一種c?ran架構(gòu)下的載波遷移方法
【專利摘要】本發(fā)明公開了一種C?RAN架構(gòu)下的載波遷移方法，所述方法包括：資源池內(nèi)出現(xiàn)載波虛擬機(jī)上CPU和內(nèi)存綜合資源利用率超過80％，或低于20％，觸發(fā)載波遷移；確定負(fù)載過重的載波虛擬機(jī)上需要遷出的部分用戶任務(wù)以及負(fù)載過輕的載波虛擬機(jī)上需要遷出的全部用戶任務(wù)；根據(jù)相關(guān)變量，基于遷移時(shí)延和資源兩個(gè)約束條件，以能耗和遷移代價(jià)為目標(biāo)，定義數(shù)學(xué)表達(dá)式，建立數(shù)學(xué)模型；基于改進(jìn)的最大最小螞蟻系統(tǒng)求解數(shù)學(xué)模型，得到不同用戶任務(wù)的遷移選擇方法。本發(fā)明有利于平衡各個(gè)載波虛擬機(jī)的負(fù)載，充分的利用了各個(gè)載波的處理資源，降低了能耗，有利于實(shí)現(xiàn)負(fù)載均衡。
【專利說明】
一種C-RAN架構(gòu)下的載波遷移方法
技術(shù)領(lǐng)域
[0001 ]本發(fā)明屬于通信技術(shù)領(lǐng)域，尤其涉及一種C-RAN架構(gòu)下的載波迀移方法。
【背景技術(shù)】
[0002] 云無線電接入網(wǎng)絡(luò)(cloud-radio access network，C_RAN)是基于集中化處理、協(xié) 作處理、實(shí)時(shí)云計(jì)算架構(gòu)的綠色無線接入網(wǎng)架構(gòu)。傳統(tǒng)的基站都是按"最大處理能力"部署， 并沒有考慮網(wǎng)絡(luò)業(yè)務(wù)的動(dòng)態(tài)變化特性，即潮汐效應(yīng)，導(dǎo)致設(shè)備利用率低下，并且造成電力資 源的大量浪費(fèi)。采用集中式部署的BBU基帶池可以應(yīng)對潮汐效應(yīng)，開啟動(dòng)態(tài)載波迀移功能 后，可節(jié)省載波的整體使用數(shù)量，提高載波的利用率，并利用動(dòng)態(tài)分配基帶池處理資源，提 升系統(tǒng)整體性能功耗比?，F(xiàn)有的有關(guān)C-RAN架構(gòu)下載波迀移的方法認(rèn)為載波迀移即是承擔(dān) 載波處理的虛擬機(jī)的迀移，根據(jù)物理節(jié)點(diǎn)的觸發(fā)類型和虛擬多?；镜呢?fù)載特性選擇適合 迀移的虛擬多模基站，將一臺服務(wù)器上用于載波處理的虛擬機(jī)通過在線迀移方式迀移到其 他服務(wù)器上，用于負(fù)載均衡;或者通過虛擬機(jī)在線迀移技術(shù)，將承擔(dān)載波處理的一臺物理服 務(wù)器(物理機(jī))通過交換網(wǎng)絡(luò)迀移到另一臺服務(wù)器；當(dāng)服務(wù)器上的載波虛擬機(jī)全部迀移到其 他服務(wù)器后，可以方便的對其進(jìn)行檢修或升級等維護(hù)操作，或?qū)⑵潢P(guān)閉以達(dá)到節(jié)能減排的 效果。
[0003] 現(xiàn)有的有關(guān)C-RAN架構(gòu)下載波迀移的方法考慮的是從物理節(jié)點(diǎn)的負(fù)載狀況決定是 否迀移，平衡的是物理服務(wù)器的負(fù)載，沒有充分考慮其上各個(gè)載波虛擬機(jī)的負(fù)載狀況。當(dāng)潮 汐效應(yīng)發(fā)生的時(shí)候，會(huì)出現(xiàn)一些小區(qū)的載波服務(wù)的用戶數(shù)過多，處理資源不夠用，而另外一 些小區(qū)服務(wù)的用戶數(shù)很少，資源大部分處于閑置狀態(tài)，僅僅通過迀移虛擬機(jī)的方式不能很 好的保證資源池內(nèi)各個(gè)載波虛擬機(jī)負(fù)載處于平衡的狀態(tài)，載波的利用率較低，整體能耗較 尚。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于提供一種C-RAN架構(gòu)下的載波迀移方法，旨在解決現(xiàn)有的有關(guān) C-RAN架構(gòu)下載波迀移的方法存在通過迀移虛擬機(jī)的方式不能很好的保證資源池內(nèi)各個(gè)載 波虛擬機(jī)負(fù)載處于平衡的狀態(tài)，載波的利用率較低，整體能耗較高的問題。
[0005] 本發(fā)明是這樣實(shí)現(xiàn)的，一種基于C-RAN架構(gòu)下的載波迀移方法，該方法涉及移動(dòng)通 信領(lǐng)域和計(jì)算機(jī)領(lǐng)域，所述C-RAN架構(gòu)下的載波迀移方法包括以下步驟：
[0006] 步驟一，資源池內(nèi)出現(xiàn)載波虛擬機(jī)上CPU和內(nèi)存綜合資源利用率超過80%，或低于 20%，觸發(fā)載波迀移；
[0007] 步驟二，確定負(fù)載過重的載波虛擬機(jī)上需要迀出的部分用戶任務(wù)以及負(fù)載過輕的 載波虛擬機(jī)上需要迀出的全部用戶任務(wù)；
[0008] 步驟三，根據(jù)相關(guān)變量，基于迀移時(shí)延和資源兩個(gè)約束條件，以能耗和迀移代價(jià)為 目標(biāo)，定義數(shù)學(xué)表達(dá)式，建立數(shù)學(xué)模型；
[0009] 步驟四，基于改進(jìn)的最大最小螞蟻系統(tǒng)求解數(shù)學(xué)模型，得到不同用戶任務(wù)的迀移 選擇方法。
[0010] 進(jìn)一步，所述負(fù)載過重的載波虛擬機(jī)上需要迀出的部分用戶任務(wù)具體是指使載波 虛擬機(jī)的資源利用率超過80%的那部分用戶的語音、數(shù)據(jù)、視頻等通信業(yè)務(wù)。
[0011] 進(jìn)一步，所述相關(guān)變量包括w協(xié)議標(biāo)準(zhǔn)下處理所迀出的用戶任務(wù)所需的虛擬資源 量Taski(vrc，vr m)，其中vrc和vrm為w協(xié)議標(biāo)準(zhǔn)下載波虛擬機(jī)i上迀出的用戶任務(wù)需要的計(jì)算 資源量和內(nèi)存資源量；
[0012] 載波虛擬機(jī)的能耗是其CPU和內(nèi)存能耗之和，數(shù)學(xué)表達(dá)式如下：
[0013] poweriym^^E^^ +Eramvmi ；
[001 4] ψ ^cpn Amt (ριΜ cpii .\mt YcpH ram：ymi Ymem ;
[0015] 和"ram."%分別為載波虛擬機(jī)vmi的CPU和內(nèi)存利用率，a cpu、γ cpu、aram和ymem^ 模型的特定常數(shù)。
[0016] 進(jìn)一步，所述迀移代價(jià)數(shù)學(xué)表達(dá)式如下：
[0017] Costmig(Task(vmi)，vmj)=CmigD(vmi，vmj);
[0018] 其中，Task(vmi)為載波虛擬機(jī)vmi上需要迀移的任務(wù)，D(vnu，vmj)為從虛擬機(jī)vmi到 虛擬機(jī)綱的拓?fù)渚嚯x，Cmig為迀移成本參數(shù)，Cmig定義如下：
[0019] f+M(Task(vmi))/B(vmi,vmj)；
[0020]其中，f為固定常數(shù)，M(Task(vmi))為載波虛擬機(jī)vnu上要迀移的任務(wù)所占的內(nèi)存，B (vnu，vmj)為虛擬機(jī)vmi和vmj之間的傳輸帶寬；
[0021 ]進(jìn)一步，所述的數(shù)學(xué)模型具體定義如下：
[0024]其中數(shù)學(xué)表達(dá)式1'111丨8(^381^)彡1'也為任務(wù)迀移時(shí)延約束條件，1'111丨8(^381^)為載波 虛擬機(jī)j上的任務(wù)迀移時(shí)延，Tth為通信中用戶的最大可容忍時(shí)延，定義為20ms;
[0025]
為資源約束條件，表示迀 移任務(wù)的資源需求量要小于目的載波虛擬機(jī)的可用資源量，vnu。和vmim分別為載波虛擬機(jī)i 的可用計(jì)算資源量和內(nèi)存資源量；
[0026] η為資源池內(nèi)總的載波虛擬機(jī)的個(gè)數(shù)，Μ為需要迀移任務(wù)的載波虛擬機(jī)集合，m為集 合Μ中載波虛擬機(jī)個(gè)數(shù)
表示任務(wù)最終只能迀移到一臺虛擬機(jī)上。
[0027] 進(jìn)一步，所述改進(jìn)的最大最小螞蟻系統(tǒng)是對信息素公式中揮發(fā)系數(shù)的定義進(jìn)行改 進(jìn)，改進(jìn)后的形式如下：
[0029]其中，信息素的揮發(fā)系數(shù)p(t)按如下方式更新：
[0031 ]其中，t為迭代次數(shù)，γ ku為迀移任務(wù)k選擇載波虛擬機(jī)u作為目的虛擬機(jī)的信息素， A YkUbeSt為最優(yōu)解的信息素增量值，ymax和γη?η為信息素的上界和下界，tm ax為最大迭代次 數(shù)，f(t-l)是將兩個(gè)優(yōu)化目標(biāo)通過歸一化以及加權(quán)系數(shù)法定義的適宜度函數(shù)，取值介于0到 1之間，Pin為P的初始化值，Pmin為P的最小值，m為介于0至1之間的實(shí)數(shù)。
[0032]本發(fā)明提供的C-RAN架構(gòu)下的載波迀移方法，通過將負(fù)載重的小區(qū)載波上部分用 戶提交的任務(wù)迀移到負(fù)載比較輕的小區(qū)載波上，避免了負(fù)載重的載波上用戶對資源的競 爭，保證用戶的服務(wù)質(zhì)量，以及當(dāng)某小區(qū)載波長時(shí)間服務(wù)的用戶數(shù)很少時(shí)，可以通過將該載 波對應(yīng)的用戶任務(wù)全部迀移到另外的一個(gè)載波虛擬機(jī)從而關(guān)閉該載波虛擬機(jī)，降低能耗。
[0033] 本發(fā)明通過建立數(shù)學(xué)模型，求解得到不同用戶任務(wù)的迀移選擇方法。通過任務(wù)迀 移的方式，有利于平衡各個(gè)載波虛擬機(jī)的負(fù)載，充分的利用了各個(gè)載波的處理資源，降低了 能耗，提高了用戶的服務(wù)質(zhì)量，同時(shí)提高了資源池整體的負(fù)載均衡度。
【附圖說明】
[0034] 圖1是本發(fā)明實(shí)施例提供的C-RAN架構(gòu)下的載波迀移方法流程圖。
[0035] 圖2是本發(fā)明實(shí)施例提供的C-RAN架構(gòu)下載波分簇的拓?fù)浣Y(jié)構(gòu)圖。
[0036] 圖3是本發(fā)明實(shí)施例提供的用戶任務(wù)在簇內(nèi)部迀移的示意圖。
[0037] 圖4是本發(fā)明實(shí)施例提供的用戶任務(wù)在簇之間迀移的示意圖。
[0038] 圖5是基于改進(jìn)MMAS(最大最小螞蟻系統(tǒng))優(yōu)化算法得到的迀移前后資源池能耗對 比圖。
[0039] 圖6是基于改進(jìn)MMAS(最大最小螞蟻系統(tǒng))優(yōu)化算法得到的迀移前后負(fù)載均衡度對 比圖。
【具體實(shí)施方式】
[0040] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合實(shí)施例，對本發(fā)明 進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于 限定本發(fā)明。
[0041] 本發(fā)明通過將負(fù)載重的小區(qū)載波上部分用戶提交的任務(wù)迀移到負(fù)載比較輕的小 區(qū)載波上，保證用戶服務(wù)質(zhì)量，以及當(dāng)某小區(qū)載波長時(shí)間服務(wù)的用戶數(shù)很少時(shí)，可以通過將 該載波對應(yīng)的用戶任務(wù)全部迀移到另外的一個(gè)載波虛擬機(jī)從而關(guān)閉該載波虛擬機(jī)，降低能 耗。通過建立數(shù)學(xué)模型，求解得到不同用戶任務(wù)的迀移選擇方法。
[0042] 下面結(jié)合附圖對本發(fā)明的應(yīng)用原理作詳細(xì)的描述。
[0043]如圖1所示，本發(fā)明實(shí)施例的C-RAN架構(gòu)下的載波迀移方法包括以下步驟：
[0044] S101、資源池內(nèi)出現(xiàn)載波虛擬機(jī)上CPU和內(nèi)存綜合資源利用率超過80%，或低于 20%，觸發(fā)載波迀移；
[0045] S102、確定負(fù)載過重的載波虛擬機(jī)上需要迀出的部分用戶任務(wù)以及負(fù)載過輕的載 波虛擬機(jī)上需要迀出的全部用戶任務(wù)；
[0046] S103、根據(jù)相關(guān)變量，基于迀移時(shí)延和資源兩個(gè)約束條件，以能耗和迀移代價(jià)為目 標(biāo)，定義數(shù)學(xué)表達(dá)式，建立數(shù)學(xué)模型；
[0047] S104、基于改進(jìn)的最大最小螞蟻系統(tǒng)求解數(shù)學(xué)模型，得到不同用戶任務(wù)的迀移選 擇方法。
[0048] 下面結(jié)合具體實(shí)施例對本發(fā)明的應(yīng)用原理作進(jìn)一步的描述。
[0049] 本發(fā)明實(shí)施例提供C-RAN架構(gòu)下的載波迀移方法，包括以下步驟：
[0050] S1、資源池內(nèi)出現(xiàn)載波虛擬機(jī)上CPU和內(nèi)存綜合資源利用率超過80%，或低于 20%，觸發(fā)載波迀移。
[0051] 需要說明的是，步驟S1中所述載波虛擬機(jī)具體是指針對一個(gè)小區(qū)的載波處理資源 虛擬化后形成的虛擬機(jī)。各載波虛擬資源的配置根據(jù)小區(qū)平均的業(yè)務(wù)量而有所不同。
[0052] 載波虛擬機(jī)的CPU和內(nèi)存綜合資源利用率具體是指：
[0054] 其中，Vc;utii和Vmutii為載波虛擬機(jī)的CPU和內(nèi)存資源使用量，vnh^Pvn^S載波虛 擬機(jī)的CPU和內(nèi)存資源配置。
[0055] S2、確定負(fù)載過重的載波虛擬機(jī)上需要迀出的部分用戶任務(wù)以及負(fù)載過輕的載波 虛擬機(jī)上需要迀出的全部用戶任務(wù)。
[0056] 需要說明的是，步驟S2中的用戶任務(wù)具體是指小區(qū)載波實(shí)時(shí)處理的業(yè)務(wù)如語音、 數(shù)據(jù)、視頻業(yè)務(wù)等。
[0057]需要進(jìn)一步說明的是，步驟S2中所述負(fù)載過重的載波虛擬機(jī)上需要迀出的部分用 戶任務(wù)具體是指使載波虛擬機(jī)的資源利用率超過80%的那部分用戶的任務(wù)。
[0058] S3、根據(jù)相關(guān)變量，基于迀移時(shí)延和資源兩個(gè)約束條件，以能耗和迀移代價(jià)為目 標(biāo)，定義數(shù)學(xué)表達(dá)式，建立數(shù)學(xué)模型。
[0059] 需要說明的是，步驟S3中所述相關(guān)變量包括w協(xié)議標(biāo)準(zhǔn)下處理所迀出的用戶任務(wù) 所需的虛擬資源量Taski(vrc，vr m)，其中vrc和vrm為w協(xié)議標(biāo)準(zhǔn)下載波虛擬機(jī)i上迀出的用戶 任務(wù)需要的計(jì)算資源量和內(nèi)存資源量。
[0060] 載波虛擬機(jī)的能耗是其CPU和內(nèi)存能耗之和，數(shù)學(xué)表達(dá)式如下：
[0061 ] powerivmj = Ecpu % + Eram m ,
[0062] 其中盡= α明Aw.?, + ，E, ~ ^mem: 9
[0063] 分別為載波虛擬機(jī)vmi的CPU和內(nèi)存利用率。acpu、γ cpu、aram和ymem為 模型的特定常數(shù)。
[0064] 迀移代價(jià)數(shù)學(xué)表達(dá)式如下：
[0065] Costmig(Task(vmi)，vmj)=CmigD(vmi，vmj)，
[0066] 其中，Costmig(Task(vnu)，vmj)為載波虛擬機(jī)vnu上的任務(wù)Task(vnu)迀移到載波 虛擬機(jī)vmj上所需的迀移代價(jià)，D (vnu，vmj)為從虛擬機(jī)vnu到虛擬機(jī)vmj的拓?fù)渚嚯x，Cmig為迀 移成本參數(shù)。Cmig定義如下：
[0067] f+M(Task(vmi))/B(vmi,vmj),
[0068]其中，f為固定常數(shù)，M(Task(vmi))為載波虛擬機(jī)vnu上要迀移的任務(wù)所占的內(nèi)存，B (vnu，vmj)為虛擬機(jī)vnu和vmj之間的傳輸帶寬。
[0069]需要進(jìn)一步說明的是，步驟S3中所述的數(shù)學(xué)模型具體定義如下：
[0072]其中，數(shù)學(xué)表達(dá)式Tmig(Taskj)<Tth為任務(wù)迀移時(shí)延約束條件，Tmig(Taskj)為載 波虛擬機(jī)j上的任務(wù)迀移時(shí)延，Tth為通信中用戶的最大可容忍時(shí)延，定義為20ms;
[0073]
為資源約束條件，表示迀 移任務(wù)的資源需求量要小于目的載波虛擬機(jī)的可用資源量，vnu。和vmim分別為載波虛擬機(jī)i 的可用計(jì)算資源量和內(nèi)存資源量；
[0074] η為資源池內(nèi)總的載波虛擬機(jī)的個(gè)數(shù)，Μ為需要迀移任務(wù)的載波虛擬機(jī)集合，m為集 合Μ中載波虛擬機(jī)個(gè)數(shù)
表示任務(wù)最終只能迀移到一臺虛擬機(jī)上。
[0075] S4、基于改進(jìn)的最大最小螞蟻系統(tǒng)求解數(shù)學(xué)模型，得到不同用戶任務(wù)的迀移選擇 方法。
[0076]需要說明的是，步驟S4中所述改進(jìn)的最大最小螞蟻系統(tǒng)是指，對信息素公式中揮 發(fā)系數(shù)的定義進(jìn)行改進(jìn)，改進(jìn)后的形式如下：
[0077] /&冷 + 1) = I!-+ ，
[0078] 其中，信息素的揮發(fā)系數(shù)P(t)按如下方式更新：
[0080]其中，t為迭代次數(shù)，γ ku為迀移任務(wù)k選擇載波虛擬機(jī)U作為目的虛擬機(jī)的信息素， A YkUbeSt為最優(yōu)解的信息素增量值，ymax和γη?η為信息素的上界和下界，tm ax為最大迭代次 數(shù)，f(t-l)是將兩個(gè)優(yōu)化目標(biāo)通過歸一化以及加權(quán)系數(shù)法定義的適宜度函數(shù)，取值介于0到 1之間，Pin為P的初始化值，Pmin為P的最小值，m為介于0至1之間的實(shí)數(shù)。
[0081] 圖2給出了C-RAN架構(gòu)下的載波分簇的拓?fù)浣Y(jié)構(gòu)圖，資源池內(nèi)的載波以簇的形式進(jìn) 行管理，每個(gè)簇包含了同種協(xié)議類型的載波虛擬機(jī)，各個(gè)載波虛擬機(jī)根據(jù)其服務(wù)的小區(qū)的 平均業(yè)務(wù)量而有不同的資源配置。
[0082] 圖3和圖4給出了用戶任務(wù)迀移的示意圖，當(dāng)由步驟S4計(jì)算得出各個(gè)需要迀移的任 務(wù)所選擇的目的載波虛擬機(jī)后，在基于分簇的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)下，可能出現(xiàn)簇內(nèi)部迀移和簇 之間迀移兩種情況。由于跨簇迀移要經(jīng)過多級交換網(wǎng)絡(luò)，耗費(fèi)的迀移代價(jià)大，因此，當(dāng)簇內(nèi) 存在可接受迀移任務(wù)的合適載波虛擬機(jī)時(shí)，為了減小迀移代價(jià)，將選擇簇內(nèi)部迀移，否則， 將通過簇間迀移的方式尋找合適的目的載波虛擬機(jī)。首先資源監(jiān)控模塊監(jiān)測到一個(gè)簇內(nèi)存 在載波虛擬機(jī)滿足迀移觸發(fā)條件，然后通知迀移管理模塊根據(jù)迀移任務(wù)的資源需求量以及 迀移時(shí)延應(yīng)滿足的約束條件，通過建立優(yōu)化模型計(jì)算不同用戶任務(wù)的迀移選擇方法。
[0083]圖5給出了基于改進(jìn)MMAS(最大最小螞蟻系統(tǒng))優(yōu)化算法得到的迀移前后資源池能 耗對比圖。仿真中設(shè)置資源池同種類型載波虛擬機(jī)個(gè)數(shù)按低、中、高1:1:1配置，每種配置包 含了均勻分布的不同資源利用率的載波虛擬機(jī)?？梢钥闯鲛|移后資源池的總能耗降低了， 因?yàn)橥ㄟ^迀移的方式，實(shí)現(xiàn)任務(wù)的重新調(diào)整，關(guān)掉了資源利用率低的載波虛擬機(jī)，同時(shí)減輕 了負(fù)載高的載波上用戶對資源的競爭。當(dāng)資源池內(nèi)總的載波虛擬機(jī)個(gè)數(shù)增加的時(shí)候，需要 迀移的用戶任務(wù)隨之增多，而通過迀移降低的能耗也更多。
[0084]圖6給出了基于改進(jìn)MMAS(最大最小螞蟻系統(tǒng))優(yōu)化算法得到的迀移前后負(fù)載均衡 度對比圖。負(fù)載均衡度定義為：
[0086] m為載波虛擬機(jī)i的資源利用率忑為所有載波虛擬機(jī)的資源利用率的均值，η為資 源池內(nèi)開啟的總的同種協(xié)議類型的載波虛擬機(jī)的個(gè)數(shù)。Β的值越小，各個(gè)載波虛擬機(jī)的資源 利用率值越相近，負(fù)載均衡度越好。由仿真圖可以看出，迀移前，資源池配置不同載波虛擬 機(jī)個(gè)數(shù)的情況下，負(fù)載均衡度處于一個(gè)相近的水平。迀移后Β的值降低了，這是因?yàn)橥ㄟ^迀 移，使資源利用率低的載波虛擬機(jī)關(guān)閉，并將其全部任務(wù)和高負(fù)載狀態(tài)的載波虛擬機(jī)上的 部分任務(wù)迀移到資源利用率處于正常狀態(tài)下的載波虛擬機(jī)上，使最終處于開啟狀態(tài)下的載 波虛擬機(jī)的資源利用率處于一個(gè)近似相等的狀態(tài)，提高了負(fù)載均衡度。
[0087] 以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精 神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種C-RAN架構(gòu)下的載波遷移方法，其特征在于，所述C-RAN架構(gòu)下的載波遷移方法 包括W下步驟： 步驟一，資源池內(nèi)出現(xiàn)載波虛擬機(jī)上CPU和內(nèi)存綜合資源利用率超過80%，或低于 20%，觸發(fā)載波遷移； 步驟二，確定負(fù)載過重的載波虛擬機(jī)上需要遷出的部分用戶任務(wù)W及負(fù)載過輕的載波 虛擬機(jī)上需要遷出的全部用戶任務(wù)； 步驟Ξ，根據(jù)相關(guān)變量，基于遷移時(shí)延和資源兩個(gè)約束條件，W能耗和遷移代價(jià)為目 標(biāo)，定義數(shù)學(xué)表達(dá)式，建立數(shù)學(xué)模型； 步驟四，基于最大最小媽蟻系統(tǒng)求解數(shù)學(xué)模型，得到不同用戶任務(wù)的遷移選擇方法。2. 如權(quán)利要求1所述的C-RAN架構(gòu)下的載波遷移方法，其特征在于，所述負(fù)載過重的載 波虛擬機(jī)上需要遷出的部分用戶任務(wù)具體是指使載波虛擬機(jī)的資源利用率超過80%的那 部分用戶的語音、數(shù)據(jù)、視頻的通信業(yè)務(wù)。3. 如權(quán)利要求1所述的C-RAN架構(gòu)下的載波遷移方法，其特征在于，所述相關(guān)變量包括W 協(xié)議標(biāo)準(zhǔn)下處理所遷出的用戶任務(wù)所需的虛擬資源量化ski(vrc，vrm)，其中ν。和vrm為W協(xié) 議標(biāo)準(zhǔn)下載波虛擬機(jī)i上遷出的用戶任務(wù)需要的計(jì)算資源量和內(nèi)存資源量； 載波虛擬機(jī)的能耗是其CPU和內(nèi)存能耗之和，數(shù)學(xué)表達(dá)式如下："恥剛' 和W咖，娜分別為載波虛擬機(jī)vmi的CPU和內(nèi)存利用率，cicpu、丫 CPU、Clram和丫 mem為模型 的特定常數(shù)； 任務(wù)的遷移代價(jià)數(shù)學(xué)表達(dá)式如下： Costmig(Task(vmi) ,vmj) = CmigD(vmi,vmj); 其中，Task(vmi)為載波虛擬機(jī)vmi上需要遷移的任務(wù)，D(vmi,vmj)為從虛擬機(jī)vmi至Ij虛擬 機(jī)Vmj的拓?fù)渚嚯x，Cmig為遷移成本參數(shù)，Cmig定義如下： f+M(Task(vmi))/B(vmi,vmj)； 其中，f為固定常數(shù)，M(Task(vm〇)為載波虛擬機(jī)vmi上要遷移的任務(wù)所占的內(nèi)存，B (vmi, vmj)為虛擬機(jī)vmi和vmj之間的傳輸帶寬。4. 如權(quán)利要求1所述的C-RAN架構(gòu)下的載波遷移方法，其特征在于，所述的數(shù)學(xué)模型具 體定義如下：其中，數(shù)學(xué)表達(dá)式Tmig(Taskj)《Τ化為任務(wù)遷移時(shí)延約束條件，Tmig(Taskj)為載波虛擬 機(jī)j上的任務(wù)遷移時(shí)延，Tth為通信中用戶的最大可容忍時(shí)延，定義為20ms; 數(shù)學(xué)表達(dá)式^資源約束條件，表示遷移任 務(wù)的資源需求量要小于目的載波虛擬機(jī)的可用資源量，vmiG和vmim分別為載波虛擬機(jī)i的可 用計(jì)算資源量和內(nèi)存資源量； η為資源池內(nèi)總的載波虛擬機(jī)的個(gè)數(shù)，Μ為需要遷移任務(wù)的載波虛擬機(jī)集合，m為集合Μ 中載波虛擬機(jī)個(gè)數(shù)：I示任務(wù)最終只能遷移到一臺虛擬機(jī)上。5.如權(quán)利要求1所述的C-RAN架構(gòu)下的載波遷移方法，其特征在于，所述改進(jìn)的最大最 小媽蟻系統(tǒng)是對信息素公式中揮發(fā)系數(shù)的定義進(jìn)行改進(jìn)，改進(jìn)后的形式如下：其中，t為迭代次數(shù)，Tku為遷移任務(wù)k選擇載波虛擬機(jī)U作為目的虛擬機(jī)的信息素 ，Δ 丫 kubBst為最優(yōu)解的信息素增量值，Y max和丫 min為信息素的上界和下界，tmax為最大迭代次 數(shù)，f(t-i)是將兩個(gè)優(yōu)化目標(biāo)通過歸一化W及加權(quán)系數(shù)法定義的適宜度函數(shù)，取值介于0到 1之間，Pin為P的初始化值，Pmin為P的最小值，m為介于0至1之間的實(shí)數(shù)。
【文檔編號】G06F9/48GK106095529SQ201610403972
【公開日】2016年11月9日
【申請日】2016年6月8日
【發(fā)明人】李兵兵, 高煒委, 李靖, 汪珊珊, 胡曄, 王璐, 李進(jìn), 王江宏, 李想, 王超敏
【申請人】西安電子科技大學(xué)