移动边缘计算下的流量分散效果性能评估

⃝可在www.sciencedirect.com在线获取ScienceDirectICTExpress 7（2021）191www.elsevier.com/locate/icte移动边缘计算流量分散效果的性能评估Young-Min Kima，Hee-Jun Ahna，Yeon-Soo Kimb，Sung-Su Parkb，Een-Kee Honga，a韩国京畿道龙仁市庆熙大学电子与信息融合工程系b韩国首尔KT公司企业业务接收日期：2021年1月28日;接受日期：2021年2021年3月29日网上发售摘要在传统的集中式移动蜂窝网络结构中，移动终端的每一个业务都必须经过集中的网络核心，然后才能传递到相应的服务移动终端。由于流量负载集中在中心网络核心上，因此难以提供爆炸性的网络流量并保证多样化应用的延迟要求。为了解决这个问题，目前正在开发移动边缘计算（MEC）架构，该架构通过将计算和缓存服务器定位在更靠近终端的位置来分配流量负载。在本文中，与MEC的移动业务分配的效果进行了评估，吞吐量增强和延迟减少。使用Mininet进行了模拟，以确定可以获得哪些性能增益 当将MEC架构应用于移动蜂窝网络时获得。因此，在相同的链路带宽条件下，MEC架构提供了约265%的高质量的视频传输和约162%的低质量的视频传输的数据速率的增加，并显示出减少的分组到达时间的延迟c2021韩国通信和信息科学研究所（KICS）。出版社：Elsevier B.V.这是一个开放的访问CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：移动边缘计算;延迟;吞吐量;流量分散; Mininet1. 介绍移动数据业务量逐年爆炸性增长，并且需要增强的网络容量来提供巨大增加的业务量。思科报告称，2019年每月的移动数据流量约为29 EB，并预测到2022年将达到约77 EB [1]。此外，由于5G的演进，移动终端将不仅要求高数据速率服务，而且还将应用更多样化的服务，诸如超可 靠 低延 迟 通 信 （URLLC ） 和 大规 模 机 器 类型 通 信（mMTC）。因此，移动蜂窝网络需要支持包括高容量以及低延迟的QoS要求，以令人满意地提供新服务[2]。正在研究各种技术以满足这些要求，并处于实际验证阶段∗ 通讯作者。电子邮件地址：mini8709@naver.com（Y.M.Kim），hmk6160@naver.com（H.J.Ahn），www.example.comyes.kim @ kt.com（Y.S.Kim），sungsu@kt.com（S.S.Park）、ekhong@khu.ac.kr（E.K.Hong）。同行评审由韩国通信和信息科学研究所（KICS）负责https://doi.org/10.1016/j.icte.2021.03.006部署.在网络容量方面，在6GHz以上已经利用了比常规LTE带宽宽得多的带宽，6GHz以上是诸如毫米波频带的超高频带[3]。此外，大规模MIMO技术提高了频谱效率[4]，并且配置超密集网络的高小区密集度通过利用频谱的空间重用来提高蜂窝网络的覆盖范围和容量[5]。然而，上述技术集中在无线电方面，并且仍然不能减轻即将到来的需要更高业务量的移动蜂窝网络中的网络核心上的繁重业务作为解决这类问题的解决方案之一，电信运营商实际上已经通过将网络核心拆分和部署为多个来配置5G网络专用核心（DECOR），第一个分裂网络，以支持不同的QoS要求的方法，在3GPP版本。13 [6]. DECOR是一种单独部署多个专用核心网络（DCN）以增强特定移动终端组的资源管理和单个运营商网络中网络的结构灵活性的方法。3GPP re. 142405-9595/2021韩国通信和信息科学研究所（KICS）。出版社：Elsevier B.V.这是一个开放的访问CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。Y.M. Kim，H.J.Ahn，Y.S.Kim等人ICT Express 7（2021）191192图1.一、仿 真 系 统 的 移动网络结构。引入了eDECOR（增强型DECOR），其减少了移动终端在现有DECOR方法下选择DCN时所需的信令[7]。移动边缘计算（Mobile Edge Computing，MEC）技术是在无线接入网的边缘，靠近移动终端的地方提供网络和计算能力，并对网络流量进行分配。MEC技术通过将多个扮演用户认证和数据处理等角色的网络核心放置在更靠近移动终端的位置，可以将流量负担分散到网络核心上，从而减少处理时间和时延[8]。MEC目前正在欧洲电信标准协会和3GPP中进行标准化，并提供诸如低延迟、高带宽、邻近性和位置感知的网络特征[9]。参考文献[10在[14]中，J. Liu等人对他们实验室 中 的 MEC 服 务 器 和 私 人 公 司 云 上 的 移 动 云 计 算（MCC）服务之间的往返时间延迟和吞吐量性能进行了实验比较。在[15]中，S. Safavat等人比较了MEC、MCC和雾计算之间在数据通过内容缓存卸载方面的计算延迟和通信延迟。在本文中，我们通过使用Mininet [16]进行更真实的模拟，分析了将MEC技术应用于网络的好处。比较了集中式网络结构和MEC网络结构的吞吐量和分组到达延迟性能，其中集中式网络结构中所有业务都集中在网络核心上，MEC网络结构中多个网络核心都位于移动终端附近。通过这一点，我们评估的影响，缓解网络核心的流量拥塞，增加吞吐量和减少在每个移动终端的数据包的延迟。本文的其余部分组织如下。第2节描述了仿真系统模型的配置和参数，第3节通过使用配置的系统模型进行仿真来分析性能。第四部分是本文的结论2. 仿真模型为了评估MEC技术对网络性能的影响，分别在传统的集中式移动网络和采用MEC架构的分布式移动网络中进行了仿真。通过Mininet配置了两个仿真，并对每个场景的性能进行了比较。图1示出了两种场景的仿真网络配置;没有MEC技术的传统集中式网络（图 1-a）• 采用MEC技术的网络（图1-b）在图1中的传统网络场景的情况下，1-a，在1个核心实体、4个交换机和30个移动终端。移动终端被分配到来自10.0.0.1的IP地址到10.0.0.30，并且每个交换机连接10个移动终端（5个发射机和5个接收机）并建立5个通信连接。在5个连接中，三个连接被指定用于高质量视频（高数据速率），并且其中两个连接传送低质量视频（低数据速率）。作为连接到交换机1的移动终端的示例，10.0.0.1至10.0.0.3 IP地址的移动终端将高质量视频发送到10.0.0.6至10.0.0.8的移动终端，并且移动终端10.0.0.4和10.0.0.5将低质量视频发送到移动终端10.0.0.9和10.0.0.10。相同的配置应用于交换机2和3。·Y.M. Kim，H.J.Ahn，Y.S.Kim等人ICT Express 7（2021）191193+图二、模 拟 系统的数据包流（交换机1的情况下）。表1模拟参数。参数值移动终端数量30核心实体数目：遗留：1 MEC：3开关数量4链路带宽50 Mbps链路延迟1 ms视频大小高：88.9 MB低：13.3 MB图图2-a示出了集中式传统网络场景中的分组流。在传统网络的集中式架构中，连接到交换机1、2和3的所有发射机发送的数据包必须遍历到中心核心实体，然后传递到接收机。在此网络配置中，所有流量都必须通过交换机4和核心实体之间的链路。将大量分组集中在核心实体上会导致交换机4与核心实体之间的链路处的业务拥塞。对于图1-b中具有MEC的网络场景，连接到每个交换机的移动终端的数量和视频传输的连接方法与传统网络场景相同。另一方面，在MEC网络场景中，核心实体的数量是三个，并且每个核心实体被放置得更靠近移动终端。这种结构允许三个核心实体分发分组并减轻业务拥塞，这与传统网络场景不同，传统网络场景导致单个核心实体上的集中分组的业务拥塞。图2-b示出了MEC网络场景中的分组流。模拟参数如表1所示。链路带宽是指移动终端与交换机、交换机与交换机、交换机与核心实体之间链路的带宽。为简单起见，所有链路的带宽均设置为50 Mbps。此外，链路延迟指的是每个链路通过一个数据包，所有链路延迟时间均设置为1ms。高质量视频和低质量视频的数据大小分别设置为88.9MB和13.3 MB。在仿真过程中，通过Mininet的xterm命令连接到各个移动终端后，通过与Python的socket通信实现视频包的传输。此外，通过在每个接收方的移动终端上执行Wireshark数据速率和视频分组的传输延迟时间3. 仿真结果用Mininet和Wire-shark进行了仿真. Mininet是一个开放源码的仿真器，可以很容易地自定义网络和测试性能，通过在一台机器上构建一个虚拟网络。这通常用于研究目的，因为与硬件测试台相比，它具有成本效益并且易于重新配置网络。Wireshark是一个开源的数据包分析程序，可以从连接的网络中实时捕获数据。 它被广泛用于网络分析、通信协议开发和教育目的。通过从接收移动终端连接到核心实体的时间到完成所有视频分组的传输的时间所花费的时间来测量总传输时间。通过测量第i个分组和第（i 1）个分组的到达时间之间的差来确定分组到达时间的延迟。图3示出了通过将所传送的视频大小除以每个接收移动终端的总传输时间而获得的数据速率。在模拟中，在传统网络场景中，大量的数据同时集中在带宽有限的核心实体处，这导致了分组传递的延迟。相反，在应用MEC技术的网络场景中，核心实体具有相同带宽的链路和更多的核心Y.M. Kim，H.J.Ahn，Y.S.Kim等人ICT Express 7（2021）191194图3.第三章。 MEC和集中式核心网的平均数据速率。图四、 分组到达时间延迟的累积分布。实体以分布式方式存在由于业务负载被分布到核心实体并且拥塞可以被减轻，因此MEC提供了更高的数据传输性能。对于高质量的视频传输，3个发射器和接收器对连接到每个开关，总共9个传输对被观察。传统集中式网络和MEC应用网络的平均数据速率分别为3.32 Mbps和8.8Mbps，MEC架构实现了265%的数据速率提升。对于低质量的视频传输，2个发射器和接收器对连接到每个开关，总共观察到6个传输对。传统集中式网络和MEC应用网络的平均数据速率分别为253 Mbps和4.1 Mbps，MEC架构实现了162%的数据速率提升图图4示出了遗留网络和应用MEC技术的网络场景的分组延迟时间的累积分布。在仿真中，所有链路延迟时间均设置为1 ms。由于MEC技术应用的网络核心位于更靠近移动终端的位置，由于MEC在传输过程中的链路数少于传统集中式网络，因此在分组到达时延方面具有更好的性能。另外，传统网络架构中大量的负载同时集中在核心实体上，导致了网络的时延过大，导致分组时延性能比MEC应用网络差。4. 结论在本文中，我们评估的平均数据速率和延迟的数据包到达时间的移动网络中应用MEC技术所获得的流量分配的效果。这些模拟是使用Mininet和Wireshark进行的，它们是开源网络仿真器和数据包分析工具。结果，证实了MEC技术应用网络提供了业务分布效果，并且在分组数据速率方面产生了更好的性能以及与传统网络相比的分组到达时间延迟。然而，由于模拟是在单个虚拟机，移动终端和链路的数量与实际网络环境相比非常有限。因此，预计需要进一步研究MEC模型以进行更真实的模拟竞合利益作者声明，他们没有已知的可能影响本文所报告工作确认本研究得到了韩国科学和信息通信技术部（MSIT）的支 持 ，并 得 到 了 韩 国信 息 通 信 技术 规 划 评 估研 究 所（IITP）监督的ITRC（信息技术研究中心）支持计划（IITP-2021-2016- 0-00291）的支持。引用[1] W. Shi，Almost One Zettabyte of Mobile Traffic in 2022 - Cisco，telecoms ， 2019 ， https ： //telecoms. Com/495666/almost-one-zettabyte-of-mobile-datatafic-in-2022-cisco/.[2] S.E. Elayoubi等人，5G服务需求和运营用例：分析和METIS II愿景，2016年欧洲网络和通信会议（EuCNC），雅典，2016年，第10页。158-162.[3] S. Hur等人，关于5G蜂窝系统毫米波信道建模的建议，IEEE J. Sel.Top.标志.过程。10（3）（2016）454-469。[4] S.A.布萨里胡克，S.穆姆塔兹湖戴，J.Rodriguez，毫米波大规模MIMO通信未来无线系统：一项调查，IEEE通讯。监视器家教20（2）（2018）836 -869，第二季度。[5] X. Ge，S. Tu，G.毛角，澳-地Wang，T. Han，5G超密集蜂窝网络，IEEE Wirel。Commun. 23（1）（2016）72[6] 3GPP TR 23.707，专用核心网络的架构增强，Rel. 2014年13日。[7] 3GPP TR 23.711，专用核心网络选择机制的增强，Rel. 2016年14日。Y.M. Kim，H.J.Ahn，Y.S.Kim等人ICT Express 7（2021）191195[8] C. Liu，M. Bennis，H.V. Poor，Latency and reliability-aware taskoffloading and resource allocation for mobile edge computing，in：2017 IEEE Globecom Workshops（GC Wkshps），新加坡，2017，pp.一比七[9] Y. Hu，M.帕特尔，D。萨贝拉河Sprecher，V. Young，MobileEdgeComputing - a Key Technology Towards 5G，ETSI White PaperNo.11，2015.[10] T.塔勒布角萨姆达尼斯湾马达，H。弗林克S。Dutta，D. Sabella，关于多访问边缘计算：新兴5G网络边缘云架构和编排的调查，IEEE Commun。监视器家教19（3）（2017）1657-1681，第三季度。[11] Y.毛角，澳-地你张杰K。Huang，K.B. Letaief，移动边缘计算调查：通信视角，IEEE Commun。监视器家教19（4）（2017）2322[12] S. Wang，X. Zhang， Y.张丽王建，杨杰，W. Wang，移动边缘网络调查：计算，缓存和通信的融合，IEEE Access 5（2017）6757-6779。[13] N.阿巴斯Zhang，中国古柏A. Taherkordi，T. Skeie，移动边缘计算：调查，IEEE Internet Things J。5（1）（2018）450[14] J. Liu，G. Shou，Y. Liu，Y. Hu，Z. 郭，集成多接入边缘计算和光纤无线接入网络的性能评估，IEEE Access 6（2018）30269-30279。[15] S. Safavat，N. Sapavath，D.B. Rawat，移动边缘计算和内容缓存的最新进展，Digit。Commun.网络6（2）（2020）189-194.[16] Mininet Overview，Mininet，2020，http：//minnet. org/overview/.