5G核心网负载均衡算法研究

作者:中国移动通信集团广东有限公司 邓羽 责任编辑:朱文凤 2021.09.17 15:41 来源:通信世界全媒体

通信世界网消息(CWW)5G核心网以其云边协同、转控分离以及弹性的组网架构,对负载均衡策略提出了新的要求。传统的负载均衡算法大都基于网络现有的能力,并不能对网络优化结果提出合理的资源申请方案。本文研究了基于SDN多控制器云边协同在线分布式负载均衡算法,该算法将在线学习的分布式文件分发方案与k-means++聚类算法进行模型的结合,在实现链路均衡的同时,实现了云边协同环境下边缘资源能力的负载均衡,提升了5G核心网对mMTC、uRLLC的支持能力。

5G核心网负载均衡面临新挑战

与4G相比,5G网络具有更高的数据传输速率,可满足业务低时延的要求,且具有更高的能源利用效率。因此,5G核心网更关注网络能力的提升,支持多样化的多媒体应用,更加关注应用的落地和创新。5G核心网这些功能的提升对其资源调度能力带来更高的挑战。为保障5G网络运营效率和服务质量,负载均衡策略的选择起着基础性的作用,面向资源调度能力的负载均衡策略一直是5G核心网的重要研究方向之一。

传统的负载均衡算法包括静态负载均衡算法、动态负载均衡算法,静态负载均衡算法只注重系统的静态特性,而不关注系统的状态信息,收集的信息往往包括设备的内存、处理能力和性能等。在动态负载均衡算法中,状态信息的收集主要来源于系统当前的状态,根据动态获取的节点当前状态做出决策。动态均衡算法综合了设备的性能和当前设备的处理能力,达到了更好的负载均衡效果。

为满足5G核心网的需要,有人研究了基于SDN控制器的流量调度策略以及其改进的算法,实践证明,该算法能够提高融合网络的平均链路利用率和吞吐率。但是上述负载均衡算法是基于最小代价法来实现的,很少考虑到业务流量和5G核心网分布式架构特性。有效的负载均衡策略是5G网络运营效率和服务质量的保障,5G核心网以其独特的服务化架构区别于4G核心网,这一特性使得5G核心网在做负载均衡策略时可以输入多个指标参数,与此同时,5G核心网分布式部署架构对负载均衡策略也提出了全局化的要求。

5G核心网负载均衡算法研究

基于k-means++聚类算法模型建立

针对5G网络三大应用场景,5G核心网采用分布式、转控分离及基于服务接口的网络体系结构。因此,5G核心网负载均衡算法需要解决云边协同、物联网巨大数据量均衡问题。

为做到5G核心网负载均衡算法全局可控,本文提出了基于分布式SDN负载均衡策略,依据网络动态数据产生SDN控制器,且可以分布于边缘计算,以适应5G核心网针对mMTC、uRLLC的应用场景的负载均衡的要求。传统的多控制器产生依赖于k-means算法,它是一种无监督的聚类算法,此算法的准确性依赖于数据初始值的选择,这不适应复杂网络环境的应用。在实际的网络划分中,聚类结果的产生代表了将网络划分为K个类型,在SDN网络中可以代表K个控制器。针对k-means算法由于初始值选择导致聚类结果不一的问题,研究人员提出了一种改进算法k-means++,在初始聚类中心的选择上,该算法将距离较远的节点作为初始聚类中心,并且节点的选择即为当前网络状态,计算中距离越大下次迭代作为新的聚类中心的可能性越大,直至聚类中心不再发生变化,则完成聚类中心的选择,随后根据产生的聚类中心对网络进行分类,产生SDN控制器。

SDN控制器的产生基于k-means++聚类算法,将分布式核心网架构网络拓扑抽象为无向图,将控制器部署问题抽象为基于无向图的最短路径优先问题,将链路带宽、输出时延、设备目前CPU的占用率、QoS的保障作为统计参数,建立聚类算法的矩阵,以k-means++聚类算法进行模式识别,将模式识别算法的聚类结果作为控制器数量选择的依据,这样能根据网络当前状态合理地确定多控制器的数量。SDN控制器确定后,将策略下发至相应的控制器,完成负载均衡的过程,将网络中的流量合理地分配到网络设备,此算法能满足5G核心网突发流量的需求,增强了网络的健壮性。

基于云边协同对k-means++聚类算法进行优化

3GPP将5G核心网络定义为一个可分解的网络体系结构,5G核心网CUPS架构通过集中控制平面功能(SMF)进行集中控制,通过用户平面功能(UPF)将数据分配到边缘数据中心,边缘数据中心MEC存储资源及计算资源的合理确定,与中心云如何实现全局的负载均衡是该算法可以解决的主要问题。

为实现基于k-means++聚类算法模型的快速收敛,满足5G核心网在智能交通、自动驾驶以及增强现实方面的应用,本文将网络设备边缘计算部署中存储资源、计算能力的分配情况纳入到k-means++聚类算法的参数中,可解决基于k-means++聚类算法的快速收敛问题,形成基于MEC的局部负载均衡控制器,局部负载均衡控制器将信息上报至全局SDN控制器。

为解决大流量突发的情况,此算法与在线学习分布式文件分发方案联合使用,可产生优化缓存协作域,产生优化协作域可向5G核心网控制层申请更多的网络资源,产生的新优化缓存协作域可作为k-means++聚类算法的参数,重新对网络负载进行均衡计算。两个算法的联合可以将不同的计算能力和存储能力有效地在网络中进行分配,结合SDN控制器可实现网络和服务的弹性化管理,将计算任务、数据流量以及存储空间进行合理利用,适应5G核心网弹性化组网需求。

基于SDN多控制器云边协同在线分布式负载均衡算法的应用

基于SDN多控制器云边协同在线分布式负载均衡算法在非峰值时段向中心云申请边缘计算节点能力,使其满足忙时系统能力的需求。在系统忙时主要采用基于k-means++聚类算法进行模型的建立,产生基于聚类分布的控制器数量,选出1~2个SDN控制器作为全局SDN控制器,优先在MEC场景上实现负载均衡。若局部MEC负载均衡无法满足时,可通过全局SDN控制器协调临近的MEC边缘计算节点接管部分服务,实现网络可伸缩的弹性服务。因此,多控制器的产生避免了单台SDN设备产生的单点故障问题。

基于在线学习的分布式文件分发方案与k-means++聚类算法进行模型的结合,可实现云边协同网络中计算资源、存储资源的负载均衡,可合理地划分协作域,协作域控制依赖于SDN多控制器的部署,在实现局部最优的情况下,也可以实现全局最优。

为满足5G核心网云边协同弹性化的扩展要求,如何在边缘计算节点有效地分配计算资源和存储资源,也是5G核心网负载均衡算法面临的主要问题之一。5G核心网以其转控分离架构、服务器化的接口部署以及虚拟化的实现方式,为基于k-means++聚类算法在5G核心网应用提供了可能。将在线学习的分布式文件分发方案与于k-means++聚类算法进行模型的结合,实现网络计算资源、存储资源、链路资源以及网络服务模式进行了统一,在实现链路均衡的同时,可实现5G核心网MEC架构下的资源均衡,为5G核心网负载均衡算法提供了借鉴和参考。


通信世界网版权及免责声明:
1、凡本网注明“来源:通信世界全媒体”及标有原创的所有作品,版权均属于通信世界网。未经允许禁止转载、摘编及镜像,违者必究。对于经过授权可以转载我方内容的单位,也必须保持转载文章、图像、音视频的完整性,并完整标注作者信息和本站来源。
2、凡本网注明“来源:XXX(非通信世界网)”的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。
3、如因作品内容、版权和其它问题需要同本网联系的,请在相关作品刊发之日起30日内进行。
发表评论请先登录
...
热点文章
    暂无内容