商用5G网络多方面测量研究及应用QoE的影响：性能、功率、协议配置和移动性模式

610→·对5G的多样化看法：性能，功率和QoE影响Arvind Narayanan <$$>，Xumiao Zhang张旭淼，Ruiyang Zhu朱瑞扬，Ahmad Hassan <$，ShuoweiJin Jin Jin，Xiao Zhu张晓轩，Xiaoxuan Zhang<$，Denis Rybkin<$，Zhengxuan Yang<$，Z.Morley Mao毛磊，Feng Qian<$，Zhi-Li Zhang<$密歇根大学-安阿伯分校摘要受5G快速部署的推动，我们对商用5G网络的性能、功耗和应用体验质量（QoE）进行了深入的测量研究。我们研究了不同的5G运营商、部署方案（非独立、NSA与独立、SA）、无线电频带（毫米波和6 GHz以下）、协议配置（例如，无线电资源控制状态转换）、移动性模式（站、步行、驾驶）、客户端设备（即，用户设备）和上层应用（文件下载、视频流和web浏览）。 我们的研究结果揭示了商用5G在吞吐量、延迟、切换行为、无线电状态转换和无线电功耗方面的关键特征，并与4G/LTE网络进行了详细比较。此外，我们的研究提供了关键的见解，即上层应用程序应如何通过平衡性能和能耗之间的关键权衡，以及通过考虑网络和计算资源 的 可 用 性 ， 最 好 地 利 用 5G 。 我 们 已 经 在https://github.com/SIGCOMM21-5G/artifact上发布了我们研究的数据集和工具。CCS概念• 移动网络;网络测量;网络性能分析.关键词5G，毫米波，网络测量，功率模型，功率特性，能效，延迟，视频流，数据集ACM参考格式：ArvindNarayanan<$$>，Xumiao Zhang张旭淼，Ruiyang Zhu朱瑞扬，Ahmad Hassan<$ ，Shuowei Jin JinJin ，Xiao Zhu 张晓轩，XiaoxuanZhang<$ ， Denis Rybkin<$ ， Zhengxuan Yang<$ ， Z. MorleyMao ，Feng Qian<$，Zhi-Li Zhang<$. 2021. 5G在野外的多样化外观：性能，功率和QoE影响。在ACM SIGCOMM 2021会议（SIGCOMM '21），2021年8月23日至28日，虚拟活动，美国。ACM，纽约，纽约，美国，16页。https://doi.org/10.1145/3452296.3472923* 这些作者对本文的贡献相同通讯作者：arvind@cs.umn.edu，xumiao@umich.edu.允许免费制作本作品的全部或部分的数字或硬拷贝，以供个人或课堂使用，前提是制作或分发副本的目的不是为了盈利或商业利益，并且副本的第一页上有本声明和完整的引用。 本作品的版权归ACM以外的其他人所有，必须予以尊重。允许使用学分进行摘要以其他方式复制、重新发布、在服务器上发布或重新分发到列表中，需要事先获得特定许可和/或付费。请求权限请发邮件至permissions@acm.org。SIGCOMM©2021计算机协会ACM ISBN 978-1-4503-8383-7/21/08。. . 15美元https://doi.org/10.1145/3452296.34729231介绍5G新无线电（NR）规范[20]开放了广泛的频率范围。高频段毫米波（mmWave）5G及其中/低频段6 GHz以下的对应产品构成了当前的5G市场。我们密切关注毫米波5G，因为其超高带宽吸引了新兴的带宽需求应用。 另一方面，毫米波由于其短得多的波长而对诸如移动性和阻塞的因素非常敏感，使得上层网络管理（例如，视频流的比特率自适应）更具挑战性。尽管对毫米波链路的建模和仿真进行了大量研究[27、29、34、35、50、67、68、70]，但毫米波对商用5G性能、功耗以及移动应用体验质量（QoE）的影响在很大程度上尚未得到充分研究。除了物理层创新（例如，大规模MIMO 、高级信道编码等。），省电是5G移动用户最关心的 在蜂窝网络中，这通常通过不同的无线电资源控制（RRC）状态来实现。5G也不例外。 因此，理解商用5G网络的RRC状态机及其含义是重要的。为了缩短上市时间，大多数运营商在初始部署时采用非独立（NSA）模式。NSA利用5G进行数据平面操作，同时将现有的4G基础设施重新用于控制平面操作，使RRC状态机类似于4G。最近，独立（SA）5G部署已经进入商业领域。SA完全独立于传统的4G蜂窝基础设施，充分释放了5G的潜力。状态机中的关键参数的配置导致重要的性能和能量权衡。它们通常是特定于运营商的，并且在NSA和SA部署模式之间可能非常不同。为了了解商用5G网络的端到端性能和功耗特性，以及它们对移动应用的体验质量（QoE）影响，本文对美国的两个商用5G网络进行了全面而深入的测量研究。随着5G技术的发展，其性能预计将随着时间的推移而改善。因此，我们将我们的测量结果与早期的研究进行比较，以获得对5G演进的初步纵向见解。我们还将我们在毫米波上的发现与其低频段对应物进行了比较。 我们的研究面临着一些挑战：5G-NR支持广泛的频谱：低频带，中频带和毫米波。所有这些频带具有不同的性能和信号传播特性。此外，5G可以以SA或NSA模式部署，这进一步影响了性能[30]。 对这样一个异质生态系统进行测量研究是具有挑战性的。ArvindNarayanan，Xumiao Zhang，Ruiyang Zhu，Ahmad Hassan，Shuowei Jin，etal.SIGCOMM611······×·× ×·∼··不同频段和部署模式的覆盖往往是零星的。例如，在信号传播特性差的毫米波的情况下，其大部分部署在室外。确保特定频段5G服务的可用性需要广泛的现场实验。众所周知，在野外评估移动运营商 许多实体可能成为性能瓶颈，包括互联网、移动运营商的基础设施以及终端设备本身。由于mmWave 5G的超高带宽，识别mmWave 5G的瓶颈尤其具有挑战性。5G功率测量并不简单。最先进的硬件功率监测器通常需要稳定的外部电源，这使得移动性实验难以在野外进行。此外，厂商们一直在通过将电池和后盖与主体整合在一起，使智能手机更加“封闭”。需要熟练的工程工作来将现成的5G智能手机连接到电源监视器。将任何商品现货（COTS）5G智能手机连接到电源监视器并进行户外实验并不容易。为了了解5G给移动应用带来的好处，并确定5G的新挑战，我们需要与4G基线进行公平的比较。然而，4G和5G具有非常不同的特性，因此很难以公平，高效和具有代表性的方式进行实验比较。为了应对这些挑战，我们首先建立了一个由商用5G智能手机、外部电源监控器和云服务器组成的整体测试平台 我们进一步开发了一套软件和硬件工具来控制工作负载和物理环境，以及以细粒度的方式记录不同层的重要信息。通过精心设计的实验，我们揭开了当前5G性能、功耗和QoE的神秘面纱，特别强调了毫米波。 我们在4个月内的实验消耗了超过15 TB的蜂窝数据。我们的研究的主要贡献总结如下。我们在多个频段（包括sub-6 GHz和mmWave）上对5G进行了详细的性能测试我们发现，他们的吞吐量和延迟都经历了显着的改善相比，其初始部署。端到端性能与地理属性高度相关。我们量化了这些属性及其对NSA和SA 5G的巨大不同影响。特别是，我们在T-Mobile的SA 5G上进行了实验，该 据我们所知，这是对商用SA 5G性能的首次检查。通过原理性探测算法，我们推断SA 5G（T-Mobile）和NSA 5G（Verizon和T-Mobile）的RRC状态和配置参数 对于依赖4G作为锚 点 的 NSA 5G ， 我 们 发 现 我 们 研 究 中 考 虑 的 载 波 的NR_RRC_CONNECTED到LTE_RRC_IDLE状态转换（由于UE上的数据不活动）比之前的NSA 5G测量研究中研究的能量效率高2倍[59]。我们仔细研究了5G和4G/LTE的功率特性。在下行链路（上行链路）上，5G在低吞吐量下可以比4G低79%（74%）的能量效率，但是当吞吐量高时能量效率高出多达5（2）。 使用数据驱动的方法，我们为5G的不同频段建立了第一个吞吐量和信号强度感知的无线电功率模型。表1：使用两个商业5G运营商收集的数据统计：Verizon和T-Mobile。数据集统计数据5G网络性能测试12，500 +测试的独特服务器157+测量轨迹累计时间2，666分钟+5000 Hz时的功率测量2，336分钟+总行走公里数148.5公里+#真实网页负载测试30，000 +5G智能手机数量（和型号）第七章（三）我们对mmWave 5G 上最先进的自适应视频比特 率自适 应（ ABR ） 算 法 进 行 了 首 次 评 估 ， mmWave 5G 是 支 持超 高 清（UHD）视频及其他视频的关键无线电技术。 我们发现，由于mmWave5G的信号传播特性较差，mmWave 5G上现有的ABR机制可能会比4G/LTE多3.7%至259.5%的停顿时间。 我们为5G视频流提出了简单而有效的接口选择机制。与未修改的流媒体算法相比，它可以在不影响用户感知的视频质量的情况下减少26.9%的视频停顿，我们收集了一个大型数据集，其中包含不同网站的30，000多个网页加载，并使用它来比较mmWave5G与4G页面加载时间和能耗。我们发现，与4G相比，整体5G以更高的能源消耗为代价改善了页面加载时间。此外，这种影响高度依赖于网页。 我们构建决策树模型，可以智能地选择合适的网络（5G或4G）进行Web浏览。我们已经发布了功能性工件（包括数据集和工具）https://github.com/SIGCOMM21-5G/artifact。伦理考量。这项研究是由付费和志愿学生进行的。未收集或使用任何个人身份信息（PII），也未涉及任何人类受试者。我们从Verizon和T-Mobile购买了多个无限蜂窝数据计划。我们的研究符合无线运营商的客户协议。这项工作不会引起任何道德问题。2测量设置工具5G运营商，5G频段和位置。自商用推出以来，5G生态系统（在我们的测量研究中，我们选择了美国的两家商业运营商进行实验-虽然这两家运营商都在多个频段上部署了5G服务，但在我们的数据集中，我们发现Verizon已经部署了基于NSA的5G服务，该服务通过杠杆式动态频谱共享（DSS）技术在28/39 GHz频段（n261/n260）和低频段5G（n5）w/4G频段上提供毫米波5G 。 相 比 之 下 ， T-Mobile 使 用 NSA 和 SA 模 式 提 供 低 频（@600MHz或n71）15G服务该测量研究在两个美国城市进行，两家运营商都部署了5G服务。收集的数据集的关键统计数据总结见表1。5G UE和Android测量工具。 我们使用多种智能手机型号的用户设备（UE）支持5G：谷歌1T-Mobile 还 在 特 定 地 区 提 供 基 于 NSA 的 中 频 （ n41 ） 和 毫 米 波 5G（n261/n260），但本研究未考虑这些服务对5G的多样化看法：性能，功率和QoE影响SIGCOMM612565810080614635738313847604763619389284022254068575172205861766343457278740延迟（ms84Pixel5 （PX5），三星Galaxy S20 Ultra 5G （S20U ）和三星Galaxy S10 5G（S10）。这些手机有不同的规格。例如，与PX5相比，S20U具有更好的芯片组，5G调制解调器，更高的RAM和CPU频率。 我们对5G Tracker [41]进行了大量添加，并构建了一个具有各种功能的综合监控工具包，以监控网络流量，电池状态（电流和电压），信号强度等。. 其中一些功能需要root手机。 我们使用root和非root手机（根据需要）来测量不同设置下5G性能和功耗的各个方面。电源监控工具。 我们使用Monsoon Power Monitor [17]为智能手机供电并测量功耗。对于户外行走实验，我们使用便携式外部电源为监视器供电。35G网络性能的改进和新发现在本节中，我们通过在野外进行几项精心设计的实验，仔细研究了商用5G网络的端到端网络性能。3.1衡量方法挑战在评估移动运营商的端到端网络性能时，存在几个已知的挑战。[C1]首先，互联网端拥塞会对网络性能产生不利影响。[C2]其次，我们也无法清楚地了解运营商的网络/传输基础设施及其执行的政策。[C3]最后，在终端设备中存在显著的多样性（例如，服务器或智能电话）的规范和能力，这可能影响网络性能。方法论 我们现在描述我们精心设计的用于评估5G网络性能的方法。Ookla的Speedtest服务[43]是一个广泛使用的最先进的工具，用于测试互联网连接带宽和延迟。默认情况下，Speedtest会选择地理位置邻近且往返延迟最小的服务器来测量下行链路/上行链路吞吐量。 他们还允许用户从地理分布的服务器池中选择一个服务器。更重要的是，两家5G运营商都研究了Ookla上的主机服务器例如，Verizon托管48台服务器，而T-Mobile托管47台服务器。该等公司主要位于美国主要大都市城市我们利用服务器选择的灵活性以及运营商在Speedtest服务器网络池中的存在，通过对运营商托管的特别是，这种策略有助于我们减少[C1]和[C2]对我们的测量测试的影响。Speedtest中服务器选择的默认策略是选择与UE位于同一城市的服务器我们的结果（图） 附录A.2中的24）还进一步证实，使用运营商托管的Speedtest服务器（特别是如果在UE的城市中有一个可用的话）通常提供优于非运营商服务器的最佳性能。 即使在其他州和城市使用运营商托管的服务器进行测试时，我们相信这种策略也有助于消除大部分互联网端瓶颈，因为运营商通常会将Speedtest服务器放置在运营商城市级入口点的边缘。Speedtest服务使用TCP协议进行所有测试。此外，Speedtest还允许我们在两种连接模式之一中进行测试：（i）使用单个连接和（ii）使用多个连接，图1：UE-服务器距离对RTT的影响是不可配置的。多个连接的数量从一个测试到另一个测试是不同的，并且该算法没有公开Speedtest如何决定为测试建立的连接数量。为了解决这一限制，我们还提供了具有高网络吞吐量的虚拟机（在不同的美国位置）由Microsoft Azure的公共云服务提供。这使我们能够评估不同传输层协议和参数的影响。最后，我们采取两个步骤来解决[C3]。首先，为了考虑UE多样性，我们使用两款5G 智能手机：PX5和功能更强大的S20U（§2）。其次，除了运营商托管的Speedtest服务器外，我们还使用位于UE本地的所有Speedtest服务器。这可以减少地理距离对网络性能的影响，而是让我们了解其他潜在服务器端因素对5G网络性能的影响。对于每个唯一的设置，我们每个连接模式重复测试至少10次我们的数据集包含超过12，500个Speedtest测量2。我们报告的第95百分位的性能结果的所有Speedtest会话重复进行设置。换句话说，我们的方法测量的是峰值网络性能，不应该与用户感知的网络质量指标混淆[5]。关注峰值指标有助于我们进一步降低拥塞和其他互联网因素对性能测量的影响，更有助于我们了解UE-服务器距离和无线电技术/频带对网络性能的影响。拥有这些信息对于应用和服务提供商来说尤其重要，以便他们能够更好地利用5G。除非另有说明，否则所有基于mmWave-5G的实验都在户外进行，并且UE保持静止，与5G塔有清晰的LoS。基线。提供商业化5G3.2UE-服务器距离的影响往返时间（RTT）。 通过利用5G运营商的全国范围的Speedtest服务器网络，我们接下来量化了UE-服务器距离对RTT的影响。图1显示了Verizon的mmWave 5G服务在地理地图上不同服务器位置的延迟特性UE显然，RTT随着UE-服务器距离的增加而严重降低。当使用位于最靠近UE（ 1.3km）的服务器进行测试时，观察到的最低RTT为1.6ms 与2019年观察到的延迟相比[39]（即， 在早期部署期间），这是50%的改进2我们为Android智能手机开发了脚本，以完全自动化使用Ookla的Speedtest服务（免费版）进行测试更好ArvindNarayanan，Xumiao Zhang，Ruiyang Zhu，Ahmad Hassan，Shuowei Jin，etal.SIGCOMM613∼∼∼××05001000150020002500UE-服务器距离（km）05001000150020002500UE-服务器距离（km）2502001501005000 500 1000 1500 2000 2500UE-服务器距离（km）图2：[Verizon]延迟。10080图3：[Verizon]下行链路。图4：[Verizon]上行链路。60402000 500 1000 1500 20002500UE-服务器距离（km）0 500 1000 1500 20002500UE-服务器距离（km）0 500 1000 1500 2000 2500UE-服务器距离（km）图5：[T-Mobile]延迟。图6：[T-Mobile]下行链路。图7：[T-Mobile]上行链路。超过基线表现。RTT随着UE-服务器距离增加到320 km而加倍这一趋势在以下方面更为明显：3图这进一步表明了边缘计算的重要性对于延迟敏感的应用程序和服务。图图2还将mmWave 5G的RTT值与低频带5G和4G/LTE的RTT值进行了比较。 我们发现，在整个UE-Server距离范围内，低频段5G比mmWave5G多出6到8 ms的延迟。这是中北部东西部东部2南部西部2西部中部这并不奇怪，因为与低频带5G相比，具有更高子载波间隔和更短OFDM符号持续时间的毫米波5G频带（n260/n261）导致更低的延迟[53，54]。另一方面，由于5G NR中灵活的帧结构和细粒度的传输时间间隔（TTI），我们发现低频和毫米波5G都表现出比LTE更好的RTT（减少6到15 ms 类似的实验也在T-Mobile的网络（包括SA低频段5G）上进行，结果如图所示。五、虽然在Verizon网络中观察到的关于UE-服务器距离对RTT影响的早期趋势也适用于T-Mobile的网络，但我们没有发现T-Mobile的SA和NSA部署的低频段5G之间的RTT性能有任何显著差异。吞吐量 图图3显示了UE-服务器距离对Verizon mmWave 5G下行链路吞吐量性能的影响。 利用多个TCP连接，UE能够在美国的所有服务器上实现超过3Gbps的令人印象深刻的下行链路吞吐量。这比基线提高了50-60% 我们将这一改进归因于载波聚合从4CC到8CC的提升，这需要改进运营商的基础设施以及UE的芯片组规范（参见附录A.1）。如前所述，Speedtest不允许我们控制测试的TCP连接数。 使用数据包转储，我们发现Speedtest将在多连接测试中建立15到25个TCP连接。丢包率小于1%。然而，对于单个TCP连接，我们发现吞吐量随着UE-服务器距离的增加而降低（见图11）。（3）第三章。 我们怀疑这种降级是由于：（1）RTT的增加，这是已知的影响TCP性能，（2）数据包丢失3图2至图7仅显示了位于相邻美国地区的服务器图8：单接头所有美国境内的下行链路吞吐量基于不同传输层设置的Azure区域（即使是最轻微的速度）。两者的影响加上现有的TCP机制得到放大，在超高带宽水平，从而降低TCP性能。尽管如此，与基线相比，我们发现单TCP（1-TCP）连接的性能有显着的改善。1-TCP连接（与多个连接相比具有更少的开销）也可以实现接近3Gbps的吞吐量，只要服务器更靠近UE。 这再次表明了边缘的重要性，特别是对于带宽需求的应用程序。上行链路吞吐量（参见图4）性能也比基线提高了3到4倍。单连接和多连接上行链路测试均可实现220Mbps的吞吐量。另一方面，对于T-Mobile，它也有基于SA的低频段5G部署，我们发现下行链路和上行链路性能都只能实现其低频段NSA 5G服务所能提供的性能的一半（见图1A和1B）。第6和7段）。 我们认为这是由于SA尚未支持载波聚合，或者5G核心尚未完全成熟，无法提供SA5G所设想的好处。近距离观察单孔。吞吐量为了更好地了解mmWave 5G（已知提供超高带宽容量）的单连接性能，我们使用Microsoft Azure的公共云服务进行了受控实验。 我们在美国的每个地区都配置了由Microsoft Azure提供的高网络带宽容量VM（类型：DS4_v2）。为了捕获数据包转储并具有更改内核参数的能力，我们使用root PX5进行这些实验。 与可以实现超过3 Gbps吞吐量的S20U不同，PX5具有最大可观测下行链路吞吐量毫米波低频段LTE/4G100806040200复式接头3500单接头RTT03000202500mmWave402000150060100080500100复式接头单接头mmWaveSA低频段（T-Mobile）NSA低频段（T-Mobile）SA低频段（T-Mobile）NSA低频段（T-Mobile）多重连接。单连接。200150100500SA低频段（T-Mobile）NSA低频段（T-Mobile）多重连接。单连接。1007550250UE服务器距离374公里20001500100050002532公里1779公里2044公里1539公里1444公里1393公里563公里TCP-1默认值TCP-1调谐TCP-8UDPRTT（单位：ms）（反轴）RTT（单位：ms）RTT（单位：ms）下行链路吞吐量（Mbps）下行链路吞吐量（Mbps）上行链路吞吐量（Mbps）吞吐量（Mbps）上行链路吞吐量（Mbps）对5G的多样化看法：性能，功率和QoE影响SIGCOMM614∼∼×××→活动无线电4G NSA-5G仅SA-5GNSA-5G +LTE仅限LTESA-5G +汉式SA-5G垂直水平0 100 200 300 400 500 600时间轴（秒）图9：[T-Mobile]在不同低频带频率设置下的Hanover频率（驾驶时）。2.2 Gbps（详见附录A.1）。对于TCP，我们使用CUBICTCP [16]作为拥塞控制算法。 实验设置使用UDP性能作为基线。 如结果所示（见图1）。 UDP能够在所有服务器位置上实现峰值可观察吞吐量。我们观察到UDP和8-TCP性能之间的一个小而明显的差距，最有可能是由于TCP 的协议开销。然而，使用 Linux 内核（ v4.18.0）默认的TCP参数，我们发现1-TCP连接的吞吐量限制在所有服务器上不超过500Mbps。 在进一步研究时，增加Linux的TCP内核的TCP写入缓冲区的最大大小（tcp_wtcp）参数将使用1-TCP连接的UE的下行链路吞吐量显著地提高了2.1到3倍（在图1中表示为“1-TCP调谐”）。（八）。从理论上讲，发送方的TCP缓冲区大小（每套接字配置）必须至少等于高吞吐量流容量的带宽延迟乘积（BDP）。换句话说，传输层内核参数应仔细调整，以满足所需的应用QoE要求。尽管如此，与UDP相比，即使是经过调整的1-TCP性能平均也会下降886 Mbps类似于早先在图1中观察到的UE-服务器距离的影响 3对于使用Ookla的Speedtest服务的单连接性能，我们在使用Azure服务器的受控实验设置下进行了类似的性能观察。在这一点上，我们再次发现TCP性能（包括1-TCP调谐）随着UE-服务器距离的增加而恶化。这些观察结果突出了mmWave5G网络上当前TCP和拥塞控制机制中存在的无效性。3.3NSA SA 5G中的切换（低频段）NSA毫米波&5G的切换4之前的研究[39]表明，与4G/LTE相比，切换频率要高得多。这主要是由于毫米波塔的覆盖范围较小，以及NSA 5G仍然依赖LTE进行控制平面信令。然而，在这项初步研究中，我们专注于将T-Mobile的SA 5G与商业部署的NSA 5G进行比较。T-Mobile是唯一一家为其低频段网络部署了NSA和基于SA的5G的运营商为了获得与SA 5G（通过n71频段）的连接，在S20U中使用T-Mobile的固件至关重要我们选择了一条10公里的驾驶路线，穿过繁忙的市中心地区和高速公路，驾驶速度从0到100公里/小时。使用三星沿每个方向驾驶路线2并监视切换活动。图图9显示了一组具有代表性的结果。有五个水平条，分别对应5个波段配置设置。 在每个水平条中，有几个彩色部分表示活动无线电（蓝色表示4G/LTE，橙色表示NSA-5G，绿色表示SA-5G）。这些条上的记号指示水平切换的发生（即， 跨塔）或垂直切换（即， 跨无线电技术）。这里最重要的发现是，SA 5G的故障要少得多（即，与 其他 配 置 相比 ， NSA-5G + LTE （ 110 ） ， LTE （ 30 ） ，SA+LTE（38）和所有频段（64）。这些不仅会影响控制平面信令和调度开销，还会影响网络性能。由于低频带RF n71频带的覆盖范围增加，n71频带上的SA和NSA都经历非常少的水平偏移（13到20）。但是，在NSA中，我们发现了近90个垂直的重叠（例如， 4G到5G或反之亦然），突出了NSA所涉及的复杂性。现在我们已经了解了不同5G技术的网络性能特征，接下来我们将研究这些性能特征如何影响功率。4功率特性在本节中，我们将讨论5G网络的功率特性，并与最新的4G结果进行比较。为了更好地了解UE的功耗，我们构建了不同5G网络的功率模型，其中包括信号强度，吞吐量和频带等多个因素。4.1方法RRC状态推断。 我们首先推导出设计用于移动设备的功率管理的内置无线电状态机，例如， 用于4G [12]和5G [13]的RRC状态和转换的参数。 对于参数推断，我们改进了[31，51]中使用的基于网络的方法来构建我们自己的推断工具RRC-Probe，其中服务器以不同的分组间隔向客户端（UE）发送UDP分组，并且一旦接收到分组，UE就发送ACK。RTT的长度取决于UE在接收分组时的即时RRC状态。因此，通过测量不同数据包间隔的RTT，我们可以识别不同的状态并计算状态之间转换的计时器。请注意，这种方法不需要在智能手机上进行root访问功率测量。 我们使用Monsoon功率监视器[17]来测量UE的功耗，用于两个目的：首先，我们旨在了解RRC状态转换期间的功耗。为了测量这一点，UE被保持空闲而没有任何数据活动足够的时间（在我们的实验中为20秒），从而迫使UE处于RRC_IDLE状态。然后，服务器向UE发送分组，该分组随后触发RRC_IDLERRC_CONNECTED转换并切换到5G。 然后，UE启动其不活动定时器，并在结束时退出到RRC_IDLE。以这种方式，功率监视器可以捕获RRC_CONNECTED的完整尾部时段5。其次，为了研究吞吐量-功率关系及其对能量效率的影响，我们控制UE的数据传输吞吐量，同时测量其功率。为了减少由于显示屏和亮度而带来的功耗影响，我们将屏幕设置为最大和LTE频带，以及（v）启用所有频带（默认设置）。 为每种配置，当UE由乘客手持时，我们4.这里的汉化指的是塔或数据传输技术的变化5连续接收之后的时间段（即， 当UE完成其数据传输时）以及在降级到RRC_IDLE之前，其中存在不连续接收周期（DRX）并且UE可以降低功耗。ArvindNarayanan，Xumiao Zhang，Ruiyang Zhu，Ahmad Hassan，Shuowei Jin，etal.SIGCOMM615∼×→亮度水平，并在显示结果时从总亮度中减去屏幕功率（单独获得）。 在本研究中，功率（W）是指单位时间消耗的能量。数据收集方法。 我们使用两个商业5G运营商（Verizon和T-Mobile）进行受控和野外行走实验，以收集美国两个不同城市-明尼阿波利斯（MN）和安娜堡（MI）的网络和电力痕迹。对于Verizon，我们收集其基于NSA的mmWave 5G以及低频5G服务的数据 对于T-Mobile，我们专注于他们的低频段5G，它部署在SA和NSA模式下。为在我们所有的实验中，我们使用两种型号的5G智能手机：S10和150010005000150010005000T-Mobile 5G SA低频段0 5 10 15Verizon 5G NSA毫米波0 5 10 15数据包之间的空闲时间150010005000150010005000T-Mobile 5G NSA低频段0 5 10 15T-Mobile 4G0 5 10 15数据包之间的空闲时间S20U。对于步行实验，我们固定了20分钟的循环（1.6公里）。虽然这两家运营商的低频5G连接无处不在，但毫米波相当有限。该环路包含三个mmWave 5G塔，每个塔都配有三个定向mmWave收发器。我们为每个独特的载波模式频带设置收集10个迹线（例如，Verizon-NSA-低频段）。电源监控器以5000 Hz采集数据，而我们将网络记录速率设置为10 Hz。由于5G Tracker工具[41]和Monsoon功率监视器分别收集这些轨迹，因此我们通过同时启动两个记录器来同步它们，并通过关联已知会导致显著功率跳变的测量活动来进一步验证。4.2RRC参数和功率使用RRC-Probe，我们推断出4G和5G的RRC参数列表（详见附录A.3中的表7）。 从结果中，我们发现NSA 5G和4G LTE的定时器非常相似。这是因为NSA 5G仍然保留了现有的4G基础设施用于控制平面操作，同时创新了数据平面以增强网络容量。图图10示出了推断RRC状态的结果对于NSA 5G，RRC状态与4G基本相同然而，根据5G-NR规范[20]，在SA5G中引入了称为RRC_INACTIVE的新RRC状态。 我们相信这种新的状态可以在图中看到。10（见左上部分代表T-MobileSA 5G）。我们发现UE在该状态下保持约5s（即，10秒到15秒的间隔）。该状态（类似于低功率状态）的主要目的是为UE的无线电休眠提供有效的机制（从而节省功率），并且同时实现快速且轻量的转换回到RRC_CONNECTED状态（从而通过减少无线电的唤醒时间来改善延迟）。这些益处主要通过减少控制平面信令开销来实现此外，我们注意到T-Mobile SA 5G具有10秒的尾定时器，这与T-MobileNSA 5G 和Verizon NSA 5G的尾定时器类似，指示UE在离开RRC_CONNECTED之后直接进入RRC_IDLE。我们还使用季风功率监视器确认计时器 这与[59]中发现5G尾部为20秒的观察结果不同，即，2的4G尾部（10秒），这指示5G模块在进入RRC_IDLE之前必须经历5G和4G尾部两者。 在配置此类计时器时需要仔细注意，因为它们会影响能源效率。接下来，我们研究5G在RRC状态转换期间对功率的影响。 我们通过在考虑DRX开启持续时间和DRX周期的剩余部分两者的整个尾部时段期间对功率读数求平均来计算尾部功率。如表2所示，5G消耗更多图10：使用用于SA 5G、NSA 5G和4G/LTE的RRC探测推断不同RRC状态的结果。表2：RRC状态转换期间的功率载体网络功率（mW）尾巴4G→5G交换机Verizon4G178N/AT-Mobile4G66N/AVerizonNSA 5G（低频段，DSS）249799VerizonNSA 5G（毫米波）10921494T-MobileNSA 5G（低频段）260699T-MobileSA 5G（低频段）593245在尾部时段期间保持活动，以便周期性地唤醒以进行寻呼，并且5G无线电消耗比4G更多的功率（当吞吐量为零时，稍后在§4.3中示出）。进一步考虑到4G 5G开关电源，它消耗额外的功率并且非常常见（见图1）。9），5G在状态转换方面效率较低因此，为了节省功率，在5G下应避免周期性数据传输或间歇性唤醒等流量模式一种解决方案是当不需要高吞吐量时迫使UE停留在4G中。4.3数据传输先前关于3G/4G功率建模的工作[31]通过考虑设备吞吐量来构建数据传输的功率模型，并得出结论，更高的吞吐量导致更高的功耗。5G（esp. 毫米波）可以提供比4G高得多的吞吐量，我们研究了吞吐量如何影响5G的设备功率。通过对照实验，我们测量了在4G和5G上以不同的下载/上传吞吐量 我们运行UDP数据传输并使用iPerf3改变目标吞吐量。 为了减少mmWave5G信号传播不良问题的影响，我们通过手持智能手机在固定位置进行实验，视线（LoS）到5G面板。4G与5G。 图图11给出了吞吐量和功率之间的关系，并对4G/LTE和5G进行了比较。我们还在5G的两个不同频段上显示了这种关系：NSA低频段（LB）和NSA毫米波。 这些实验是在Verizon的S20U6上完成的。我们可以发现，对于4G和5G，以及对于上行链路和下行链路方向，功率随着吞吐量的增加而线性增加。然而，毫米波5G（上行链路和下行链路）的功率增长速度比其他两个无线电网络慢。虽然在低吞吐量水平下，mmWave 5G的功耗更高，但当吞吐量高时，它会变得更参见图11、交叉点在尾部期间，能量比4G高，而对于mmWave 5G，尾部功率尤其高。这可能是因为UE6附录A.4包括使用S10比较毫米波5G与4G的其他结果。无线电类型4G 5GRTT（ms）RRC连接RRC空闲RRC非活动RTT（ms）对5G的多样化看法：性能，功率和QoE影响SIGCOMM616低频带mmWave× ×××公司简介联系我们5G NSA毫米波5G NSA低频段4G/LTE1086420回归线39.92Mbps122.71Mbps-60-70-80-90-100-110Ann Arbor，MI（UE：S10）Minneapolis，MN（UE：S20U）-60-70-801 k-90-100-1100 500 1000 1500 2000下行链路吞吐量（Mbps）0 50 100 150200上行链路吞吐量（Mbps）-120-1200图11：吞吐量与为4G和5G供电4 6 8 1012功率（W）4 6 8 10功率（W）图13：功率-RSRP-吞吐量关系。1031021010103Ann Arbor，MI（UE：S10）102101103明尼阿波利斯，明尼苏达州（UE：S20U）10210110100 101 102 103下行链路吞吐量（Mbps）100101102上行链路吞吐量（Mbps）100100图12：吞吐量与4G和5G的能源效率毫米波5G变得比4G更高效，NR-SS-RSRP（dBm）NR-SS-RSRP（dBm）5G频段为：（1）下行187 Mbps和189 Mbps;（2）上行40 Mbps和123 Mbps。这些结果清楚地揭示了4G和5G之间以及5G内不同频段之间的功率-性能关系（和权衡）。 注意，不同的UE模型可能具有不同的功耗水平[24]。同样，我们可以观察到S20 U和S10之间吞吐量-功率曲线的不同交叉点（更多详细信息请参见附录A.4）。比较低频段5G和4G/LTE之间的斜率也很有趣。 在下行链路方向上，LB-5G和4G/LTE的斜率几乎相同。 在上行链路方向，LB 5G比4G/LTE效率高得多。接下来，我们计算数据传输活动消耗的功率占总功率的比例。平均而言，mmWave 5G中的数据传输消耗下行链路总功耗的48-76%和上行链路总功耗的46-66%，而4G则为21-53%（下行链路）和20-66%（上行链路）。这与Xu etal. [59]（中频段5G）。但我们的研究结果表明，与[59]相比，5G下行链路的上限高出21%，这可能是由于mmWave 5G提供的更高的数据速率我们进一步计算能量效率（每比特能量），并将结果绘制在图1中。12的对数刻度，其中我们还可以推断出在5G下以更高速度传输时的更高效率。对于下行链路（上行链路），5G在低吞吐量下的效率可能比4G低79%（74%），但在吞吐量高时效率最多可达5（2）。事实上，这