CN111095870A - 用于无线通信中业务数据管理的设备、系统、和方法 - Google Patents

Abstract

复用/解复用单元将业务数据划分为与工作负载对应的数据流，并基于复用要求或规则在切片段上复用数据流。每个切片段是支持网络切片的无线网络中的物理处理单元或虚拟处理单元。在一个示例中，在多个切片段上复用数据流，使得具有不同效用定义的数据流被分配给不同的切片段。在另一示例中，数据流在多个切片段上复用，使得在T维向量空间中划分的同一聚类中的工作负载被分配给不同的切片段。

Description

用于无线通信中业务数据管理的设备、系统、和方法

相关申请的交叉引用

本申请要求于2017年10月13日提交的发明名称为“5G系统中敏捷工作负载管理系统和方法”、申请号为No.62/572,340的美国临时专利申请的优先权，其全部内容以引入的方式并入本文。

技术领域

本公开一般涉及无线通信，在特定实施例中涉及用于无线通信中业务数据管理的设备、系统、和方法的技术和机制。

背景技术

对即将到来的5G移动网络的期望远远超出了增加容量和覆盖以更好地宽带接入互联网或云服务的范围。这一代的成功还取决于其吸收垂直行业(例如移动医疗、汽车、工业4.0)并不断发展以适应将大量物理实体(例如人、机器、车辆、城市、和环境)和虚拟实体互联的新应用浪潮。实现这些期望的关键技术之一是网络虚拟化。在无线行业中，人们正朝着功能分解和拆分、移动网络可编程性、网络功能虚拟化、和网络切片的方向越来越努力。

发明内容

通过描述用于无线通信中业务数据管理(例如，5G系统中敏捷工作负载管理)的系统和方法的本公开的实施例，总体上实现了技术优点。

根据本公开的一个方面，提供了一种方法，该方法包括：通过支持网络切片的无线网络中的复用器(或复用/解复用单元)的不同输入端口接收业务数据；上述复用器将上述业务数据分为多个数据流，每个数据流对应于一个工作负载，并且与复用器的输出端口相关；以及上述复用器在多个切片段上复用上述数据流，每个切片段是无线网络中的物理处理单元或虚拟处理单元，其中，复用上述数据流包括：在T维向量空间中，将与多个数据流对应的工作负载分为多个聚类，同一聚类中的工作负载相互关联，T维向量空间是基于历史工作负载在先前连续的T个时间间隔中在复用器处所需的处理时间形成的；以及将数据流分配给多个切片段，使得同一聚类中的工作负载被分配给不同的切片段。

根据本公开的另一方面，提供了一种设备，该设备包括：包括指令的非暂时性存储器，以及与存储器通信的一个或多个处理器，其中，上述一个或多个处理器执行上述指令以执行上述方法。

根据本公开的一个方面，提供了一种方法，该方法包括：通过支持网络切片的无线网络中的复用器(或复用/解复用单元)的不同输入端口接收业务数据；上述复用器将业务数据划分为多个数据流，每个数据流对应于工作负载，并与复用器的输出端口相关；以及复用器在多个切片段上复用数据流，每个切片段是无线网络中的物理处理单元或虚拟处理单元，其中，复用数据流包括基于数据流的效用定义在多个切片段上复用数据流，使得具有不同效用定义的数据流被分配给不同的切片段。

根据本公开的另一方面，提供了一种方法，该方法包括：通过支持网络切片的无线网络中的复用器(或复用/解复用单元)的不同输入端口接收业务数据；上述复用器将业务数据划分为多个数据流，每个数据流对应于工作负载，并与复用器的输出端口相关；以及复用器在多个切片段上复用数据流，每个切片段是无线网络中的物理处理单元或虚拟处理单元。

可选地，在任何前述方面中，在T维向量空间中划分与多个数据流对应的工作负载包括使用k均值聚类技术划分与多个数据流对应的工作负载。

可选地，在任何前述方面中，多个切片段中的一个切片段包括级联的一个或多个虚拟处理器或物理处理器。

可选地，在任何前述方面中，多个切片段中的一个切片段包括基带处理单元(baseband processing unit，BBU)。

可选地，在任何前述方面中，多个切片段中的一个切片段包括5G网络中的一系列的一个或多个用户面功能。

可选地，在任何前述方面中，上述复用器包括软件定义网络(software definednetworking，SDN)交换机。

可选地，在任何前述方面中，上述复用器位于无线接入网(radio accessnetwork，RAN)云中。

可选地，在任何前述方面中，上述复用器从另一组切片段接收上述业务数据。

可选地，在任何前述方面中，多个数据流中的每个数据流由无线网络中的不同的远端射频头(remote radio head，RRH)生成，并且其中，上述复用器的每个输出端口与不同的基带处理单元(BBU)相关。

可选地，在任何前述方面中，多个数据流中的每个数据流包括不同的用户设备(user equipment，UE)通过无线网络的上行信道发送的业务流。

可选地，在任何前述方面中，多个数据流中的每个数据流包括由无线网络中的不同基带处理单元(BBU)生成的包流。

可选地，在任何前述方面中，复用上述数据流包括：在T维向量空间中，将与上述多个数据流对应的工作负载分成多个聚类，同一聚类中的工作负载相互关联，T维向量空间是基于历史工作负载在先前连续的T个时间间隔中在复用器处所需的处理时间形成的；以及将上述数据流分配给多个切片段，使得同一聚类中的工作负载被分配给不同的切片段。

可选地，在任何前述方面中，复用上述数据流包括：基于数据流的效用定义在多个切片段上复用上述数据流，使得具有不同效用定义的数据流被分配给不同的切片段。

根据本公开的另一方面，提供了一种5G网络中的设备，该设备包括第一复用/解复用(mux/demux)单元和第二mux/demux单元，第一mux/demux单元和第二mux/demux单元中的每一个用于通过不同的输入端口接收业务数据，并将该业务数据划分为多个数据流，每个数据流对应于工作负载并且与相应mux/demux单元的输出端口相关，多个切片段耦合到第一mux/demux单元和第二mux/demux单元，每个切片段是5G网络中的物理处理单元或虚拟处理单元，多个切片段用于处理与数据流对应的工作负载，并将处理后的工作负载发送至第二mux/demux单元。第一mux/demux单元用于根据预定义复用要求在多个切片段上复用数据流。

根据本公开的另一方面，提供了一种设备，该设备包括第一复用/解复用(mux/demux)单元和第二mux/demux单元，第一mux/demux单元和第二mux/demux单元中的每一个用于通过不同的输入端口接收业务数据，并将该业务数据划分为多个数据流，每个数据流对应于工作负载并且与相应mux/demux单元的输出端口相关；多个切片段耦合到第一mux/demux单元和第二mux/demux单元，每个切片段是5G网络中的物理处理单元或虚拟处理单元，多个切片段用于处理与数据流对应的工作负载，并将处理后的工作负载发送至第二mux/demux单元。第一mux/demux单元用于基于数据流的效用定义在多个切片段上复用数据流，使得具有不同效用定义的数据流被分配给不同的切片段。

根据本公开的另一方面，提供了一种设备，该设备包括第一复用/解复用(mux/demux)单元和第二mux/demux单元，第一mux/demux单元和第二mux/demux单元中的每一个用于通过不同的输入端口接收业务数据，并将该业务数据划分为多个数据流，每个数据流对应于工作负载并且与相应mux/demux单元的不同输出端口相关；多个切片段耦合到第一mux/demux单元和第二mux/demux单元，每个切片段是无线网络中的物理处理单元或虚拟处理单元，多个切片段用于处理与数据流对应的工作负载，并将处理后的工作负载发送至第二mux/demux单元。第一mux/demux单元用于通过以下在多个切片段上复用数据流：在第一时间间隔期间，在T维向量空间中将与多个数据流对应的工作负载分成多个聚类，同一聚类中的工作负载相互关联，T维向量空间是基于在第一mux/demux单元处接收的历史工作负载在先前连续的T个时间间隔中所需的处理时间形成的；以及将数据流分配给多个切片段，使得同一聚类中的工作负载被分配给不同的切片段。

可选地，在任何前述方面中，上述复用要求要求多个切片段之间的负载平衡，并且其中，第一mux/demux单元通过以下在多个切片段上复用数据流：在第一时间间隔期间，在T维向量空间中将与多个数据流对应的工作负载分成多个聚类，同一聚类中的工作负载相互关联，T维向量空间是基于在第一mux/demux单元处接收的历史工作负载在先前连续的T个时间间隔中所需的处理时间形成的；以及将数据流分配给多个切片段，使得同一聚类中的工作负载被分配给不同切片段。

可选地，在任何前述方面中，在T维向量空间中划分与多个数据流对应的工作负载包括使用k均值聚类技术划分与多个数据流对应的工作负载。

可选地，在任何前述方面中，上述复用要求要求基于数据流的效用定义将数据流分配给多个切片段，并且其中，具有不同效用定义的数据流被分配给不同切片段。

可选地，在任何前述方面中，多个切片段中的一个切片段包括级联的一个或多个虚拟处理器或物理处理器。

可选地，在任何前述方面中，多个切片段中的一个切片段包括基带处理单元。

可选地，在任何前述方面中，多个切片段中的一个切片段包括5G网络中的一系列的一个或多个用户面功能。

可选地，在任何前述方面中，第一mux/demux单元或第二mux/demux单元包括软件定义网络(SDN)交换机。

可选地，在任何前述方面中，第一mux/demux单元或第二mux/demux单元位于无线接入网(RAN)云中。

可选地，在任何前述方面中，第一mux/demux单元从另一组切片段接收业务数据。

可选地，在任何前述方面中，第一mux/demux单元处的多个数据流中的每个数据流由5G网络中的不同的远端射频头(RRH)生成，并且其中，第一mux/demux单元的每个输出端口与不同的基带处理单元(BBU)相关。

可选地，在任何前述方面中，多个数据流中的每个数据流包括不同的用户设备(UE)通过5G网络的上行信道发送的业务流。

可选地，在任何前述方面中，多个数据流中的每个数据流包括由5G网络中的不同基带处理单元(BBU)生成的包流。

根据本公开的另一方面，提供了一种复用器的操作方法。该方法包括：通过支持网络切片的无线网络中的复用器(或复用/解复用单元)的至少两个输入端口接收业务数据；将业务数据划分为与工作负载对应的多个数据流；以及在多个切片段上复用数据流，其中，每个切片段包括无线网络中的至少一个处理单元。

可选地，在任何前述方面中，上述处理单元是虚拟处理单元。

可选地，在任何前述方面中，上述处理单元是物理处理单元。

可选地，在任何前述方面中，复用的步骤还包括：将同一聚类中的工作负载相关；在向量空间中将与多个数据流对应的多个工作负载分为多个聚类；基于在多个聚类之一中存在至少两个工作负载来关联工作负载；以及将数据流分配给多个切片段，使得同一聚类中的工作负载被分配给不同切片段。

可选地，在任何前述方面中，上述向量空间是基于历史工作负载在先前连续的时间间隔中在复用器处所需的处理时间形成的。

附图说明

为了更完整地理解本公开及其优点，现参考以下结合附图的描述，其中：

图1示出了实施例无线通信网络的图；

图2示出了实施例5G网络的图；

图3示出了实施例e2e网络切片的图；

图4示出了另一实施例5G网络的图；

图5示出了实施例工作负载分发方法的图；

图6示出了另一实施例工作负载分发方法的图；

图7示出了最大负载增益随累积分布函数(cumulative distributionfunctions，CDF)变化的图；

图8示出了实施例无线通信方法的流程图；

图9示出了另一实施例无线通信方法的流程图；

图10示出了实施例处理系统的图；以及

图11示出了实施例收发器的图。

除非另有说明，否则不同附图中的相应标记和符号一般指相应部分。绘制这些图是为了清楚地说明实施例的相关方面，这些图不一定按比例绘制。

具体实施方式

下面详细讨论本公开实施例的作出和使用。然而，应当理解，本文公开的概念可以在各种特定背景中实施，并且本文讨论的特定实施例仅是示例性的，并不用于限制权利要求的范围。此外，应当理解，在不脱离由所附权利要求限定的本公开的精神和范围的情况下，可以在本文中进行各种改变、替换、和变更。

利用诸如网络功能虚拟化、微服务、软件定义网络、以及网络切片的架构概念的组合，5G系统可以提供敏捷、基于云的服务基础设施。在5G云中，网络功能、应用、和服务(例如业务传输等)可以表现为动态工作负载，无论何时何地，只要装置或用户在共享物理基础设施中需要这些网络功能、应用、和/或服务，就可以动态执行或按需执行这些动态工作负载。有了这种灵活性，系统的复杂性也会增加，需要新的资源供应方式来实现高性能和可靠性。

本公开各方面提供了将底层物理基础设施划分为多个并行切片段。多个并行切片段中的每个切片段可以使用特定资源域中的同类物理资源的较小一部分。通过将这些切片段连接到一起以实现具有预定义功能集合和服务等级协议(service level agreement，SLA)的特定网络服务，从而实现端对端切片。基于每个资源域中的工作负载建模和分类，网络业务被自适应地分配到这些并行切片段上，使得在该资源域中的一组物理或虚拟处理器上最大化统计复用增益，同时获得网络流的最高效用。

在一些实施例中，复用/解复用单元将接收的业务数据划分为与工作负载对应的数据流，并基于复用要求或规则在切片段上复用数据流。每个切片段可以被称为支持网络切片的无线网络中的物理处理单元或虚拟处理单元。在一个示例中，在切片段上复用数据流，使得具有不同效用定义的数据流被分配给不同的切片段。在另一示例中，在切片段上复用数据流，使得在T维向量空间中划分的同一聚类中的工作负载被分配给不同的切片段。在同一聚类中的工作负载相互关联，T维向量空间是基于历史工作负载在先前连续的T个时间间隔中在复用/解复用单元处所需的处理时间形成的。

图1示出了用于数据通信的网络100。网络100包括具有覆盖区域101的基站110、多个移动装置120、和回程网络130。如图所示，基站110建立与移动装置120的上行链路(虚线)连接和/或下行链路(点线)连接，这些连接用于承载从移动装置120传送到基站110的数据，反之亦然。上行链路连接/下行链路连接上承载的数据可以包括在移动装置120之间传送的数据，以及通过回程网络130向/从远程端(未示出)传送的数据。本文所使用的术语“基站”是指用于提供对网络的无线接入的任何组件(或组件的集合)，例如增强型基站(eNB)、gNodeB、收发点(transmit-receive point，TRP)、宏小区、毫微微小区、Wi-Fi接入点(access point，AP)、或其他无线使能设备。基站可以根据一个或多个无线通信协议提供无线接入，例如，下一代无线电(generation radio，NR)、长期演进(long term evolution，LTE)、先进型LTE(LTE advanced，LTE-A)、高速分组接入(high speed packet access，HSPA)、Wi-Fi802.11a/b/g/n/ac等。本文所使用的术语“移动装置”指的是能够与基站建立无线连接的任何组件(或组件的集合)，例如用户设备(user equipment，UE)、移动站(mobile station，STA)、和其他无线使能设备。在一些实施例中，网络100可以包括各种其他无线装置，例如中继、低功率节点等。

虽然5G网络可以允许更灵活和更敏捷地接入资源，但也相应增加了资源分配和服务供应决策的复杂度。在通过由自适应反馈环中的数据收集、抽象、建模、学习、和网络编程支持广泛的自动化来克服大规模分布式5G云的复杂度方面，网络管理和编排(networkmanagement and orchestration，MANO)可以发挥前所未有的作用。相比于基于资源过供应的替代方案，可以在同一物理基础设施上打包更多和不同的网络服务、同时提供灵活性以动态适应不同时间和地点的客户需求变化的平台解决方案可能会具有优势。随着时间的推移，移动边缘云最终可能类似于超大规模的数据中心，其分解的资源通过共享的交叉网络(cross-haul network)互连。有可能实现完全在无线接入侧驻留的新服务。实质上，5G云可以是基于效用的计算和基于效用的联网的泛在收敛点。5G网络基础设施可以包括聚集点的层级，其可以被云化以托管网络功能和新兴服务。

图2示出了根据本公开实施例的网络200的图。如图所示，网络200包括多个无线前端节点(radio frontend node，RFN)202、无线接入网(radio access network，RAN)云206、208、核心云212、以及一个或多个工作负载管理和网络控制器214。RFN 202、RAN云206、208、以及核心云212使用网络传输(例如回程传输210或前传传输204)相互通信。RAN云206和208以及核心云212中的每一个支持一个或多个移动边缘应用和网络功能。

RFN 202是最接近移动装置的基础设施点。可选地，可以定义两种类型的RFN 202。第一种类型是远端射频头(remote radio head，RRH)，其可以通过前传传输204与RAN云206或208中的基带处理器交换同相(I)/正交(Q)样本。第二种类型是可编程远端节点，其自身可以托管基带处理，以及根据需要托管从基带托管中受益的其他无线接入网功能。演进通用公共无线电接口(evolved commonpublic radio interface，eCPRI)规范支持物理层和更高层内的多个切分选项，并允许使用各种类型的前传传输，包括光、以太网、IP、或无线传输。在软件定义网络(software-defined network，SDN)和网络功能虚拟化(networkfunctions virtualization，NFV)的支持下，工作负载管理和网络控制器214可以监控无线链路质量、回程容量、或工作负载状态的变化，并且这些变化可以用作输入以确定实时功能切分。

RAN云206或208是相对最靠近移动装置的云位置，并且能够托管满足极低时延、高可靠性、以及极高带宽服务所需的功能和应用。在一个实施例中，为了提供两个移动装置之间1ms的端对端时延，当在前传传输204中使用光链路时，RFN 202和RAN云206或208之间的距离的上限可以小于100千米。如果RAN云206或208托管无线调度器，上述距离可能进一步受到信道相干时间的限制，超过该时间，信道状态信息将会过时。对于车速(例如100Kmph)，在相对低频(例如小于2GHz)处的信道相干时间可以为毫秒级，而在毫米波频率处，信道相干时间可以为100微秒级。因此，为了支持在毫米波频率的云RAN(cloud RAN，C-RAN)中的媒体访问控制(media access control，MAC)，RAN云206或208距离RFN不能远于20km。当在RAN云206或208进行基带处理时，利用CPRI估计前传传输204的最大长度约为15-20km。

核心云212可以对应于相对少的云位置，每个云位置覆盖全国网络的一大部分，通过分布式网关功能服务流向/来自其他网络和云提供商的业务。核心云212可以用于托管旧式第三代合作伙伴计划(3rd Generation Partnership Project，3GPP)和非3GPP核心网功能，促进高带宽的全国和全球覆盖，支持漫游服务，以及集中管理总库存和网络操作等。尽管有硬件加速器，但核心云212可以主要是虚拟化的，并且服务可以以虚拟机或软件容器的形式托管。

RAN云206和208以及核心云212内的通信和RAN云206和208以及核心云212之间的通信经由回程传输210完成，回程传输210可以是相对前传传输204完全正交的解决方案。在一个实施例中，根据RFN 202和RAN云201和208之间采取的层划分，统一的x-haul解决方案可以潜在地替代前传传输204和回程传输210。在另一实施例中，可以在同一物理底层上为前传传输204和回程传输210提供独立的网络切片。这可以用于已经提供超高可靠低时延通信(ultra-reliable low latency communications，URLLC)的网络。工作负载管理和网络控制器214可以用于监控和管理网络200的操作，并且管理网络200中的工作负载分配和处理。在一些示例中，网络200可以是5G或下一代无线电(next generation radio，NR)网络。

端对端(end to end，e2e)服务可以跨不同的层并在每一层采用多个网络功能。在一些实施例中，可以采用基于效用的网络切片提供e2e服务。网络切片可以允许在公共共享物理基础设施之上创建多个虚拟网络，然后可以定制虚拟网络以满足应用、服务、装置、客户、或运营商的特定需求。借助于在每一层和网络域中提供合适的功能和资源调度，网络切片可以有助于满足e2e服务的各种SLA。例如，在5G网络下，单个物理网络可以被切分为多个虚拟网络，上述多个虚拟网络可以支持不同的RAN，或在单个RAN上运行的不同的服务类型。

在一些实施例中，e2e服务的不同SLA需求对应于不同的切片类型。一种切片类型可以对应于一组网络功能和服务SLA。当在特定网络切片类型上承载e2e服务时，e2e服务可以利用为该切片类型特别设计的一组控制面(control plane，CP)和用户面(user plane，UP)功能。CP功能可以基本上支持控制信令。CP功能彼此交互，形成循环信令流。UP功能以无循环方式处理用户业务，形成入口点和出口点之间的服务链。在一些实施例中，可以执行网络切片，使得给定切片中的每个CP功能被转换为微服务。在这种情况下，应用程序接口(application program interface，API)调用可以不面向特定CP功能，而是面向微服务。给定切片中的特定CP功能的所有实例可以被其他功能视为一个逻辑实体。在状态和计算之间分离的情况下，对微服务的API调用可以是间接的，并由网络对组成该微服务的任何CP功能执行。可以基于每切片并面向API客户透明地处理API路由、缩放和升级CP功能、计量和计费API调用等。

对于用户面处理，在一些实施例中，每个网络切片类型可以具有许多切片实例，每个切片实例消耗相对较小的一部分物理资源，并基于服务的入口节点和出口节点(即，基于应用和用户的位置)跨越一个或多个云位置。缩放服务类型相当于将更多切片实例增加到系统或移除某些现有切片实例。与将更多资源增加到每个切片实例相反，增加切片实例的数量具有以下优势：增加系统多样性以应对由于自发拥塞或故障而在系统中出现的热点，并提供基于效用的联网。

在一些实施例中，从数学的角度看，e2e SLA可以被映射到最优化问题上，这些最优化问题具有特定效用函数和一系列约束。在这种情况下，每个切片实例可以对应于特定效用最大化问题，其中，可以假设在该切片中的所有流共享同一效用定义和受到同样的约束。生成的系统可以对应于特定效用最大化问题。这种映射的一个示例可以参见用于保护网络免受拥塞的各种TCP协议的拥塞控制方法，其中，结果表明该方法可以对应于解决不同的α公平效用最大化问题。注意，某些系统可能没有采用这种自顶向下的视图进行设计，而是采用了更加自下而上的方法，其中，基于网络架构师的经验和基于预期的流特性来定义层和功能。

切片在基于效用的联网中的作用非常巨大。特别地，在一些实施例中，切片可以用于分离网络域，并允许在每个域内使用不同的基于效用的联网方法。在基于效用的联网的示例中，网络中可以考虑多种类型的流。第一种类型可以基于端对端延时信令或测量设置发送速率。这种类型的流的示例可以包括根据数据中心传输控制协议(data centertransmission control protocol，DCTCP)或传输控制协议(transmission controlprotocol，TCP)Vegas等的业务流。第二种类型可以主要单纯基于包损失设置发送速率。这种情况可以是TCPReno或TCPCubic等。在该示例中，这两种类型的两种速率控制机制可能在时延方面没有相同的目标。第一种类型可能尝试消除/减轻排队延时，同时获得路径带宽的公平份额，而第二种类型可能仅对最大化其吞吐量的公平份额感兴趣。在一个示例中，将这两种类型的流分离到其各自的切片实例中可以提供彼此的隔离(即，一个切片实例具有低队列堆积，而一个切片实例具有大队列堆积)，同时允许每个切片实例中的流在其相应切片的效用定义下公平竞争。

在一些实施例中，可以使用多个切片段建模并实现端对端切片，每个切片段覆盖不同的资源域。资源域可以指(例如，物理地、逻辑地、或虚拟地)位于特定位置并由相关管理者(例如，物理地、逻辑地、或虚拟地)管理的资源集。资源域的示例可以包括RAN域或核心网(CN)域。覆盖RAN域的切片段可以被称为RAN段，覆盖CN域的切片段可以被称为CN段。某个切片类型中考虑的不同功能划分和分解选项可以得到不同数量的段。本文的切片段是指用于处理或服务业务的一个或多个虚拟或物理处理单元或功能。例如，切片段可以是级联的一个或多个虚拟或物理处理器、基带处理单元(baseband processing unit，BBU)实例、或5G网络中的一系列的一个或多个UP功能。根据实际的功能划分，各种类型的切片段可以有所区别。

本公开实施例提供了网络的以工作负载为中心的架构(例如5G云)，可以用于高效资源供应。以工作负载为中心的架构的特征在于动态工作负载、弹性的并行工作负载、解耦的计算和状态、或模型驱动的工作负载分配。在一些实施例中，工作负载可以被建模为动态工作负载。在5G云中，移动边缘应用、网络功能、网络传输、网络切片、和网络业务创建了复杂的资源需求生态系统。所有这些需求可以被建模为需要基于实际要求进行可调节资源分配的动态工作负载。只要在物理约束内满足应用要求，那么可以在任何地方执行工作负载。特定的工作负载可能会根据系统中所有工作负载和系统容量而暂停、抢占、迁移、复制、拆分、或终止。一些工作负载可以是位置特定的(例如，与旅游热点、火车站、体育馆等有关的应用的工作负载)，一些工作负载可以是以用户为中心的(例如，由企业客户、漫游客户等生成的工作负载)，而一些工作负载可以是无所不在的(例如，与移动宽带接入有关的工作负载)。对分布式云资源的高效池化需要对每种工作负载类型在以下方面进行分类和建模：工作负载如何消耗计算资源、存储资源、和链路资源，何时和何处需要这些工作负载，以及不同的工作负载如何相互关联。

在一些实施例中，网络服务的工作负载可以被划分为弹性并行工作负载。解决最优化问题可能需要很长时间，并且获得的解决方案可能仅是最优化方案的近似。在另一方面，当弹性地看待资源时(例如，每切片的部分资源缩放，多个资源节点/链路上的分配的划分)，可以使用有力的连续优化工具。从网络业务的角度看，通过各种协议可以实现以不同的粒度对网络流进行分组，这些协议包括多协议标签交换(multiprotocol labelswitching，MPLS)、承载、虚拟局域网(virtual local area network，VLAN)、虚拟可扩展局域网(virtual extensible LAN，VXLAN)、网络服务头(network service header，NSH)等。在这些协议之上，软件定义网络(SDN)允许业务资源的精调和敏捷管理。从网络功能的角度看，采用云本地设计原则，可以实现工作负载弹性，其中，网络功能被打包在软件容器中，这些软件容器消耗一小部分在主机可用的物理资源，并避免了虚拟化税，即与虚拟化相关的开销。在一个实施例中，可以采用弹性工作负载分配在许多并行网络切片实例上划分网络服务，并基于网络状态和服务要求将每个切片实例的功能作为独立单元来进行分发，而非向网络服务提供级联的大型网络功能。这样，弹性工作负载可以有效地利用系统中的任何空闲容量。

在一些实施例中，计算和状态可以分离。当一般性地考虑一切为弹性工作负载时，可以通过在5G云中自由移动功能计算来达到最终效率。内部功能状态的副本在每个可用云位置处立刻获得，通过仅在需要新功能的位置生成新功能并在不需要功能的位置终止功能，或者通过改变负载平衡规则，工作负载也可以在最小化或没有服务干扰的情况下自由转移。因此，这可以避免由工作负载迁移造成的复杂且昂贵的任务，该工作负载迁移是由在会话级别具有固有状态(例如，包序列号、压缩期间形成的字典、传输/重传状态、或用户信息等)的许多网络功能引起的。实现这种状态分离的途径可以是通过跨5G云位置使用高度弹性的分布式数据库系统。这样的数据库可以用作网络功能之间的以太，以分配关键状态，并具有在工作负载转移期间进行高速缓存同步的功能。

在一些实施例中，工作负载分布可以由建模驱动。5G云可以服务高要求的应用，这些应用要求相对其前任更低的时延、更高的吞吐量、和/或更可靠的通信。例如，超高可靠低时延通信(ultra-reliable low latency communications，URLLC)可以被认为是主要的5G要求。工作负载建模已成为满足高系统利用率的服务等级协议(SLA)的非常关键的组成部分。统计复用，即在多个作业之间共享处理器而不是将其专用于单个作业，是网络效率的核心原则之一。5G云环境中的作业可能是等待处理的包或计算任务(例如虚拟网络功能或应用程序)。但是，为了补偿突发到达并防止作业损失，可能必须进行缓冲，从而导致额外的时延。通过支持不同的服务类别、优先级、以及适当的准入控制和抢占机制，可以防止不必要的排队，并且对于高优先级的作业仍可以保持较低的系统延迟。此外，云系统可以包括许多并行处理器，并且可以通过将具有最佳统计复用特征的作业放到同一处理器上来提高统计复用的性能。因此，可以在云系统中减轻突发性。在这种情况下，可以提供低延迟和低抖动处理而不会损害系统的吞吐量和可靠性。由于工作负载特征可能会在短时间内发生变化，尤其是在RAN云中(例如，由于移动性、无线调度、和无线信道状态)，因此，通常用于最大统计复用增益的实时工作负载建模和工作负载重组可能会进一步提高系统性能和效率。

图3示出了用多个切片段实现的e2e网络切片300的实施例的图。在该示例中，切片段开始于并终止于复用/解复用(mux/demux)单元。图3示出了mux/demux单元302、304、306、和308。mux/demux单元302、304、306、或308可以是物理硬件，或用于将接收到的业务数据解复用(或划分)为数据流并在多个切片段上复用这些数据流的虚拟装置。例如，mux/demux单元302、304、306、或308可以是交换机或路由器。mux/demux单元302、304、306、或308可以包括用于接收业务数据的一个或多个物理或虚拟输入端口。mux/demux单元302、304、306、或308还可以包括一个或多个物理或虚拟输出端口。mux/demux单元302从业务数据生成的数据流可以与不同输出端口相关。例如，每个数据流可以与一个输出端口相关(或被分配至一个输出端口)。在另一示例中，多个数据流可以被分配至一个输出端口。输入端口和输出端口可以与不同切片段相关。输入/输出端口和切片段之间的相关性例如在一段时间内可以是固定的，或是可动态改变的。MANO可以增加/移除切片段，然后上述相关性可以被更新。切片段312从mux/demux单元302开始，并在mux/demux单元306终止。切片段314从mux/demux单元306开始，并在mux/demux单元308终止。切片段316从mux/demux单元302开始，并在mux/demux单元304终止。切片段318从mux/demux单元304开始，并在mux/demux单元308终止。以同样的阴影示出了具有完全一样的功能组和匹配的处理能力以及同样的入口和出口云位置的切片段。例如，所有切片段316具有同样的功能组和匹配的处理能力，并且所有切片段316均从mux/demux单元302开始并在mux/demux单元304终止。切片段312a、312b、和312c虽然均从同样的mux/demux单元开始并终止于同样的mux/demux单元(即，mux/demux单元302和306)，但由于具有不同的功能，故彼此不相同。mux/demux单元可以用于接收用户业务(例如mux/demux单元302)并将用户业务划分为多个数据流。每个数据流对应于不同的工作负载。mux/demux单元还可以用于从多个切片段接收输入业务，例如mux/demux单元306、304、和308，并将该业务划分为多个数据流。mux/demux单元随后将多个数据流映射到切片段之一。例如，当增加/移除切片段、网络状态改变、或工作负载特性演进时，网络控制器可以动态改变上述映射。mux/demux单元可以是可编程的。在一个实施例中，当服务特定用户业务(例如，如图3所示的Alice的流)时，该用户业务可以首先被分类至具有定义明确的切片段的特定切片类型。mux/demux单元可以基于该分类将该用户业务切换至在该mux/demux单元后的多个切片段之一。mux/demux单元可以基于进一步的工作负载建模和分析选择特定段。切片段可以在不同切片类型中共享。

在一些实施例中，可以采用SDN交换机作为mux/demux单元。在这种情况下，每个切片段可以被认为是对应于链路，并且每个mux/demux单元对应于网络图上的节点。在该模型内，选择用于映射数据流的切片段可以作为路由问题来解决。在这种情况下，每个数据流可以只由网络流的切片类型引起的子图服务。在MANO基于客户需求增加或移除切片段时，MANO可以扩展或缩减路由图。

图4示出了本公开中的实施例的网络400的图。图4示出了在RAN云处如何处理上行工作负载的示例。在一些情况下，在RAN云中，上行处理(即接收器侧)可以比下行处理(即发射器侧)要求更高。在此，上行工作负载仅用作示例。该实施例也可以应用于下行工作负载，或网络节点之间传输的工作负载。网络400支持网络切片，网络切片由切片段实现。网络400包括RAN云410、430以及N个RRH单元440(即，RRH₁、RRH₂、...RRH_N)，RRH单元440用于与RAN云410、430通信。RAN云410、430可以用于彼此通信。图4中所示的网络400的架构称为云RAN(C-RAN)，可以允许工作负载聚合以进行基带处理，并且实现在RAN云的协作多点无线传输。在一些示例中，小的聚合度(例如，6个小区)可能足以显著改善基带处理(例如，30％)。或者，约15km半径的区域内可以同时存在数百个小区，这为动态工作负载分配创造了充足的机会。应当理解，可以进一步提高处理增益。

在该示例中，对于RAN云410和RRH单元440之间的通信，可以划分功能使得在RAN云410执行基带处理，而RRH单元440将I和Q样本交付至RAN云410。RAN云410可以包括物理功能和虚拟功能，这些功能可以被灵活地重配置，并作为时变工作负载的函数动态链接到一起。如图所示，RAN云410包括mux/demux单元418，mux/demux单元418从RRH单元440接收工作负载，并将工作负载映射至k个基带处理单元(BBU)，即BBU₁、BBU₂、...BBU_k。k个BBU中的每一个的输出馈入mux/demux单元420，mux/demux单元420将其输出分发至L2功能以进行进一步的处理。在该示例中，k个BBU是用于处理来自mux/demux单元418的工作负载的切片段。k个BBU在mux/demux单元418和mux/demux单元420之间耦合。RAN云410还包括跨功能和应用的公共数据库层或公共数据库412，用于存储功能状态、应用状态、测量、或建模结果。RAN云410可以包括一个或多个建模器414，建模器414可以通过数据分析、机器学习、随机分析等对应用、网络功能、平台组件、以及工作负载的各种方面进行建模。RAN云410还可以包括一个或多个控制器416，控制器416基于来自数据库412和建模器414的输入对在RAN云410中如何处理工作负载进行决策。类似地，RAN云430包括控制器、数据库、以及一个或多个建模器。

在一些实施例中，每个RRH单元440生成的工作负载可以被划分为与3GPP网络中的调度帧一致的逻辑帧。例如，一个帧包括10个子帧，每个子帧的持续时间为一个传输时间间隔(transmission time interval，TTI)或一个时隙。图4示出了每个帧(例如，帧1或帧2)具有T个子帧。每个子帧可以对应于工作负载。在该实施例中，处理第i个RRH单元在第k个子帧期间生成的工作负载所需的计算周期的数量表示为ρ_i,k。图4使用处理每个工作负载所需的计算周期的数量示出了相应工作负载。在本公开中，工作负载由处理该工作负载所需的处理时间(或计算周期的数量)表示。每个RRH单元在子帧中生成工作负载。计算周期可以被称为用于处理工作负载的时间段。该时间段可以使用例如处理器的处理周期表示。经由前传链路/传输来自N个RRH的工作负载由mux/demux单元418复用到K个BBU上，其中，N>>K。当来自任何RRH单元430的任何子帧已由BBU中的一个或多个处理，从而生成解码的字节流时，该字节流在BBU的输出级被传送到mux/demux单元420，并且每个子帧随后从特定RRH被切换至特定层2(layer 2，L2)功能，以在下一切片段进行进一步的处理和形成包。

当在K个BBU上复用工作负载时，mux/demux单元418可能需要根据预定义的复用规则或要求确定将哪个工作负载分配给哪个BBU。本地控制器(例如控制器416)可以对哪个BBU接收哪个RRH工作负载或复用规则或要求进行编程。在一些实施例中，可以基于工作负载的效用定义将工作负载分配给BBU或其他切片段。如上所讨论的，不同类型的业务可以具有不同的效用，将不同效用的工作负载分配给同一BBU可能会导致一种工作负载的性能不佳。在一个实施例中，具有不同效用定义的工作负载可以被分配给不同切片段，以适应工作负载的效用要求。在一些实施例中，RRH工作负载可以逐帧分发给BBU。在这种情况下，复用功能可以理解为在一帧期间保持不变，并且可以在后续帧中改变。例如，在帧1中，RRH₁和RRH₂的工作负载可以一起放置在BBU₁上，而在帧2期间，RRH₁和RRH_N的工作负载可以一起放置在BBU₂上。相应地，在给定BBU处的总工作负载不会超过允许的阈值，并且可以避免在包处理期间由在给定BBU处每个帧中的工作负载的叠加而导致的干扰通信的严重延时和损失。在一些实施例中，控制器416可以选择/确定在mux/demux单元418处的复用功能，使得在每个子帧中任何BBU观察到的最大工作负载可以总体上被最小化。因此，可以平衡BBU间的负载。本领域技术人员将理解，在本公开实施例中，任何BBU均可以适用。例如，在实施例方法中可以应用具有更小或更大(规模)的处理单元的BBU，或具有不同板或芯片的BBU。

在一些实施例中，因为工作负载所需的实际计算周期取决于瞬时状态，故直到BBU处理该工作负载，才能得知ρ_i,k值。虽然无线调度器或控制器416可以知道信道测量报告，选择传输节点，并决定可以将哪个资源块分配给哪个用户，但是其不知道瞬时信道状态以及每个块需要多少次解码迭代。在一个示例中，可以在处理工作负载时直接在每个BBU测量处理周期。在另一示例中，可以通过工作负载进入和退出BBU的时间戳推断处理周期。所测量的周期(即ρ_i,k)可以与关于RRH 440、帧、和子帧标识符的信息一起提交给数据库412。建模器414可以用于连续读取ρ_i,k值并生成有用的信息，该有用的信息可以直接由控制器416使用以作出工作负载分配决策。

机器学习(machine learning ML)技术为工作负载的分析和分类提供了新的机会，并且可以在资源相对受限的RAN云中提供最佳资源使用方面的优势。当工作负载不遵循特定的数学模型时，通过ML实时查找和权衡工作负载的相关特征至关重要。

图5示出了将工作负载分配/分发给如图4所示的网络中的BBU的实施例方法500的图。该实施例方法可以应用于将工作负载分配/分发至任何切片段。在该实施例中，在包括T个子帧的帧期间的每个RRH工作负载的处理时间的变化可以表示为T维向量(或工作负载)空间510中的点。这里的T维向量空间可以指按照在mux/demux单元处接收到的历史工作负载在连续的T个时间间隔所需的处理时间形成的空间。也就是说，T维向量空间中的每个维度表示在T个时间间隔之一中使用的处理时间(或周期)。ML技术可以用于使用收集的关于历史工作负载和处理时间(或处理周期、计算周期)的数据形成T维向量空间。由于有N个RRH，因此在每个时间帧在该T维空间510中生成N个点，根据分配决策，这些点被映射到K个BBU之一。图5示出了T维向量空间510中的N个小圆圈，表示来自当前帧的工作负载的N个点。当该T维空间510中的两个点彼此接近时，例如，当两个点之间的距离小于阈值时，可以确定其工作负载波动相互关联，将这两个点聚集在同一BBU上可能增加BBU处子帧基础上的工作负载的方差。在一些实施例中，为了避免可能的工作负载高峰，可以将完全不相关的工作负载向量分配给同一BBU。例如，在一个子帧内，在一个RRH单元处的大工作负载和在另一RRH单元处的小工作负载(彼此之间相关性较小)可以被分配给同一BBU，从而在该子帧内，在该BBU处RRH工作负载的总和不会变得太高。

通常，当将两个工作负载分配给同一BBU会导致该BBU的过负载时，可以确定这两个工作负载彼此相关。例如，当T维向量空间中分别表示两个工作负载的点在预定距离内或在预定区域内时，可以确定这两个工作负载彼此相关。实施例方法确定工作负载的相关性，并避免将相关的工作负载分配/分发给同一BBU。在一些实施例中，工作负载(或T维空间中的点)可以具有标签，以指示工作负载是否相关及其相关程度。在这种情况下，可以不将具有相同标签的点分配给同一BBU。在一些实施例中，还可以用负载值标记点，以指示这些点需要较大还是较小数量的计算周期。在这种情况下，标记为具有较高总负载值的点可以在标记为具有较低值的点之前在BBU上进行负载平衡。

在一些实施例中，可以基于在T维向量空间510中的N个点(即工作负载)之间的距离确定T维向量空间510中的N个点间的相关性。例如，当一些点之间的距离在阈值内时，确定这些点具有相关性，并且可以不将其分配给同一BBU。在一些实施例中，可以基于点之间的距离将N个点分为多个聚类。每个聚类包括彼此相关的点，在不同聚类中的点的相关性小于在同一聚类中的点的相关性。在一些实施例中，K均值聚类可以用于分配工作负载，k均值聚类是在无监督学习中用于聚类未标记数据点的一种广泛使用的工具。根据实施例，T维向量空间510中的N个点可以被分为k个聚类540，其中，通常选择k为大于或等于K，即BBU的数量。每个聚类包括彼此相关的点。在k均值算法的一个示例中，该算法可以开始于k个质心点，并将每个工作负载点映射至最近的质心。映射至同一质心的所有工作负载点组成一个聚类。然后，该算法可以基于在前一次迭代中分配给同一聚类的工作负载点计算新的质心，并且可以基于该新的质心重分配/重映射所有工作负载点。该算法可以重复该质心计算和分配过程，直到新的质心点与前一质心点相同(即，聚类收敛)。图5示出了三个聚类作为示例，即，用小圆圈表示的聚类k1(圆圈聚类)、用小方块表示的聚类k2(方块聚类)、以及用小三角表示聚类k3(三角聚类)。在一些实施例中，聚类的数量可以等于BBU的数量。例如，如果有K个BBU，则N个点可以被分为K个聚类。在同一聚类中的工作负载相互关联。随后，工作负载被分配给BBU，使得同一聚类中的工作负载被分配给不同的BBU。也就是说，相互关联的工作负载不会被分配给同一BBU。在一个示例中，可以针对其质心的总权重(例如，L₁范数)以降序对聚类进行排序，如框520所示作为示例。从具有最高顺序的聚类开始，例如，由方块表示的聚类，以循环方式将N个点映射至K个BBU。如框530所示，每个BBU被分配有分别从方框聚类、圆圈聚类、以及三角聚类中选择的3个工作负载。本领域技术人员将理解，可以使用许多其他技术将聚类中的工作负载分配给BBU，使得相互关联的工作负载不被分配给同一BBU。基于当前时间帧中的测量构造的映射函数可以用于下一时间帧中的RRH到BBU的分配。

在一些实施例中，复用器/解复用器(例如，图3中的mux/demux单元302、306、308或图4中的mux/demux单元418、420)在处理时间间隔T+1内接收业务数据。复用器/解复用器可以包括多个输入端口和多个输出端口。输出端口可以在时间间隔T+1期间与一组切片段相关。输入端口也可以与从其接收业务数据的切片段相关。复用器/解复用器可以将接收的业务数据解复用(或划分)为多个数据流，并将每个数据流映射至与切片段相关的输出端口。控制器(例如图4中的控制器416)可以确定如何划分数据流以及如何将每个数据流映射至输出端口。在一些实施例中，可以收集复用器/解复用器在先前连续的T个时间间隔中输出的工作负载的处理时间/周期，并将其存储在数据库中。例如，参考图4，mux/demux单元418可以报告具有相应工作负载的数据流离开mux/demux单元418的时间，而mux/demux单元420可以报告该数据流到达mux/demux单元420的时间。这样，可以获得mux/demux单元418、420之间的切片段用于处理与该数据流对应的工作负载的处理周期的数量。建模器414可以获得历史工作负载相关数据(即，在先前T个时间间隔中的工作负载处理时间)，并执行分析。例如，建模器414可以使用由建模器执行的机器学习算法执行工作负载建模。在一个示例中，建模器414可以使用历史工作负载数据形成T维向量空间，并例如使用聚类技术将T维向量空间中的工作负载点分成多个聚类。在另一示例中，建模器414可以基于历史工作负载的处理时间对历史工作负载进行排序。在另一示例中，建模器414可以标记历史工作负载以进行相关。关于聚类、排序、或标签的信息也可以存储在数据库中。控制器416可以从建模器414获得聚类或排序信息，然后在mux/demux单元418上对如何划分业务数据并将数据流映射到切片段进行编程。

以上实施例使用需要数据收集和建模阶段的ML技术分发工作负载，这增加了系统复杂度。在一些实施例中，可以采用并不需要额外复杂度和相关成本的盲工作负载聚合方案。图6示出了RRH工作负载到BBU的盲工作负载聚合(或盲聚类)的实施例方法600。在该示例中，相邻小区(例如，RRH)可以聚集在一起，形成工作负载聚类602、604、606。同一聚类中的聚合工作负载可以在同一BBU中处理。例如，聚类602的工作负载在BBU₁中处理，聚类604的工作负载在BBU₂中处理，聚类606的工作负载在BBU_K中处理。当相邻RRH生成的工作负载在每个子帧中独立同分布(independent and identically distributed，i.i.d.)时，这样的本地聚合可以生成在时间上平滑的、变化较小的工作负载。在具有突发访问场景的密集部署中或在协作多点发送/接收(TX/RX)部署中，相邻RRH之间自然会发生正相关。为了分散本地相关的工作负载，在一个实施例中，可以在映射到BBU上之前首先在RRH之间应用工作负载的伪随机交织(即，随机平衡聚类)。由于RRH与BBU之比往往较高，因此随机化可能会导致来自同一BBU上来自不同RRH的繁重工作负载发生重大冲突。

图7是示出使用图5示出的实施例工作负载分发方法获得的BBU最大负载增益与如图6所示的盲工作负载聚合获得的BBU最大负载增益的对比的图。在该示例中，使用包括以下步骤的随机游走过程生成来自每个RRH的独立同分布工作负载：(1)从第一分布F₁选择随机负载。当F₁可以生成负值时，将该值截断为零。(2)从具有以时间帧持续时间为单位测量的均值参数(即负载相干时间(load coherence time，LCT))的第二分布F₂选择随机负载持续时间。(3)重复步骤1和2。F₁可以从具有第一和第二矩特征的各种分布中选择，包括均匀分布、高斯分布、二项分布、威布尔(Weibull)分布等。F₂也可以从具有各种参数选择的各种分布中选择，包括指数分布和帕累托(Pareto)分布。在超过100,000帧的四种不同模拟场景下，评估了任何BBU在给定子帧中在不同的累积分布函数(cumulative distributionfunction，CDF)点(即CDF值)观察到的最大负载方面的收益。四个不同模拟场景包括了F₁和F₂分布的不同组合。曲线702、704示出了两个模拟场景，其中，F₁是具有不同参数的高斯分布，F₂是指数分布。曲线702示出了均值为10和标准差(std)为8的高斯分布，以及均值为30的指数分布。曲线704示出了均值为10和标准差为3的高斯分布，以及均值为30的指数分布。曲线706、708示出了两个模拟场景，其中，F₁是均匀分布，F₂是具有不同参数的指数分布。曲线706示出了均值为10的均匀分布和均值为30的指数分布。曲线708示出了均值为5的均匀分布和均值为3的指数分布。图7示出了这些评估的代表性子集。ML方法以盲聚类或随机平衡聚类为基准，在本例中，盲聚类和随机平衡聚类的性能基本相同。x轴乘以100对应于不同的百分点(例如0.99对应于第99个百分点)。可以看出，随着负载幅度方差的增加或LCT变长，增益变得更加显著。在第80个百分点及以上，ML方法为LCT＝30的均匀分布的工作负载和标准差为8的高斯分布的工作负载节省超过15％的最大BBU负载。当LCT太小时，基于先前帧的聚类可能会捕获较少的工作负载相关性，并且建模可能不会提供明显的收益。一种解决办法是在每个子帧而不是每个帧更新模型。在LTE帧长为10毫秒的情况下，LCT＝30对应于300毫秒，考虑到峰值负载是由具有较长会话寿命的大象流(elephant flow)生成的，因此这不是一个很大的持续时间。当不假设相邻RRH之间的相关性时，在这些模拟中，盲聚类与随机平衡聚类方法表现相同。注意，由于相邻RRH中的相关性不是强制性的，因此盲聚类已经提供了实质性的统计复用。

图8示出了用于无线通信的实施例方法800的流程图。方法800可以指示mux/demux单元的操作，例如图3中的mux/demux单元302、304、306、308，或图4中的mux/demux单元418、420。如图所示，在步骤802，方法800通过支持网络切片的无线网络中的复用器(或mux/demux单元)的不同输入端口接收业务数据。在步骤804，方法800将业务数据划分为多个数据流，其中，每个数据流对应于工作负载，并与复用器的输出端口相关。在步骤806，方法800在多个切片段上复用数据流，其中，每个切片段是无线网络中的物理处理单元或虚拟处理单元，并且通过如下对数据流进行复用：将与T维向量空间中的多个数据流对应的工作负载分成多个聚类，并将数据流分配给多个切片段，使得同一聚类中的工作负载被分配给不同的切片段；并且其中，同一聚类中的工作负载相互关联，T维向量空间是基于历史工作负载在先前连续的T个时间间隔中在复用器处所需的处理时间形成的。

图9示出了用于无线通信的另一实施例方法900的流程图。方法900可以指示mux/demux单元的操作，例如图3中的mux/demux单元302、304、306、308，或图4中的mux/demux单元418、420。如图所示，在步骤902，方法900通过支持网络切片的无线网络中的复用器(或mux/demux单元)的不同输入端口接收业务数据。在步骤904，方法900将业务数据划分为多个数据流，其中，每个数据流对应于工作负载，并与复用器的输出端口相关。在步骤906，方法900在多个切片段上复用数据流，其中，每个切片段是无线网络中的物理处理单元或虚拟处理单元，并且基于数据流的效用定义在多个切片段上复用数据流，使得具有不同效用定义的数据流被分配给不同切片段。

图10示出了用于执行本文描述的方法的实施例处理系统1000的框图，该处理系统1000可安装在主机设备中。如图所示，处理系统1000包括处理器1004、存储器1006、以及接口1010-1014，其可以(或可以不)如图10所示布置。处理器1004可以是适于执行计算和/或其他处理相关任务的任何部件或部件组合，存储器1006可以是适于存储由处理器1004执行的程序和/或指令的任何部件或部件组合。在实施例中，存储器1006包括非暂时性计算机可读介质。接口1010、1012、和1014可以是允许处理系统1000与其他设备/器件和/或用户通信的任何部件或部件组合。例如，接口1010、1012、和1014中的一个或多个可以适于从处理器1004向安装在主机设备和/或远程设备上的应用传送数据、控制消息、或管理消息。又例如，接口1010、1012、和1014中的一个或多个可以适于允许用户或用户设备(例如，个人计算机(personal computer，PC)等)与处理系统1000交互/通信。处理系统1000可包括图10中未描述的附加部件，如长期存储设备(如非易失性存储器等)。

在一些实施例中，处理系统1000包括在接入电信网络或作为该电信网络的一部分的网络设备中。例如，处理系统1000可以在无线或有线电信网络中的网络侧设备中，例如基站、中继站、调度器、控制器、网关、路由器、应用服务器、或电信网络中的任何其他设备。在其他实施例中，处理系统1000是接入无线或有线电信网络的用户侧设备，例如移动台、用户设备(user equipment，UE)、个人计算机(personal computer，PC)、平板电脑、可穿戴通信设备(如智能手表等)、或任何其他适合接入电信网络的设备。

在一些实施例中，接口1010、1012、和1014中的一个或多个将处理系统1000连接到适于通过电信网络接收和发送信令的收发器。图11示出了用于通过电信网络发送和接收信令的收发器1100的框图。收发器1100可安装在主机设备中。如图所示，收发器1100包括网络侧接口1102、耦合器1104、发射器1106、接收器1108、信号处理器1110、以及设备侧接口1112。网络侧接口1102可包括任何适于通过无线或有线电信网络发送或接收信令的部件或部件组合。耦合器1104可包括任何适于促进通过网络侧接口1102进行的双向通信的部件或部件组合。发射器1106可包括任何适合将基带信号转换为适于通过网络侧接口1102发送的调制载波信号的部件或部件组合(如上变频器、功率放大器等)。接收器1108可包括任何适于将通过网络侧接口1102接收的载波信号转换为基带信号的部件或部件组合(如下变频器、低噪声放大器等)。信号处理器1110可包括任何适于将基带信号转换为适合通过设备侧接口1112通信的数据信号或将数据信号转换为基带信号的部件或部件组合。设备侧接口1112可包括任何适于在信号处理器1110与主机设备中的部件(如处理系统1000、局域网(local area network，LAN)端口等)之间传送数据信号的部件或部件组合。

收发器1100可通过任何类型的通信媒介发送和接收信号。在一些实施例中，收发器1100通过无线媒介发送和接收信令。例如，收发器1100可为适于根据无线电信协议进行通信的无线收发器，无线电信协议例如是蜂窝协议(如长期演进(long-term evolution，LTE)等)、无线局域网(wireless local areanetwork，WLAN)协议(例如Wi-Fi等)、或任何其他类型的无线协议(例如蓝牙、近场通信(near field communication，NFC)等)。在这些实施例中，网络侧接口1102包括一个或多个天线/辐射元件。例如，网络侧接口1102可包括用于多层通信的单个天线、多个独立天线、或多天线阵列，多层通信例如是单输入单输出(single input multiple output，SIMO)、多输入单输出(multiple input singleoutput，MISO)、多输入多输出(multiple inputmultiple output，MIMO)等。在其他实施例中，收发器1100通过诸如双绞线、同轴电缆、光纤等的有线媒介发送和接收信令。具体的处理系统和/或收发器可使用所有示出的部件，或仅使用这些部件的子集，且集成程度因设备而异。

本公开实施例提供了一种方法，该方法包括：通过支持网络切片的无线网络中的复用器(或复用/解复用单元)的不同输入端口接收业务数据；上述复用器将业务数据划分为多个数据流，每个数据流对应于工作负载，并与复用器的输出端口相关；以及复用器在多个切片段上复用数据流，每个切片段是无线网络中的物理处理单元或虚拟处理单元，其中，复用数据流包括：在T维向量空间中将与多个数据流对应的工作负载划分成多个聚类，同一聚类中的工作负载相互关联，T维向量空间是基于历史工作负载在先前连续的T个时间间隔中在复用器处所需的处理时间形成的；以及将数据流分配给多个切片段，使得同一聚类中的工作负载被分配给不同的切片段。

在以上实施例的一种实施方式中，在T维向量空间中将与多个数据流对应的工作负载划分成多个聚类包括使用k均值聚类技术划分与多个数据流对应的工作负载。

在以上实施例或实施方式的一种实施方式中，多个切片段中的一个切片段包括级联的一个或多个虚拟处理器或物理处理器。

在以上实施例或实施方式的一种实施方式中，多个切片段中的一个切片段包括基带处理单元。

在以上实施例或实施方式的一种实施方式中，多个切片段中的一个切片段包括5G网络中的一系列的一个或多个用户面功能和/或子功能。

在以上实施例或实施方式的一种实施方式中，复用器包括软件定义网络(SDN)交换机。

在以上实施例或实施方式的一种实施方式中，复用器位于无线接入网(RAN)云。

在以上实施例或实施方式的一种实施方式中，复用器从另一组切片段中接收业务数据。

在以上实施例或实施方式的一种实施方式中，多个数据流中的每个数据流由无线网络中的不同的远端射频头(RRH)生成，并且其中，复用器的每个输出端口与不同的基带处理单元(BBU)相关。

在以上实施例或实施方式的一种实施方式中，多个数据流中的每个数据流包括不同的用户设备(UE)通过无线网络的上行信道发送的业务流。

在以上实施例或实施方式的一种实施方式中，多个数据流中的每个数据流包括由无线网络中的不同基带处理单元(BBU)生成的包流。

本公开提供了一种设备的实施例，该设备包括第一复用/解复用(mux/demux)单元和第二mux/demux单元，第一mux/demux单元和第二mux/demux单元中的每一个用于通过不同的输入端口接收业务数据，并将该业务数据划分为多个数据流，每个数据流对应于工作负载并且与相应mux/demux单元的输出端口相关，多个切片段耦合到第一mux/demux单元和第二mux/demux单元，每个切片段是5G网络中的物理处理单元或虚拟处理单元，多个切片段用于处理与数据流对应的工作负载，并将处理后的工作负载发送至第二mux/demux单元。第一mux/demux单元用于根据预定义复用要求在多个切片段上复用数据流。

在以上设备实施例的实施方式中，上述复用要求要求多个切片段之间的负载平衡，并且其中，第一mux/demux单元通过以下在多个切片段上复用数据流：在第一时间间隔期间，将与T维向量空间中的多个数据流对应的工作负载分成多个聚类，同一聚类中的工作负载相互关联，T维向量空间是基于在第一mux/demux单元处接收的历史工作负载在先前连续的T个时间间隔中所需的处理时间形成的；以及将数据流分配给多个切片段，使得同一聚类中的工作负载被分配给不同切片段。

在以上设备实施例和实施方式的实施方式中，划分与T维向量空间中的多个数据流对应的工作负载包括使用k均值聚类技术划分与多个数据流对应的工作负载。

在以上设备实施例和实施方式的实施方式中，上述复用要求要求基于数据流的效用定义将数据流分配给多个切片段，并且其中，具有不同效用定义的数据流被分配给不同切片段。

在以上设备实施例和实施方式的实施方式中，多个切片段中的一个切片段包括级联的一个或多个虚拟处理器或物理处理器。

在以上设备实施例和实施方式的实施方式中，多个切片段中的一个切片段包括基带处理单元。

在以上设备实施例或实施方式的一种实施方式中，多个切片段中的一个切片段包括5G网络中的一系列的一个或多个用户面功能。

在以上设备实施例或实施方式的一种实施方式中，第一mux/demux单元或第二mux/demux单元包括软件定义网络(SDN)交换机。

在以上设备实施例或实施方式的一种实施方式中，第一mux/demux单元或第二mux/demux单元位于无线接入网(RAN)云中。

在以上设备实施例或实施方式的一种实施方式中，第一mux/demux单元从另一组切片段接收业务数据。

在以上设备实施例或实施方式的一种实施方式中，第一mux/demux单元处的多个数据流中的每个数据流由5G网络中的不同的远端射频头(RRH)生成，并且其中，第一mux/demux单元的每个输出端口与不同的基带处理单元(BBU)相关

在以上设备实施例或实施方式的一种实施方式中，多个数据流中的每个数据流包括不同的用户设备(UE)通过5G网络的上行信道发送的业务流。

在以上设备实施例或实施方式的一种实施方式中，多个数据流中的每个数据流包括由5G网络中的不同基带处理单元(BBU)生成的包流。

本公开提供了另一种设备的实施例，该设备包括第一复用/解复用(mux/demux)单元和第二mux/demux单元，第一mux/demux单元和第二mux/demux单元中的每一个用于通过不同的输入端口接收业务数据，并将该业务数据划分为多个数据流，每个数据流对应于工作负载并且与相应mux/demux单元的输出端口相关；多个切片段耦合到第一mux/demux单元和第二mux/demux单元，每个切片段是5G网络中的物理处理单元或虚拟处理单元，多个切片段用于处理与数据流对应的工作负载，并将处理后的工作负载发送至第二mux/demux单元。第一mux/demux单元用于通过以下在多个切片段上复用数据流：在第一时间间隔期间，将与T维向量空间中的多个数据流对应的工作负载分成多个聚类，同一聚类中的工作负载相互关联，T维向量空间是基于在第一mux/demux单元处接收的历史工作负载在先前连续的T个时间间隔中所需的处理时间形成的；以及将数据流分配给多个切片段，使得同一聚类中的工作负载被分配给不同切片段。

在以上设备实施例的实施方式中，多个切片段中的一个切片段包括级联的一个或多个虚拟处理器或物理处理器。

在以上设备实施例和实施方式的实施方式中，多个切片段中的一个切片段包括基带处理单元。

在以上设备实施例或实施方式的一种实施方式中，多个切片段中的一个切片段包括5G网络中的一系列的一个或多个用户面功能。

在以上设备实施例或实施方式的一种实施方式中，第一mux/demux单元或第二mux/demux单元包括软件定义网络(SDN)交换机。

在以上设备实施例或实施方式的一种实施方式中，第一mux/demux单元或第二mux/demux单元位于无线接入网(RAN)云中。

在以上设备实施例或实施方式的一种实施方式中，第一mux/demux单元从另一组切片段接收业务数据。

在以上设备实施例或实施方式的一种实施方式中，第一mux/demux单元处的多个数据流中的每个数据流由5G网络中的不同的远端射频头(RRH)生成，并且其中，第一mux/demux单元的每个输出端口与不同的基带处理单元(BBU)相关。

在以上设备实施例或实施方式的一种实施方式中，多个数据流中的每个数据流包括不同的用户设备(UE)通过5G网络的上行信道发送的业务流。

在以上设备实施例或实施方式的一种实施方式中，多个数据流中的每个数据流包括由5G网络中的不同基带处理单元(BBU)生成的包流。

本公开提供了一种设备的实施例，该设备包括第一复用/解复用(mux/demux)单元和第二mux/demux单元，第一mux/demux单元和第二mux/demux单元中的每一个用于通过不同的输入端口接收业务数据，并将该业务数据划分为多个数据流，每个数据流对应于工作负载并且与相应mux/demux单元的输出端口相关；多个切片段耦合到第一mux/demux单元和第二mux/demux单元，每个切片段是5G网络中的物理处理单元或虚拟处理单元，多个切片段用于处理与数据流对应的工作负载，并将处理后的工作负载发送至第二mux/demux单元。第一mux/demux单元用于基于数据流的效用定义在多个切片段上复用数据流，使得具有不同效用定义的数据流被分配给不同的切片段。

在以上设备实施例和实施方式的实施方式中，多个切片段中的一个切片段包括级联的一个或多个虚拟处理器或物理处理器。

在以上设备实施例和实施方式的实施方式中，多个切片段中的一个切片段包括基带处理单元。

在以上设备实施例和实施方式的一种实施方式中，多个切片段中的一个切片段包括5G网络中的一系列的一个或多个用户面功能。

在以上设备实施例和实施方式的一种实施方式中，第一mux/demux单元或第二mux/demux单元包括软件定义网络(SDN)交换机。

在以上设备实施例和实施方式的一种实施方式中，第一mux/demux单元或第二mux/demux单元位于无线接入网(RAN)云中。

在以上设备实施例和实施方式的一种实施方式中，第一mux/demux单元从另一组切片段接收业务数据。

在以上设备实施例和实施方式的一种实施方式中，第一mux/demux单元处的多个数据流中的每个数据流由5G网络中的不同的远端射频头(RRH)生成，并且其中，第一mux/demux单元的每个输出端口与不同的基带处理单元(BBU)相关。

在以上设备实施例或实施方式的一种实施方式中，多个数据流中的每个数据流包括不同的用户设备(UE)通过5G网络的上行信道发送的业务流。

在以上设备实施例或实施方式的一种实施方式中，多个数据流中的每个数据流包括由5G网络中的不同基带处理单元(BBU)生成的包流。

本公开提供了一种方法的实施例，该方法包括：通过支持网络切片的无线网络中的复用器(或复用/解复用单元)的不同输入端口接收业务数据；上述复用器将业务数据划分为多个数据流，每个数据流对应于工作负载，并与复用器的输出端口相关；以及复用器在多个切片段上复用数据流，每个切片段是无线网络中的物理处理单元或虚拟处理单元，其中，复用数据流包括基于数据流的效用定义在多个切片段上复用数据流，使得具有不同效用定义的数据流被分配给不同的切片段。

本公开提供了一种方法的实施例，该方法包括：通过支持网络切片的无线网络中的复用器(或复用/解复用单元)的至少两个输入端口接收业务数据；将业务数据划分为对应于工作负载的多个数据流；以及在多个切片段上复用数据流，其中，每个切片段包括无线网络中的至少一个处理单元。

在以上设备实施例的一种实施方式中，上述至少一个处理单元是虚拟处理单元。

在以上设备实施例和实施方式的一种实施方式中，上述至少一个处理单元是物理处理单元。

在以上设备实施例和实施方式的一种实施方式中，复用的步骤还包括：将同一聚类中的工作负载相关；将与向量空间中的多个数据流对应的多个工作负载分为多个聚类；基于在多个聚类之一中存在至少两个工作负载来关联工作负载；以及将数据流分配给多个切片段，使得同一聚类中的工作负载被分配给不同切片段。

在以上设备实施例和实施方式的一种实施方式中，向量空间是基于历史工作负载在先前连续的一批时间间隔中在复用器处所需的处理时间形成的。

本公开提供了一种方法的实施例，该方法包括：通过支持网络切片的无线网络中的复用器(或复用/解复用单元)的不同输入端口接收业务数据；上述复用器将业务数据划分为多个数据流，每个数据流对应于工作负载，并与复用器的输出端口相关；以及复用器在多个切片段上复用数据流，每个切片段是无线网络中的物理处理单元或虚拟处理单元。

在以上设备实施例和实施方式的一种实施方式中，复用数据流包括：将与T维向量空间中的多个数据流对应的工作负载分成多个聚类，同一聚类中的工作负载相互关联，T维向量空间是基于历史工作负载在先前连续的T个时间间隔中在复用器处所需的处理时间形成的；以及将数据流分配给多个切片段，使得同一聚类中的工作负载被分配给不同切片段。

在以上设备实施例和实施方式的一种实施方式中，划分与T维向量空间中的多个数据流对应的工作负载包括使用k均值聚类技术划分与多个数据流对应的工作负载。

在以上设备实施例和实施方式的实施方式中，多个切片段中的一个切片段包括级联的一个或多个虚拟处理器或物理处理器。

在以上设备实施例和实施方式的实施方式中，多个切片段中的一个切片段包括基带处理单元。

在以上设备实施例和实施方式的一种实施方式中，多个切片段中的一个切片段包括5G网络中的一系列的一个或多个用户面功能。

在以上设备实施例和实施方式的一种实施方式中，复用器包括软件定义网络(SDN)交换机。

在以上设备实施例和实施方式的一种实施方式中，复用器位于无线接入网(RAN)云中。

在以上设备实施例和实施方式的一种实施方式中，复用器从另一组切片段接收业务数据。

在以上设备实施例和实施方式的一种实施方式中，多个数据流中的每个数据流由无线网络中的不同的远端射频头(RRH)生成，并且其中，复用器的每个输出端口与不同的基带处理单元(BBU)相关。

在以上设备实施例或实施方式的一种实施方式中，多个数据流中的每个数据流包括不同的用户设备(UE)通过无线网络的上行信道发送的业务流。

在以上设备实施例或实施方式的一种实施方式中，多个数据流中的每个数据流包括由无线网络中的不同基带处理单元(BBU)生成的包流。

在以上设备实施例或实施方式的一种实施方式中，复用数据流包括：基于数据流的效用定义在多个切片段上复用数据流，使得具有不同效用定义的数据流被分配给不同切片段。

本公开提供了一种装置的实施例，该装置包括：包括指令的非暂时性存储器，以及与存储器通信的一个或多个处理器，其中，上述一个或多个处理器执行上述指令以执行以上任何方法实施例或实施方式中的方法。

应当理解，本文提供的实施例方法的一个或多个步骤可以由相应的单元或模块执行。例如，信号可以由发送单元或发送模块发送。信号可以由接收单元或接收模块接收。信号可以由处理单元或处理模块处理。其他步骤可以由划分单元/模块、复用单元/模块、分配单元/模块、划分单元/模块、生成单元/模块、配置单元/模块、映射单元/模块、和/或关联单元/模块执行。各个单元/模块可以是硬件、软件、或其组合。例如，一个或多个单元/模块可以是集成电路，例如现场可编程门阵列(field programmable gate array，FPGA)或专用集成电路(application-specific integrated circuit，ASIC)。

虽然已经详细描述了本说明书，但是应当理解，在不脱离由所附权利要求限定的本公开的精神和范围的情况下，可以进行各种改变、替换、和变更。此外，本公开的范围无意限于本文描述的特定实施例，因为本领域的普通技术人员将从该公开中容易地意识到，当前存在或以后将要开发的过程、机器、制造、物质组成、手段、方法、或步骤可以执行与本文描述的相应实施例基本相同的功能或达到基本相同的结果。因此，所附权利要求包括这样的过程、机器、制造、物质组成、手段、方法、或步骤。

Claims (24)

1.一种业务数据管理方法，包括：

网络节点接收支持网络切片的无线网络中的业务数据；

所述网络节点将所述业务数据划分为多个数据流，每个数据流对应于一个工作负载；以及

所述网络节点基于与所述数据流对应的所述工作负载在所述无线网络的多个切片段上复用所述数据流。

2.根据权利要求1所述的方法，其中，所述复用包括：

将与所述多个数据流对应的工作负载分成多个聚类；以及

将所述数据流分配给所述多个切片段，使得同一聚类中的工作负载被分配给不同切片段。

3.根据权利要求1或2所述的方法，其中，所述多个切片段中的一个切片段包括所述无线网络中的级联的一个或多个虚拟处理器或物理处理器。

4.根据权利要求1或2所述的方法，其中，所述多个切片段中的一个切片段包括所述无线网络中的基带处理单元。

5.根据权利要求1或2所述的方法，其中，所述多个切片段中的一个切片段包括所述无线网络中的一系列的一个或多个用户面功能。

6.根据权利要求1至5中任一项所述的方法，其中，所述网络节点包括软件定义网络SDN交换机。

7.根据权利要求1至6中任一项所述的方法，其中，所述网络节点位于所述无线网络中的无线接入网RAN云。

8.根据权利要求1至7中任一项所述的方法，其中，所述网络节点从另一组切片段接收所述业务数据。

9.根据权利要求1至7中任一项所述的方法，其中，所述多个数据流中的每个数据流由所述无线网络中的远端射频头RRH生成，并且其中，所述网络节点与基带处理单元BBU相关。

10.根据权利要求1至9中任一项所述的方法，其中，所述多个数据流中的每个数据流包括从不同用户设备UE通过所述无线网络的上行信道发送的业务流。

11.根据权利要求1至9中任一项所述的方法，其中，所述多个数据流中的每个数据流包括由所述无线网络中的不同BBU生成的包流。

12.根据权利要求1至11中任一项所述的方法，其中，所述工作负载从以下至少之一形成：网络功能、应用、或传输。

13.一种设备，包括：

非暂时性存储器，包括指令；以及

一个或多个处理器，与所述非暂时性存储器通信，其中，所述一个或多个处理器执行所述指令以执行以下步骤：

接收支持网络切片的无线网络中的业务数据；

将所述业务数据划分为多个数据流，每个数据流对应于一个工作负载；以及

基于与所述数据流对应的所述工作负载在所述无线网络的多个切片段上复用所述数据流。

14.根据权利要求13所述的设备，其中，所述复用包括：

将与所述多个数据流对应的工作负载分成多个聚类；以及

将所述数据流分配给所述多个切片段，使得同一聚类中的工作负载被分配给不同切片段。

15.根据权利要求13或14所述的设备，其中，所述多个切片段中的一个切片段包括所述无线网络中的级联的一个或多个虚拟处理器或物理处理器。

16.根据权利要求13或14所述的设备，其中，所述多个切片段中的一个切片段包括所述无线网络中的基带处理单元。

17.根据权利要求13或14所述的设备，其中，所述多个切片段中的一个切片段包括所述无线网络中的一系列的一个或多个用户面功能。

18.根据权利要求13至17中任一项所述的设备，其中，所述设备包括软件定义网络SDN交换机。

19.根据权利要求13至18中任一项所述的设备，其中，所述设备位于所述无线网络中的无线接入网RAN云。

20.根据权利要求13至19中任一项所述的设备，其中，从另一组切片段接收所述业务数据。

21.根据权利要求13至20中任一项所述的设备，其中，所述多个数据流中的每个数据流由所述无线网络中的远端射频头RRH生成，并且其中，所述设备与基带处理单元BBU相关。

22.根据权利要求13至20中任一项所述的设备，其中，所述多个数据流中的每个数据流包括从不同用户设备UE通过所述无线网络的上行信道发送的业务流。

23.根据权利要求13至20中任一项所述的设备，其中，所述多个数据流中的每个数据流包括由所述无线网络中的不同BBU生成的包流。

24.根据权利要求13至23中任一项所述的设备，其中，所述工作负载根据以下至少之一形成：网络功能、应用、或传输。

Images