基于5G的智慧校园网络性能的研究

吴荣生

（漳州职业技术学院，福建 漳州 363000）

智慧校园是一种能够全方位涵盖校园各个场景的智慧型校园[1].校园网络有其特殊性：校园师生上下课有规律、人口密度大且相对集中、数据访问需要大流量且容易形成高峰期、师生对网络性能要求高.在5G支撑下的智慧校园，不仅能够使用校园WiFi高速率访问校园资源，也实现了校园网络的移动互联，但智慧校园网络的数据量和数据节点也会成几何数增长.

5G应用的一个显著特点，就是让网络性能要求高的应用尽可能放在网络边缘进行处理[2-4].通过网络切片技术把一个物理网络分成多个虚拟的逻辑网络，每个虚拟逻辑网络对应不同的应用，能实现每种应用的差别化处理，在靠近边缘点就能区分出应用对应的虚拟逻辑网络并进行处理，是一种分布式的网络部署方式，灵活性很高.只要能够对网络具体应用定义出相应的性能需求指标，就能够切出相应的业务片[5]，所以在5G支撑下的智慧校园网络架构，应用系统可拆分成多个子应用系统，可将敏感型应用下放到网络边缘计算节点进行处理.通过网络切片和边缘计算技术，能解决智慧校园数据量大、数据节点多带来的网络性能的影响.

边缘计算是在更靠近终端用户的地方提供网络、计算、存储一体的服务，能够实时处理和分析数据，在靠近用户的网络边缘提供云计算能力和IT服务的环境[6-8].其核心原则是在网络的边缘部署网络边缘计算节点[9-10].

1 5G智慧校园模型化的可行性

从智慧校园中的业务应用性能来看, 智慧校园中的业务应用不同，其网络性能指标也不同，比如视频点播和直播业务，根据华为的数据显示，VR点播业务要求100 Mb/s以上带宽，直播业务的为84 Mb/s左右[11]；比如视频监控业务，对于非图像类设备网络带宽的要求从50 Kb/s 到200 Kb/s 不等，时延在100 ms 以内，对于720 P要求的视频监控，其带宽要求2 Mb/s，时延不超400 ms就可以了.根据边缘计算的原则，所有的应用处理都放在网络边缘节点进行处理，因边缘设备数量多，花费的成本高.反之，把应用处理往上层网络或者核心网络设备进行处理，虽说核心网络节点相对边缘节点来说需要部署的设备数量少，但核心网络对应用处理不及时就会成瓶颈，特别是对敏感型业务无法提供性能保障.针对智慧校园中网络节点数量多、连接复杂、各个链路性能差异也比较大的情况，研究如何科学部署网络边缘计算节点，针对业务应用的网络性能和经济成本如何达到一个平衡的状态，是有一定意义的.

从网络架构模型的角度上看，网络架构的任何一个节点，在满足应用性能要求的基础上，都可以作为部署网络计算节点的候选节点，所以必定存在一种保证校园应用性能和经济成本达到一个相对平衡状态的一种部署方案.

在此提出一种通过数学建模的方法，通过对网络架构的模型化，以应用性能要求为要素，兼顾网络架构的性能状况（如链路的带宽、时延等）和经济成本的因素，哪些应用的计算尽可能下放到网络边缘节点处理，哪些应用的计算尽量往核心网络节点处理，通过计算得出边缘网络计算节点部署的优选方案.

2 数学模型的构建

2.1 建立应用模型

5G支撑下的智慧校园网络，网络架构会考虑原有数字网络的架构，保留原有校园网络的主干部分，增加部分移动互联设备，所以现在主要采用的还是树状结构的核心层、汇聚层、接入层三层的组网方式，如图1.

图1 智慧校园网络架构图

为了兼顾以后的发展，在建模的过程中将网络架构模型化为网状的组网方式（树形结构是网状结构的特例）.因此，一个由N个网络节点构成的校园网络，每个网络节点的连接情况可以用一个N阶矩阵CON来表示，用于表示各个网络节点之间的物理连接和逻辑连接的性能情况，其中Cij表示i节点和j节点间的性能数值，比如是描述带宽则Cij表示i节点和j节点间的链路带宽，对网络架构中所有节点按照权值进行计算，当i=j时，Cij=0；当i与j之间无任何连接关联时，Cij的值为无穷大，具体公式如下：

智慧校园的应用种类多，比如点播、直播、视频监控、在线课程等，在进行数学建模的过程中，一般不采用这种分类方式，尽可能采用对业务描述更为精准的性能指标的分类方式，具体建模如下：

（1）将某种具体业务对比网络性能的需求，进一步细分为若干个子业务应用，APP={a1a2…ai}；

（2）对每个子业务应用的性能指标赋予具体数值，描述P-appi={pbi,pli,pdi,pri}，表示这个子业务应用的带宽、时延、应用密度、可靠性的要求，具体公式如下：

（3）在进行网络架构部署时，需要对经济成本进行考虑.5G的智慧校园中网络节点数量多、连接复杂，这无形中会增加经济成本，因此，在满足网络性能的前提下，尽可能把业务处理往核心网络收敛，这样可以减少网络节点的数量，降低经济成本.因此，对网络节点的位置建立数学模型，该模型可以用一个2*N 的矩阵NP来表示，具体公式如下：

其中i表示网络节点编号，若：

n1i=4，表示节点i在核心层网络节点上；

n1i=3，表示节点i在汇聚层网络节点上；

n1i=2，表示节点i在离汇聚层最接近的接入层的网络节点上；

n1i=1，表示节点i在接入层网络节点上；

n1i=0，表示节点i无业务下放能.

n2i=0，表示节点i没有直连业务；

n2i=1，表示节点i有直连业务.

2.2 计算模型的建立

（1）设S_K为N*L阶的矩阵，用于描述N个网络节点的网状组网方式下，所有可能部署边缘计算节点的组合，其中矩阵第j列表示第j种组合下有哪些节点的构成，具体矩阵如下：

其中：

kij=1，表示在第j种情况下i节点能满足性能要求，能部署边缘计算节点；

kij=0，表示在第j种情况下i节点不能满足性能要求，不能部署边缘计算节点；

l=2N，L表示网络节点连接情况的编号.

（2）设S_B为N*L阶的矩阵，用于描述各个网络节点的应用性能的最优值（若是考虑带宽性能，此时表示带宽的最优值），其中矩阵第j列表示第j种网络节点组合下各个节点的最优值，具体矩阵如下：

其中bij表示在第j种网络节点组合i节点的最优性能值，其计算方式如下：

若Kij=1 表明在第j种网络节点组合i节点能满足性能要求，可以部署边缘计算节点，bij等于性能的最优值，如bij=1代表的是时延性能时，bij=0；

若kij=0 表明在第j种网络节点组合i节点不能满足性能要求，bij的值t需要通过计算得到一个性能最优值.用矩阵K第j列的每一项与对应矩阵CON第i行的每一项相乘，取非0的最接近性能要求的值作为bij的性能最优值（t有称为有效性能最优值）.

（3）在对具体应用进行网络切片时，相应会定义应用的性能指标，假设应用的性能指标为T，只要矩阵S_B中第j列的所有bi性能值都优于T，就可以认为矩阵CON第j列网络节点组合能达到业务性能的要求，可以作为边缘计算节点的部署方式.

根据上述规则，会出现很多种边缘计算节点的部署方式，从边缘计算节点部署方式中选取矩阵CON中使用网络节点数量最少的节点组合，构造C_K矩阵，具体矩阵如下：

（4）设R为1*L的矩阵，用于描述在C_K矩阵的基础上，考虑网络节点所在位置的情况，在满足业务性能的前提下，进一步计算经济成本，其公式如下：

根据经济成本的考虑，部署边缘计算节点数越少越好，则n1j的值则要越高越好，尽可能往核心层收敛，在矩阵R中找出最大值设其为值Z，根据Z所在矩阵C_K的列ckiz构成的矩阵，就是此模型选出的边缘计算节点部署的最优方案.

3 数学模型的验证

针对上述的数学建模方法，以Matlab2016a软件为分析计算工具，实现对智慧校园网络建模与计算.

设图2所示的是一智慧校园网络架构，由9个网络节点构成并用数字1～9进行了编号，采用树形连接，网络节点间的直连线表示节点间能够连通，连线上的值表示节点之间的性能花费，在这个例子中性能花费为节点之间的时延值，跨越节点的时延值遵循最短路径原则进行计算.该智慧校园网络应用分成两个子应用，子应用a1对性能要求不敏感，时延不超过400 ms；子应用a2对时延要求比较高，时延不超过4 ms.按照网络边缘计算节点部署的原则，节点1至节点4属于网络边缘，对于子应用a1和a2都需要在节点1至节点4部署边缘计算节点.

图2 智慧校园网络拓扑图

根据本文提出的建模方法，针对上述假设条件，各个相关矩阵的数值如下：

通过Matlab软件计算得出，S_K是一个9*512的矩阵，因其数据较多，仅列出部分数据.

经过对上述数据的计算：

（1）对时延要求比较低（时延不超过400 ms）子应用a1，其矩阵B中有511种组合方式符合应用性能的要求，所有符合应用性能要求的节点组合中节点数最少的是1个节点，C_K矩阵中数据如下：

在矩阵R中最大值为4，在C_K矩阵中对应第1列，所以该列的节点组合就是此模型选出的边缘计算节点部署的最优方案，即将网络边缘计算节点设置在9号节点.

（2）对时延要求比较高（时延不超过4 ms）子应用a2，其矩阵B中有345种组合方式都符合网络性能的要求，所有符合应用性能要求的节点组合中节点数最少的是2个节点，C_K矩阵中数据如下：

在矩阵R中最大值为5，在C_K矩阵中对应第1列，所以该列的节点组合就是此模型选出的边缘计算节点部署的最优方案，即将网络边缘计算节点设置在7/8号节点.

针对上述的例子，根据边缘计算核心原则，在网络的边缘部署网络边缘计算节点，对于业务a1 和业务a2，节点1、节点2、节点3、节点4是边缘计算节点，保证终端用户的时延性能满足业务要求.5G网络中，其空口条件下时延为1 ms内.

通过数学建模的方式计算的部署方案，对于业务a1，在满足业务性能要求的基础上，将网络边缘计算节点设置在9 号节点，此时时延为终端到节点9 的权值相加（＜8 ms），远低于业务所要求的400 ms；对于业务a2，可将网络边缘计算节点设置在7、8号节点，此时延为终端到节点7的权值相加（＜3 ms）和终端到节点8的权值相加（＜3.5 ms），这两个时延也比业务要求的时延低.时延性能数据对比如下：

表1 节点数与时延性能的比较

通过上表可以看出，本文提出的建模方法，在性能上与在网络边缘都布置计算节点相比，性能会有所降低，但也是能满足性能要求的，本文提出把边缘计算节点的功能往核心层的方向靠拢，部署的边缘计算节点少，在业务a1中，需要部署4个边缘计算节点，采用此方法可只需要在节点9部署即可，在智慧校园部署中能达到降低成本的目的.

4 结束语

针对智慧校园满足应用性能的基础上，如何部署网络边缘计算节点，提出数学建模的方法，针对不同的应用，通过对网络架构的模型化，以应用性能要求为要素，兼顾网络架构的性能状况和经济成本的因素，计算出应用计算节点部署的优选方案，使校园应用性能和经济成本达到一个相对平衡的状态.

此模型因数据计算量大，比较适合中小规模的网络，特别是对高职院校的智慧校园建设中应用性能和成本估算有一定的参考价值.