一种C-RAN网络中的资源分配系统及任务/业务调度方法

摘要

本发明公开了一种C-RAN网络中的资源分配系统及任务/业务调度方法，其创新点在于，包括以下步骤：(1)建立基于C-RAN网络特性的计算和通信资源相结合的资源分配体系；(2)建立基带资源池(BBU)负载预测机制，得到所需的虚拟机配置规模；(3)根据系统中任务/业务的QoS特性建立对应的任务分类机制；(4)计算每个任务所需的计算资源和通信资源；(5)通过虚拟机的动态调度机制将任务/业务分配到最优的虚拟机上。本发明的方法能够满足用户任务/业务的QoS要求，同时通过预测机制，以使用较小的虚拟机资源变化量，达到BBU内多种物理资源均匀分配的目的。

说明书

技术领域

本发明涉及虚拟化技术领域，具体涉及C-RAN(CloudRadio  AccessNetwork)网络中的资源分配系统以及任务/业务调度方法。 本发明适用于解决在C-RAN架构下，拥有不同服务质量(Qualityof  Service，QoS)要求的任务/业务的资源分配问题。

背景技术

在传统的网络应用服务中，数据中心提供以整机为基本单位的服 务器租赁服务，由于资源分配的粗粒度，造成数据中心服务器的负载 不均衡，能耗较高，并且无法灵活分配资源。

而C-RAN是基于集中化处理、协作式无线电和实时云架构的绿色 无线接入网构架，它主要包含三个部分：分布式无线网络，由远端无 线射频单元(RadioRemoteUnit,RRU)和天线组成；集中式基带处理 池(BaseBandUnit,BBU)，由加载实时虚拟技术的高性能通用处理 器组成；光纤环网，用高带宽低延迟的光传输网络来连接远端无线射 频单元和集中式基带处理池。集中式基带处理池内通过采用虚拟化技 术，以虚拟机(VirtualMachine，VM)取代传统的基站的功能，成为 数据中心的基本服务单元。这样的改变可以提高用户访问的服务质 量，同时降低网络流量。

集中式基带处理池由高性能通用处理器组成，通过实时的虚拟化 技术连接在一起，集合成具有强大处理能力的基带资源池，来为每个 虚拟机基站提供所需的处理性能需求。集中化基带处理可以保证资源 共享，即虚拟基站可以在集中式基带处理池中共享所有用户发送和接 收的信息、业务数据和信道质量等信息，从而实现联合处理和动态调 度，增强了集中式基带处理池整体运行的可靠性。不同时刻不同远端 无线射频单元小区的负载会有差异，这种差异将导致每个虚拟基站申 请计算资源量的变化。而合理的动态资源分配算法可承载更多的负 载，有效提高系统资源利用率。

现有的任务/业务调度方法主要针对最大化剩余资源量、最小化 通信负载、减少功耗等。然而从用户的角度来说，不同的任务/业务 有不同的服务质量要求，而只有基于服务质量约束的虚拟机映射方 式，才能在满足任务需求的同时，保持系统物理资源的高利用率。

发明内容

针对现有技术的不足，本发明提出了一种C-RAN网络中的资源分 配系统及任务/业务调度方法。

鉴于任务/业务的多样性，本发明根据任务的服务质量特性，提 供一种在C-RAN网络中计算和通信资源相结合的分配系统以及任务/ 业务调度方法。

进一步地，本发明可以保证任务的时延约束，同时达到集中式基 带处理池内多种物理资源均匀分配的目的。

本发明的基本思路，首先根据集中式基带处理池内的预测模型得 到某一时刻的负载波动范围；然后利用预测结果适当地调整虚拟机队 列；同时根据任务的服务质量约束为任务分类，更新任务队列；动态 地调度任务到最优的虚拟机上。

为实现上述目的，本发明采用的技术方案如下：

一种C-RAN网络中的资源分配系统及任务/业务调度方法，所述 一种C-RAN网络中的资源分配系统包括：

集中式基带处理池负载预测模块：预测集中式基带处理池中工作 负载的波动区间，并把预测的结果汇报给所述虚拟机管理模块，提供 虚拟机添加或删除的依据。

虚拟机队列：维护和监控所有虚拟机的状态，给任务/业务调度 模块提供调度依据。

虚拟机管理模块：监控虚拟机队列中物理资源(如CPU、内存和 带宽)的平均利用率。

任务/业务调度模块：根据特定任务的应用请求，在可用的虚拟 机队列中找到满足调度目标的虚拟机并将其分配给该任务。

任务/业务管理模块：根据任务的服务质量特性对其进行分类处 理，得到不同任务关于虚拟机位置的放置约束条件；任务加载在不同 虚拟机上的时候，可能会涉及数据交换，此时需要占用系统内部带宽， 为了避免底层网络通信链路的拥塞，最小化通信负载，也就是要尽量 减少为任务队列服务的所有虚拟机之间数据交换的次数。

任务队列：管理分类后的任务请求，即按照先后到达顺序排列， 等待任务/业务调度模块的处理。

需要说明的是，所述任务/业务调度方法包括如下步骤：

步骤1，到达预测时间点时，集中式基带处理池负载预测模块进 行负载预测过程，具体步骤为：

步骤1.1，利用远端无线射频单元负载量在时间上的周期性变化 规律得到长期预测平均值，即以T₁为预测时间点，找到每个远端无线 射频单元小区工作负载的统计范围，得到一个负载量的平均参数；

步骤1.2，如果到达预测时间点，则进行负载预测过程，否则保 持虚拟机的配置不变；

步骤1.3，比较预测点的平均负载情况和前一时刻的负载情况， 如果为上升趋势，需调整增加值，即下一时刻负载为平均负载加上短 期修正值；如果为下降趋势，需调整减小值，即下一时刻负载为平均 负载减去短期修正值；

步骤1.4，利用动态趋势预测的策略得到短期的修正值，例如采 用一阶自回归模型，以T₂为预测的基本时间段，得到T₂时段内的短期 预测值，用以修正长期负载预测的结果；

需要进一步说明的是，CPU和内存是虚拟机所独有的资源，可以 进行预测，而带宽属于公有资源，采用适量调节的方法，所述步骤1 中的短期预测模型只包括虚拟机独有的CPU和内存，即：

X_cpu(t)＝b₁₁X_cpu(t-1)+b₁₂X_mem(t-1)+β_cpuε(t)

X_mem(t)＝b₂₁X_cpu(t-1)+b₂₂X_mem(t-1)+β_memε(t)

其中X_cpu、X_mem分别表示CPU和内存的使用量，ε(t)为白噪声， b₁₁、b₁₂、b₂₁、b₂₂为调整因子；比较预测点的平均负载情况和前一时刻的 负载情况，如果为上升趋势，需调整增加值，即下一时刻负载为平均 负载加上短期修正值；如果为下降趋势，需调整减小值，即下一时刻 负载为平均负载减去短期修正值。

步骤2，所述虚拟机管理模块根据集中式基带处理池负载预测得 到的结果，虚拟机管理模块动态地调整所述虚拟机队列，同时监控开 启的虚拟机队列的物理资源(CPU、内存和带宽)的平均利用率 $(1/N){\Sigma }_{J=1}^N({\omega }_{\mathrm{cpu}}{r}_{\mathrm{cpu},j}+{\omega }_{\mathrm{mem}}{r}_{\mathrm{mem},j}+{\omega }_{\mathrm{bwd}}{r}_{\mathrm{bwd},j}),$其中，N表示集中式基带处理 池中处于使用状态的虚拟机数目，ω表示每种资源的权重，用于均衡 多维的资源利用率，避免某一种资源占用率高，其中，r_cpu,j、r_mem,j、r_bwd,j分别表示虚拟机j在CPU、内存和带宽上的资源利用率(即已使用资 源与总资源的比值)，r_th,cpu、r_th,mem、r_th,bwd分别表示虚拟机所能承受的不 同资源利用率的标准上限，ω_cpu＝r_th,cpu-r_cpu,j，ω_mem＝r_th,mem-r_mem,j， ω_bwd＝r_th,bwd-r_bwd,j，当开启的虚拟机队列的平均利用率低于所设定的预 阈值时，使用智能优化方法更新虚拟机的分配方式，从而尽可能地使 用户任务集中运行，使剩余的物理资源可以接收更多的任务请求，若 开启的虚拟机队列的平均利用率高于所设定的阈值，则添加新的虚拟 机进入所述虚拟机队列以增加物理资源量；

步骤3，所述任务/业务管理模块把当前等待处理的任务按照需 求的带宽资源分为K类，并按照占用带宽高的类到占用带宽低的类进 行排序，用distance(VM_i1,VM_i2)表示为任务i服务的虚拟机VM₁与VM₂之 间通信传输交换的次数，交换的次数越多，占用的链路带宽就越大， 因此有高带宽需求的任务应该尽量加载到邻近的虚拟机上，以减少需 要交换的次数；

需要进一步说明的是，在步骤3中，任务的放置约束条件表达式 为：

$\max \left\{\mathrm{dis}\tan \mathrm{ce}({\mathrm{VM}}_{i1},{\mathrm{VM}}_{i2})\right\}·\bar{T}\le d_i·\bar{T}=T_i,\forall i$

其中，不同虚拟机之间每次交换的平均时延为T_i为任务可以容忍 的最大时延；在处理任务映射的时候，d_i也可以作为一个虚拟机放置 的上限，通过调节d_i的大小来实现链路负载和资源利用率的平衡。

步骤4，当任务向虚拟机管理器发送请求的时候，所述虚拟机管 理器根据任务在CPU和内存方面的需求，在可用的虚拟机队列中查找 当前虚拟机资源是否可以满足任务请求，其中：

步骤4.1，如果可以满足，那么将该虚拟机分配给这个任务；如 果不可以被满足，那么重新开启一个虚拟机，并将新的虚拟机加入虚 拟机队列；

步骤4.2，当任务请求完成，向虚拟机发送释放请求时，更新虚 拟机剩余资源，销毁闲置的虚拟机；

步骤5，更新虚拟机队列以及任务队列。

本发明的有益效果在于：一方面，本发明利用预测模型得到集中 式基带处理池中负载的变化量，合理动态的调度虚拟机；另一方面， 本发明能够根据任务的不同时延特性，进行分类处理，合理的放置在 虚拟机上，最小化通信链路负载。除此之外，本发明以均衡多种资源 的利用率为目标，通过调节每种资源的权重值，达到合理使用物理资 源的目标。

附图说明

图1为本发明方法的系统模型示意图；

图2为本发明方法的预测过程示意图。

具体实施方式

下面将结合附图对本发明作进一步的描述，需要说明的是，本实 施例以本技术方案为前提进行实施，但并不限于实施例。

如图1所示，本发明为一种C-RAN网络中的资源分配系统及任务 /业务调度方法，所述C-RAN网络中的资源分配系统包括集中式基带 处理池负载预测模块、虚拟机队列、虚拟机管理模块、任务/业务调 度模块、任务/业务管理模块和任务队列，其中：

集中式基带处理池负载预测模块根据预测模型得到下一时刻的 负载波动范围，虚拟机管理模块根据预测结果动态地调整虚拟机队 列；同时任务/业务管理模块根据任务的服务质量特性为其分类；最 后任务/业务调度模块以均匀分配三种物理资源为目标，将每个任务 动态地放置到最优的虚拟机上；

具体实施步骤为：

步骤1，根据图2所示流程，集中式基带处理池预测过程为：

步骤1.1，利用远端无线射频单元小区负载量在时间上的周期性 变化规律得到长期预测平均值，即以T₁为预测时间点，例如，T₁＝1hour， 找到每个远端无线射频单元小区统计上的工作负载范围，得到一个负 载量的平均参数；

步骤1.2，如果到达预测时间点，则进行负载预测过程，否则保 持虚拟机的配置不变；

步骤1.3，比较预测点的平均负载情况和前一时刻的负载情况， 如果为上升趋势，需调整增加值，即下一时刻负载为平均负载加上短 期修正值；如果为下降趋势，需调整减小值，即下一时刻负载为平均 负载减去短期修正值；

步骤1.4，采用短期预测模型，以T₂为预测的基本时间段，例如， T₂＝15min，得到一个时段内的短期预测值，例如，采用一阶自回归模 型得到X_cpu(t)＝b₁₁X_cpu(t-1)+b₁₂X_mem(t-1)+β_cpuε(t)， X_mem(t)＝b₂₁X_cpu(t-1)+b₂₂X_mem(t-1)+β_memε(t)，其中X_cpu、X_mem分别表示CPU和内存 的使用量，ε(t)为白噪声，b₁₁、b₁₂、b₂₁、b₂₂为调整因子；

步骤2，根据集中式基带处理池负载预测得到的结果，所述虚拟 机管理模块适当地调整虚拟机队列，其中

步骤2.1，若剩余资源不足则添加新的虚拟机到虚拟机队列中， 否则关闭闲置的虚拟机；

步骤2.2，监控开启的虚拟机队列的物理资源(CPU、内存和带 宽)的平均利用率$(1/N){\Sigma }_{J=1}^N({\omega }_{\mathrm{cpu}}{r}_{\mathrm{cpu},j}+{\omega }_{\mathrm{mem}}{r}_{\mathrm{mem},j}+{\omega }_{\mathrm{bwd}}{r}_{\mathrm{bwd},j}),$其中，N表 示集中式基带处理池中处于使用状态的虚拟机数目，ω表示每种资源 的优先级，r_cpu,j、r_mem,j、r_bwd,j分别表示虚拟机j在CPU、内存和带宽上的 资源利用率(即已使用资源与总资源的比值)，r_th,cpu、r_th,mem、r_th,bwd分别 表示虚拟机所能承受的不同资源利用率的标准上限，ω_cpu＝r_th,cpu-r_cpu,j， ω_mem＝r_th,mem-r_mem,j，ω_bwd＝r_th,bwd-r_bwd,j，当开启的虚拟机队列的平均利用 率低于所设定的预阈值时，使用智能搜索算法，例如遗传算法，将所 有正在运行的虚拟机重新分配给任务，从而尽可能地使任务集中运 行，使剩余的物理资源可以接收更多的任务请求，若开启的虚拟机队 列的平均利用率高于所设定的阈值，则添加新的虚拟机进入所述虚拟 机队列以增加物理资源量；

步骤3，所述任务/业务管理模块把当前等待处理的任务按照需 求的带宽资源分为K类，并按照占用带宽高的类到占用带宽低的类进 行排序，任务的放置约束为$\max \left\{\mathrm{dis}\tan \mathrm{ce}({\mathrm{VM}}_{i1},{\mathrm{VM}}_{i2})\right\}·\bar{T}\le d_i·\bar{T}=T_i,\forall i$其 中distance(VM_i1,VM_i2)表示为任务i服务的虚拟机VM₁与VM₂之间通信 传输交换的次数，T为不同虚拟机之间每次交换的平均时延，T_i为任 务可以容忍的最大时延，而交换的次数越多，占用的链路带宽就越大， 因此有高带宽需求的任务应该尽量加载到邻近的虚拟机上，以减少需 要交换的次数；

步骤4，当任务向虚拟机管理器发送请求的时候，所述任务/业 务调度模块根据任务在CPU和内存方面的需求，在可用的虚拟机队列 中查找当前虚拟机资源是否可以满足任务请求，其中

步骤4.1，如果可以满足，那么将该虚拟机分配给这个任务；如 果不可以被满足，那么重新开启一个虚拟机，并将新的虚拟机加入所 述虚拟机队列；

步骤4.2，当任务请求完成，向虚拟机发送释放请求时，更新虚 拟机剩余资源，销毁闲置的虚拟机；

步骤5，更新所述虚拟机队列以及所述任务队列。

对于本领域的技术人员来说，可根据以上技术方案以及构思，做 出其它各种相应的改变和变形，而所有的这些改变和变形都应该属于 本发明权利要求的保护范围之内。