面向虚拟化 RAN 的能效后级缓存存储优化——MemorAI
网络与互联网体系结构
2024-05-06 v1
摘要
虚拟化的无线接入网络(vRAN)正逐渐成为现实，由于其灵活性和成本效益等优势。然而，虚拟化也带来了高昂的代价——虚拟基站(vBS)共享同一计算平台时，由于共享缓存存储资源的极端消耗，导致计算开销显著增加。因此，vRAN 面临能源消耗增加的问题，这进一步加剧了5G网络中既有的高运营成本。本文探讨了缓存存储分配机制在降低总能源消耗方面的有效性。通过实验性vRAN平台，我们对vBS的能源消耗和CPU利用率进行了轮廓绘制，其参数为网络状态(如流量需求、调制方案)。随后，我们通过在vBS上进行分解来解决问题的高维度，这得益于我们系统中实现的后级缓存(LLC)隔离。基于此，我们训练了一个vBS数字孪生体，允许我们在离线训练中训练一个分类器，避免在训练期间系统性能的下降。我们的结果表明，该方法的性能几乎与离线最优信使相当，优于当今部署中使用的标准方法。
引用
@article{arxiv.2405.02029,
title = {MemorAI: Energy-Efficient Last-Level Cache Memory Optimization for Virtualized RANs},
author = {Ethan Sanchez Hidalgo and J. Xavier Salvat Lozano and Jose A. Ayala-Romero and Andres Garcia-Saavedra and Xi Li and Xavier Costa-Perez},
journal= {arXiv preprint arXiv:2405.02029},
year = {2024}
}