一种适用于卫星光交换网络的汇聚算法*

2018-12-03王雨琦周钠陈特白博辛宁

移动通信 2018年11期

王雨琦，周钠，陈特，白博，辛宁

1 引言

为了降低对地面网络的依赖性和提升天基网络的健壮性，星上交换已经成为了卫星通信的主要发展趋势之一[1]。目前星上交换节点主要采用电交换方式，鉴于电子瓶颈与一些其他的缺点，电交换方式很大程度上限制了下一代天基网络的发展，因此研究新的星上交换技术已成为卫星通信发展的必然趋势。国内外研究表明，光交换技术是替换电交换技术的最佳方式之一：一方面，卫星激光通信具有无频谱限制、高带宽、高保密性、终端体积小、功耗低等诸多优点[2]；另一方面，光交换的速度突破了传统电交换的瓶颈，可实现与激光通信速率的匹配，能满足下一代天基网络容量的扩展与速率的提升。

目前地面光交换的主要方式包括光线路交换[3]、光分组交换[4]和光突发交换[5]。其中光线路交换在数据传输前需要建立光路连接，传输时其他业务流量无法共享该通道，因此链路带宽利用率低，不适用于资源有限的卫星通信网络；光分组交换技术目前在光存储器件方面存在较大的瓶颈，仍处在不完善的阶段，短期内难以大范围地应用推广。在光突发交换网络中，突发数据包和突发控制包在传输时间和信道上是分离的，突发控制包优先于突发数据包一个偏置时间Toff发送，在核心节点处进行光/电/光转换，在电域内进行处理并为突发数据包预留资源，而突发数据包则无需经过转换直接通过核心节点，从而保留了光通信高速率的优势。光突发交换很大程度上提升了网络资源的灵活性和利用率，适合应用于星上资源有限的卫星通信场景，得到了国内外研究者的广泛关注[6]。

天基网络相比于地面通信网，具有时延大和不同业务、不同用户服务质量（QoS, Quality of Services）保障要求差异大等特点。对于天基光突发交换网络，边缘节点会将用户的各类IP业务汇聚形成突发数据包，在汇聚过程中会引入不同程度的汇聚时延。因此，如何有效降低汇聚时延特别是高时间优先级业务的汇聚时延，是天基光突发交换网络需要解决的一项关键问题。在本文参考文献中，包括传统的汇聚算法有基于时间门限的方法[7]、基于长度门限的方法[8]以及基于混合门限[9]的方法。除了上述基于固定门限的算法外，学者们还提出了基于自适应门限的动态算法[10]。为了解决天基网络中高时间优先级业务的汇聚时延问题，文献[2]提出了一种基于轮询调度方式的汇聚算法，该算法通过用低优先级业务填充高时间优先级业务队列的方式来保障高时间优先级业务队列的低汇聚时延，然而在高时间优先级业务较多的场景下，会导致低优先级业务队列在较长时间内无法完成突发汇聚，从而很大程度上增加了低优先级业务的汇聚时延，降低了公平性。

针对上述问题，文章基于典型的天基宽带通信网络架构，在传统的最大突发长度-最大汇聚时间（MBMAP, Max Burst Length Max Assembly Period）算法基础上，提出了一种基于QoS自适应的星载光突发交换汇聚（QA-MBMAP, QoS-Adaptive MBMAP）算法，并对该算法进行了理论和仿真分析。仿真结果表明，相比于传统的算法，该算法在降低高优先级业务汇聚时延和QoS保障有显著提升，同时算法复杂程度低，因此有很好的潜力应用于未来天基光突发交换网络中。

2 网络架构

图1为基于光突发交换的天基宽带通信网络架构，空间段由多颗地球同步轨道（GEO, Geosynchronous Orbit）卫星组成骨干环网，采用多波长的光突发交换模式，由于GEO卫星覆盖范围广、通信性能稳定，将其作为网络中的核心节点，负责交换、突发数据监测（如阻塞概率、延迟等）。此外，GEO卫星节点还具有对低轨用户卫星、临近空间飞行器等用户业务的汇聚/解汇聚功能，以保证高速运动用户的接入。地面段包含各类关口站，一方面实现与地面网络的互联互通和对整个网络的统一管控，另一方面作为边缘节点，完成地面用户数据的汇聚/解汇聚。用户段包括了低地球轨道（LEO, Low Earth Orbit）卫星、临近空间飞行器、地面终端、海上终端等各类用户，其产生不同类型的IP数据包，通过边缘节点汇聚接入网络后，由GEO中心路由节点计算各转发路径，再经过核心节点转发至目的边缘节点LEO卫星，然后对突发包拆帧并发送地面用户。

图1 天基宽带通信网络架构

在基于光突发交换的天基宽带通信网络中，具体突发汇聚及业务传输流程如图2所示。边缘节点首先把来自各个用户的IP包按照其目的地址分类到不同的队列中，每个缓存队列分别配置了一个汇聚模块，按照相应的汇聚算法组装后形成突发数据包，突发数据包经过调度后发往核心节点进行交换处理，最终传输至目的边缘节点完成解汇聚过程，分解为IP包发送至目的节点。

3 QA-MBMAP算法研究

3.1 算法理论

假设IP包按照参数为λ的泊松过程{N(n),T≥0}到达边缘节点。若汇聚时间门限为Tth，且IP包的长度独立同分布，满足均值为Lmean的指数分布{Yi,i=1,2,……}。那么IP包在单位时间t内的汇聚过程{X(t),t≥0}是一个复合泊松过程，可以表示为：

根据{Yi,i=1,2,……}与{X(t),t≥0}的独立性，由式(2)可以得到：

再根据Yi之间的相互独立性，由式(3)可以得到：

因此，令：

由式(4)和式(5)可得：

对式(6)求导易得{X(t),t≥0}的期望和方差：

得到一个时间门限Tth=t内到达的IP包的长度总和的期望和方差。

由以上分析可以得出，当业务满足上述过程时，汇聚时间门限Tth与汇聚长度门限Lth的设定应基本满足上述的关系。

从业务可容忍的最大延时考虑，汇聚时间应该有一个最大值，当汇聚时间大于该值时，业务实时性将会受影响。假设突发汇聚时间为Ta，排队调度处理时延为Tq，偏置时间为Toff，链路时延为Tp，波长适配时间为Tadp，突发解汇聚时延为Tdis，设Td为业务可允许的最大端到端延时，那么突发汇聚时间Ta应满足：

图2 突发汇聚及业务传输流程框图

另外，假设网络中某个入口边缘节点与N个出口边缘节点相对应，且该节点与M个用户相连，每个用户的链路带宽均为Bu，设Lth为汇聚长度门限，Lth限制了网络中突发数据包的长度，同时为了限制队列中发数据包的等待时间，汇聚时间Ta应同时满足：Ta＞(N×Lth)/(M×Bu) (10)因此，由式(9)、(10)可以得到汇聚时间门限Tth的设置范围。

由式(10)汇聚时间上限的存在使得汇聚长度也存在一个上限，记为Lmax。同时由于每一个突发数据包均对应一个突发控制包，若突发数据包长度过短，将导致突发数据包和突发控制包数量的增加，导致调度复杂度增加，甚至会引起控制信道的拥塞，从而导致网络丢包率的增加。

假设某边缘节点输出有K个信道，包含了k个控制信道和K-k个数据信道。令Lb为突发数据包的平均长度，Lc为控制包的平均长度，考虑信道满负荷的极限情况下，此时控制信道的最大发送速率为k/Lc，数据信道的最大发送速率为(K-k)/Lb。为保证边缘节点不产生拥塞，必须使控制信道的发送速率大于数据信道的发送速率，即：

由式(11)可知：Lb＞(K-k)/(Lc×k)，记Lm=(K-k)/(Lc×k)，那么Lmin＜Lb＜Lmax，即汇聚长度Lb需满足的变化范围，汇聚长度门限Lth同样受到上述条件约束。

3.2 算法描述

传统的MBMAP算法流程图如图3所示，在该算法中，如果突发包在到达最大突发汇聚时间前达到了最大突发长度，则形成一个突发包并发送出去；否则在最大突发汇聚时间时，形成一个突发包发送出去。

图3 最大突发长度最大突发汇聚时间算法流程图

为了在降低高时间优先级业务汇聚时延的同时尽量不影响低优先级业务的汇聚时延，文章在传统的MBMAP汇聚算法的基础上，提出了一种基于QAMBMAP算法。本算法针对不同QoS等级业务，对汇聚时间门限做自适应的调整，即在高时间优先级业务较多时适当降低汇聚时间门限，高时间优先级业务较少时适当增加汇聚时间门限以保证不增加额外的信令开销，从而既保障了较低的高时间优先级业务汇聚时延，也保证了算法的公平性，不会产生额外的开销以及对低优先级等级业务时延产生影响。

基于QoS自适应的星载光突发交换汇聚算法流程如图4所示，单次突发数据包的汇聚过程如下：

（1）初始化定时器、计数器，设定初始的长度门限Lth和时间门限Tth；

（2）IP包进入队列后读取其QoS等级，根据QoS等级计算权重系数α=f(QoS)，并根据权重系数更新定时器门限Lth=α×Tth；

（3）如果定时器到达汇聚时间门限Tth，则完成本次突发汇聚；

（4）如果定时器未达到Tth，而队列长度超过长度门限Lth，则完成本次突发汇聚；

（5）若过程（3）、（4）均未满足条件，则重复过程（2），直至完成本次突发汇聚。

图4 基于QoS自适应的星载光突发交换汇聚算法流程图

其中考虑到算法在后续过程中不引入额外的信令开销，因此通过权重系数α对QoS等级较低的业务加入惩罚机制，对QoS等级较高的业务采用奖励机制，从而均衡新算法与传统算法之间信令开销的差距。

考虑到实际业务中低QoS的业务较多，因此在设定惩罚-奖励机制时，惩罚部分衰减系数较低，而随着业务等级的提高，奖励部分的增益系数应当成指数增长，所以采用指数函数作为惩罚-奖励的目标函数，如式(12)所示，通过无额外信令开销情况下相应的a、b拟合出所需的目标函数α：

其中，α决定了截取区间的中间值，b决定了截取区间的宽度。在后续的仿真中将通过范围内循环检索的方式寻找符合场景的最优a、b值。

4 仿真分析

为验证基于QoS自适应的星载光突发交换汇聚算法的性能，本文分别在高时间优先级业务较多和高时间优先级业务较少的两个场景下开展仿真分析。假设单波长信道数据速率为10 Gb/s，IP包的到达时间服从参数为7 μs的泊松分布，包长服从参数为1250 Byte的指数分布，汇聚时间门限初始值为100 μs，长度门限为20 000 Byte，业务的QoS等级分为1～4级，其中QoS等级越高对应业务的时间优先级越高。

在参数选取时应当考虑以下约束条件：

（1）两种算法的信令开销相同，表现为相同数量的突发包所汇聚的IP业务个数基本相同，即∑K1i=∑K2i，其中{K1i}、{K2i}分别为相同突发包数量下传统算法中IP包的个数和优化算法中IP包的个数。

（2）更新的时间门限存在一个范围(Tmin, Tmax)，表现为对于Tth变化范围的约束，避免业务的时延抖动过大。

通过以上约束，可以得到一组最优的a、b，使得设定的目标函数满足最终的优化效果。

在高时间优先级业务较多的场景下，文章通过连续采样一定数量的突发数据包来分析汇聚算法的性能。其中定义突发数据包归一化QoS权值为单个突发数据包内所有IP包的优先级加权平均值，用于表征突发数据包的优先级。

在优先级由低到高（1～4）业务比例为4：3：2：1的场景下进行验证，取不同的b，在确定b的条件下循环选取参数，通过搜寻使两种算法在同样突发数据包数量下所汇聚的IP包总数量之差尽可能小（即|△k|最小时）的a作为最优结果（如表1所示），此时与传统算法之间无信令开销的差距，保证了算法的公平性。

表1 不同b值下的最优a值及汇聚时延差

其中，△High表示QA-MBMAP算法与传统算法中高优先级突发数据包的平均汇聚时延差，△Ave表示两种算法的整体汇聚时延差。传统算法下高优先级突发数据包的平均汇聚时延为89.501 8 μs，整体平均汇聚时延为89.340 0 μs，采用传统算法的300个突发包中汇聚了3 780个IP包。

计算可知在最优的a、b情况下，对于不同QoS（1～4）所对应的奖惩权重a的值，如图5所示。其中当a＞1时即为惩罚权重，会适当地延长汇聚门限；a＜1时为奖励权重，能够适当降低汇聚门限。

图5 最优的a、b下不同QoS业务的奖惩权重a值

同时考虑各种b值下对应的最高与最低门限的变换量，从而得出时延变化的范围，考虑到过高或者过低的门限，在之后会产生较大的时延抖动从而带来额外影响，初步考虑选取a、b得到的汇聚时间门限的最值应当满足0.5Tth～2Tth（50 μs～200 μs）。由图6可知，当取b≥20时，时间门限的最值能满足设定的边界，所以在之后的仿真中选取b=20、50的情况做进一步分析。

图6 不同a、b下的汇聚时间门限最值

图7 （a）所示为b=20的情况下的汇聚时延与突发数据包归一化QoS权值之间的关系，可以看出两者的变化趋势是呈反向的，对于归一化QoS权值较大的突发数据包，其汇聚时延相对较小；对于归一化QoS权值较小的突发数据包，其汇聚时延相对较大。其中，在采样点21、36处有汇聚时延与归一化QoS权值变化趋势不匹配的畸点，这是由汇聚过程中触发了汇聚长度门限导致的。图7（b）所示为b=50的情况，其中的畸点产生原因与b=20的情况下的原因相同。

QA-MBMAP算法与传统MBMAP算法的汇聚时延（b=20、50）对比如图8所示。其中传统算法的平均汇聚时延相比于传统MBMAP算法，整体基本没有差距。对于QoS级别较高（归一化QoS权值大于2）的突发数据包，当b=20时汇聚时延最大能降低9.06%。QAMBMAP算法可以有效降低高时间优先级业务的汇聚时延，同时低优先级业务的汇聚时延也得到了保障。

由仿真结果可知，本文提出的基于QoS自适应的星载光突发交换汇聚算法在不同场景下均能表现出优良的性能，不仅可以有效降低高优先级业务的汇聚时延，还保障了低优先级业务的汇聚时延。