Allocation de Ressources et Partage de Charge adaptées aux architecture de réseaux d'accès basées sur le cloud

par Hadjer Touati

Projet de thèse en Informatique, données, IA

Sous la direction de Hind Castel et de Badii Jouaber.

Thèses en préparation à l'Institut polytechnique de Paris , dans le cadre de Ecole Doctorale de l'Institut Polytechnique de Paris , en partenariat avec SAMOVAR - Services répartis, Architectures, MOdélisation, Validation, Administration des Réseaux (laboratoire) , R3S (equipe de recherche) et de Télécom SudParis (établissement de préparation de la thèse) depuis le 15-11-2016 .


  • Résumé

    Les réseaux cellulaires de prochaine génération (dits réseaux 5G) seront très probablement hétérogènes en termes de technologies et d’architecture, avec un découplage plus prononcé des traitements des flux de données des utilisateurs et des flux de contrôle et de signalisation. L’usage de la virtualisation et des technologies du Cloud apporteront les capacités de traitement nécessaire aux débits espérés sur la 5G. Ces futurs réseaux serait composés d’un très grand nombre d’antennes (têtes radio) peu couteuses déployées sur un espace géographique et reliées à des unités de traitement (BBU : base band unit) au travers des liens optiques très performants. Les architectures CPRI (Common Public Radio Interface) et (OBSAI: Open Base Station Architecture Initiative) constituent deux exemples de spécifications allant dans ce sens. Les fonctionnalités traditionnellement centralisées ou co-localisées doivent alors être repensées pour être adaptées à cette nouvelle architecture. Plusieurs défis apparaissent alors et notamment en ce qui concerne l’allocation des ressources et l’ordonnancement au niveau des couches basses dans un contexte ou plusieurs décisions doivent être prises au niveau de Cloud de manière distribuée mais coordonnée. En effet, la plus part des algorithmes et approches utilisées aujourd’hui n’ont pas été pensées pour une telle architecture. 2 OBJECTIFS Avec toutes ces évolutions et tenant compte que l’architecture Cloud nécessite des optimisations à différent niveaux, de nouveaux défis apparaissent tels que l’optimisation de l’allocation des ressources de manière distribuées et coordonnées et l’équilibrage de charge. Dans le cadre de cette thèse, nous souhaitons proposer de nouvelles solutions, conduire des études de modélisation et d’évaluation de performance en lien avec les deux thématiques suivantes : - Equilibrage de charge conjoint avec des mécanismes CoMP dans un contexte de C-RAN En comparaison avec les réseaux cellulaire dit 4G, la prochaine génération doit apporter plus d’efficacité spectrale et énergétique. Les débits attendus devront atteindre 25 fois les niveaux sur les réseaux actuels. Les ressources offertes par le Cloud devront offrir les capacités de calcul nécessaires pour les traitements requis pour manipuler ces débits et prendre les décisions nécessaires de manière rapide, coopérative, coordonnée et distribuée, et résoudre en particulier les problèmes radio tels que la gestion des interférences. Cette même approche devra permettre de proposer de meilleurs algorithmes pour l’équilibrage de charge et offrir une meilleure stabilité du réseau, en minimisant par exemple la charge maximale au niveau des cellules du réseau. - Allocation de resource inter-couches L’architecture préconisée pour les réseaux 5G consistera à découpler le traitement des données en bande de base des équipements radio. Les têtes radio ne s’occupant que des simples opérations de transmission et de réception alors que les traitements intensifs des données sont déportés au niveau des pools de BBU (Base Band Unit) au niveau du Cloud. Cette architecture induit un traitement et un ordonnancement plutôt centralisé au niveau de centres de calculs puissants, incluant les opérations de codage, de décodage, de compression et de décompression, mais aussi des traitements relatifs aux opérations multi-antennes (MIMO). Dans ce contexte, les capacités de calcul au niveau des machines virtuelles du Cloud doivent être dimensionnées de manière optimale en fonction des besoins du trafic et de la QoS requise sur le réseau. Ces optimisations nécessiteront des approches inter-couches afin de bénéficier de la connaissance de différents paramètres liés à l’état du réseau et des besoins des différents flux. Trois capacités sont alors à gérer de manière conjointe : la capacité des pools de BBU, la capacité des liens en fibre reliant les différents équipements sur le Cloud et les têtes radio et la capacité au niveau des têtes radio elle mêmes

  • Titre traduit

    Load balancing and Cross-layer resource allocation adapted to C-RAN/VRAN architecture


  • Résumé

    “Load balancing and Cross-layer resource allocation adapted to C-RAN/VRAN architecture” 1 CONTEXT Futures cellular wireless networks (fifth generation) are expected to be more heterogeneous with dense deployment of small cells (HetNet), enhanced fronthaul and core architectures and decoupled user traffic and control/management operations ‎[1]‎[2]. Virtualization and cloud radio access networks (C-RAN) emerges as a promising 5G architectural solutions. The overall architecture of 5G networks will be more likely composed of a large number of low-cost remote radio heads (RRHs), connected to a base band unit (BBU) pool through high-performance front-haul links. The Common Public Radio Interface (CPRI) and the Open Base Station Architecture Initiative (OBSAI) are the two main specifications for the transport of fronthaul traffic, both are based on digital radio over fiber ‎[8]. Therefore, traditionally centralized or co-located functionalities have to be split over the C-RAN. This will lead to many enhancements in terms of network capacity and efficiency: - First, by moving RRHs closer to the users, a higher system capacity and lower power consumption can be achieved since the signal doesn’t need to propagate a long distance to reach the users. - Second, migrating the higher layer into the cloud provides an improvement on backhaul/fronthaul latency and throughput (evolution from non-ideal to ideal backhaul), what is desirable for feedback-based algorithms such as Coordinated MultiPoint (CoMP); - Third, since the baseband processing is centralized at the BBU pool, the cooperative processing techniques to mitigate or to exploit interferences can be leveraged.; - Forth, by exploiting the resource pooling and statistical multiplexing gain, CRAN is much more efficient in both energy and cost aspects because it is needless to dimension the computing resource of each traditional BS according to the individual peak load. However, many new challenges rise for resource allocation and scheduling and for the coordination of the distributed overall C-RAN network. Indeed, most of existing optimization approaches and algorithms are no longer adapted to this new architecture. 2 OBJECTIVES The above evolutions and properties, added to the fact that C-RAN has different power consumption criteria compared to the conventional networks, provide new motivations and challenges for network optimization issues like cross-layer, coordinated multipoint optimization (CoMP) ‎[1]‎[2]‎[5]as well as load balancing in the network. The aim of the thesis is to conduct performance evaluation studies and to propose enhancements and/or new approaches dealing with the following two topics:   2-1 Load-balancing joint with CoMP in the context of C-RAN Compared to the fourth generation (4G) cellular systems, the fifth generation wireless communication systems (5G) are anticipated to provide spectral and energy efficiency growth by a factor of at least 10, and the area throughput growth by a factor of at least 25. To achieve these goals, a heterogeneous cloud radio access network (C-RAN) is presented as the advanced wireless access network paradigm, where cloud computing is used to fulfill the centralized large-scale cooperative processing for solving the problem of co-channel interferences. In addition, the low latency performance guaranteed by C-RAN provides the means to make algorithms such as Coordinated MultiPoint (CoMP) to be implemented. The CoMP algorithms not only provide a solution for the co-channel interference ‎[5]‎[6]but also introduce new criteria for load balancing ‎[10] in the network. Having this in mind, in this study, we are searching for CoMP algorithms which improve not only spectral efficiency but also the network stability ‎[13]. The stability region is defined as the closure of the set of arrival rates at which the network is stable, all users have non-zero throughputs. We are especially interested in the works which account for network dynamics in flow-level‎ [12], i.e., as the actual set of active users in a network is dynamic and varies as a random process as new data flows are initiated and others complete. A CoMP mechanism that improves the network capacity (Network Stability) is, for example, the one which minimizes the maximum load over all cells involved in a region (HetNet scenario). The objective is to propose CoMP algorithms with performance models and analysis in the context of C-RAN. 2-2 Cross-layer resource allocation to guarantee QoS and spectral efficiency Decoupling the baseband signal processing from the RRHs is the most attractive feature of C-RAN, which means that RRHs only need to keep the basic transmission and reception functionalities, while computationally intensive tasks can be migrated to the BBU pool in a cloud data center‎[8]. This centralized signal processing and scheduling feature in the BBU pool further makes a variety of prospective technologies feasible, including centralized encoding and decoding, centralized compression and decompression, and joint beamforming ‎[2]‎[11]. Although C-RAN makes it possible to transition conventional cellular networks (CCNs) from hardware defined infrastructures to a software defined environment, many design and operational challenges that have been resolved in CCNs need to be revisited and optimized for C-RAN. One particular example of importance is the resource allocation problem. Specifically, in CCNs, power control and beamforming strategies have been used to minimize the system power consumption such that users’ predefined quality-of-service (QoS) requirements are fulfilled. Unfortunately, these strategies cannot plug directly into the C-RAN framework. In CCNs, the BSs’ computation capacity is fixed. As a result, resource allocation methods in CCNs are oblivious to the computation capacities of the BSs although users’ achievable QoS levels are actually dependent on them. Under the C-RAN architecture, the computational functionalities in conventional BSs are migrated to the cloud based virtual machines (VMs) in the BBU pool, whose computation capacity can be scaled according to users’ QoS requirements and various parameters from different layers of the OSI stack, including the incoming traffic rate from the application layer and wireless channel state information from the physical layer. Therefore, developing a cross-layer resource allocation scheme is required in order to fully utilize the features of a C-RAN, and to optimize the overall system power consumption. In total three power components can be considered: the power consumption in BBU pool, the power consumption in the fiber links, and the power consumption at the RRHs.