, 2017, 5: 20814-20827. [12] LIANG C C, YU F.R. Wireless network virtualization: a survey, some research issues and challenges[J]. IEEE Communications Surveys & Tutorials, 2015, 17(1): 358-380. [13] NIU B L, ZHOU Y, HAMED S-M, et al. A dynamic resource sharing mechanism for cloud radio access networks[J]. IEEE Transactions on Wireless Communications, 2017, 15(12): 8325-8338. [14] IMAD A-S, MATTEO A, HENRIK C, et al. Envisioning spectrum management in virtualised C-RAN[C]//2017 IEEE Wireless Communications and Networking Conference (WCNC), 2017: 1-6. [15] ZHAO Y S, VICTOR C.M.L, ZHU C S, et al. Energy-efficient sub-carrier and power allocation in cloud-based cellular network with ambient RF energy harvesting[J]. IEEE Access, 2017, 5: 1340-1352. [16] ZHANG D Y, CHEN Z G, ZHOU H B, et al. Resource allocation for green cloud radio access networks powered by renewable energy[C]// 2016 IEEE Global Communications Conference (GLOBECOM), 2016: 1-6. [17] ZHANG D Y, CHEN Z G, ZHOU H B, et al. Resource allocation for green cloud radio access networks with hybrid energy supplies[J]. IEEE Transactions on Vehicular Technology, 2018, 67(2): 1684-1697. [18] QIAO G H, LENG S P, ZHANG Y, et al. Multiple time-scale energy scheduling with energy harvesting aided heterogeneous cloud radio access networks[C]//2016 IEEE/CIC International Conference on Communications in China (ICCC), 2016: 1-6. [19] YANG Y. Understanding switch latency[R]. SanJose: CISCO, 2012. [20] CHANDRAKASAN A.P, SHENG S, BRODERSEN R.W. Low-power CMOS digital design[J]. IEEE Journal of Solid-State Circuits, 1992, 27(4): 473-484. [21] DANTZIG G B. 回顾线性规划的起源[J]. 运筹学杂志, 1984, 3(1): 71-78. DANTZIG G B. Review the origin of linear programming[J]. Chinese Journal of Operations Research, 1984, 3(1):71-78. [22] WANG X B, THOTA S, TORNATORE M, et al. Energy-efficient virtual base station formation in optical-access-enabled cloud-RAN[J]. IEEE Journal on Selected Areas in Communications, 2016, 34(5): 1130-1139. [23] CMRI. C-RAN radio access network green evolution[R]. China Mobile Research Institute, 2010. [24] SHENG M, ZHAI D S, WANG X J, et al. Intelligent energy and traffic coordination for green cellular networks with hybrid energy supplies[J]. IEEE Transactions on Vehicular Technology, 2017, 66(2): 1631-1646. [25] WANG X B, THOTA S, TORNATORE M, et al. Green virtual base station in optical-access-enabled cloud-RAN[C]//2015 IEEE International Conference on Communications (ICC), 2015: 5002-5006. [26] AMEL A, SOUMAYA H, LOUTFI N, et al. Minimization of delays in multi-service cloud-RAN BBU pools[C]//13th International Wireless Communications and Mobile Computing Conference (IWCMC), 2017: 1846-1850. Resource allocation mechanism in the TWDM-PON and C-RAN joint architecture with hybrid energy supply WANG Ruyan1,2, XU Ningning1,2 1.School of Telecommunication and Information Engineering, Chongqing University of Posts and Telecommunications, Chongqing 400065, China 2.Optical Communication and Network Key Laboratory of Chongqing, Chongqing, 400065, China Aiming at the problems of low resource utilization rate, high energy consumption and poor user service quality in the existing virtualized Cloud Radio Access Network, an energy-aware virtualized resource allocation mechanism with hybrid energy supply was proposed. According to the energy sources and energy consumption of different network devices, energy arrival and energy consumption models were established. Furthermore, under the premise of guaranteeing the quality of user services, considering proportional fairness and energy consumption optimization, distributed algorithms based on asynchronous update were used to allocate resources and harvested energy for different types of virtual cloud radio access networks and user virtual base stations to effectively improve the energy efficiency of network. The simulation results show that the proposed resource allocation mechanism can reduce energy consumption while effectively reducing the latency and improving the throughput. cloud radio access network, network virtualization, time and wavelength division multiplexing-passive optical network, energy harvesting, resource sharing allocation TP393.04 A 10.11959/j.issn.1000−436x.2018156 王汝言（1969−），男，湖北浠水人，博士，重庆邮电大学教授、博士生导师，主要研究方向为泛在网络多媒体信息处理等。 徐宁宁（1993−），女，河南漯河人，重庆邮电大学硕士生，主要研究方向为光无线融合网络。 2018−05−02； 2018−08−10 国家自然科学基金资助项目（No.61371097，No.61771082）；重庆高校创新团队计划基金资助项目（No.CXTDX201601020） The National Natural Science Foundation of China (No.61371097, No.61771082), Chongqing University Innovation Team Construction Project Funded Projects (No.CXTDX201601020)
6 性能测试与分析
6.1 仿真参数设置
6.2 不同算法的能耗性能比较
6.3 电池容量对能耗性能的影响
6.4 不同算法的时延性能比较
6.5 不同算法的吞吐量性能比较
7 结束语
