论文来源:【https://ieeexplore.ieee.org/document/9046784】Multi-Resource Allocation for Network Slicing(2020)
5G将带来万物互连的世界,除了手机手表联网,电视汽车等等这些都联网,还有海量的终端使用场景,对时延速率等需求都是千变万化,而5G要把它们统统都纳入到一个网络架构当中,那么这会带来什么问题呢,一张网络要如何去满足垂直行业千差地别的需求呢,这时候就得提到正主5G网络切片,5G网络切片就是把一张物理网络切割成多张虚拟网络适配海量终端不同场景需求,红的黄的蓝的绿的都是一张网络切片,这里也就涉及到了切片规则,每一张是适用于某种应用,比如黄色只能手机,绿色适用于自动驾驶。这是从规则方面进行描述
资源分配决策包括了不同资源的组合,比如人工智能我想要计算多一点的,普通用户网络资源多一点
对c端消费者,B端企业来说用户体验都将得到质的提升。切片技术也让5G网络与不同垂直行业结合更加紧密。
论文目标: 解决了在网络没有足够的资源来完全满足切片需求的关键情况下,在切片之间公平共享多个资源的问题。 ,换成大白话就是,我做不到你想要啥就有啥,没那么多东西,公平点分配但又要满足你想要这个多一点的需求 基于这个问题建模为一个多资源分配问题
再看这篇论文它是采用 任何资源 优化框架来提供一个系统高效的框架,捕捉不同的公平目标 nb,别人都专注于从细节一个资源一个资源入手,他不,统筹分配
解决了多资源分配问题,并对网络切片用例运行评估。目标是提供公平的多资源分配:在多资源维度上工作可以避免不必要的资源剩余分配,同时最大限度地提高整个系统的公平性和用户满意度这其实也正是其它方案的缺点和论文中方案的优点所在,也是其它当前技术没有做好的地方
提出了一个基于有序加权平均(OWA)算子的通用优化框架【提出一个以公平的方式分配多个不同资源的一般框架】。在这个方向上,我们考虑了两个因素:租户的个人满意度和系统的公平效用
为了实现这两个要素的结合,我们使用聚合技术,总结用户对不同资源的满意度信息。【大量的公式推导,我来简单说一下它的思路】
d是用户需求的向量,dij∈D等于租户i的需求量j,r是用户之间必须共享的可用资源的量。
F(y),它总结了关于用户需求和可用资源的信息。要获得这个函数,我们可以遵循两种方法上的“路径”: 1.首先聚合用户,然后聚合资源; 2.首先聚合资源,然后聚合用户。
在网络切片中,一个重要的要求是提供一个公平的分配矩阵,因此需要通过优化函数的输入向量来总结与用户满意度相关的信息。 因此,我们选择了第二条路径,图中红色箭头表示,
首先聚合每个用户不同资源的信息,即考虑用户满意度【选择用户的满意度计算最拥挤的资源】 其次聚合用户,即考虑系统效率目标【使用聚合函数W有序加权平均(OWA)运算符】OWA能够捕获一系列公平的态度,并允许我们根据不同的公平标准来定义不同的分配,合并一些现有的多资源分配规则,并允许将一些现有的单资源分配规则转置到多资源上下文中。
OWA函数的最大化是获得公平分配的良好候选者,其中公平从纯平等主义(最大化个人效用)发展到纯功利主义(系统效率)。我们OWA的输入向量必须依赖于用户满意度向量,即一个包含每个用户对m个资源的满意度度量的向量。
统一框架的潜力也用于公平优化,公平要求引起的与最优效率的标准化差距,
第一个度量POF ,该度量了用户所面临的总效用的损失,以保证与权值向量w相关的公平性 第二个指标衡量IR的是租户效用之间的不平等率。
以上就是这篇论文核心OWA的简单的一个概述 在论文中测试了单资源分配规则和所提出的多资源分配规则,都是表现相当不错