RAN과 Core Network의 환경 구축

 

앞서 리뷰한 "Latency Equalization Policy of End-to-End Network Slicing Based on Reinforcement Learning"라는 논문에서 영감을 받아, RAN과 Core Network의 환경을 파이썬 형태로 구축했다.

 

이번 환경 구축의 목적은 단순히 네트워크 지표를 계산하기 보다는,

최종적으로 LLM이 현재 네트워크 상태를 보고 자원 할당 결정을 내릴 수 있는 실험 환경을 만드는 것이다.

 

 

 

RAN측 환경구축

---

RAN측의 시뮬레이션은 다음과 같은 계층적 구조를 가지도록 설계했다.

사용자 공간 분포 - 무선 채널 (경로 손실 + 섀도우 페이딩) - 거리 기반 간섭 모델 - PRB 기반 자원 할당 (Round Robin) -

사용자 데이터 레이트 계산 - 서비스 유형별 Latency 모델 (eMBB / URLLC)

 

 

사용자 위치 모델링 : Poisson Point Process

---

사용자의 위치는 설정된 user가 100 * 100의 셀 공간에 포아송 배치를 따르도록 했다.

이는 실제 셀 환경에서 사용자가 균등하게 배치되지 않음을 고려해서 설정했다.

 

이때 기지국은 (50, 50) 위치에서 반경 50m의 커버리지를 가지며, 각 사용자는 해당 영역 내에서 균등 확률로 위치를 선택한다.

실험마다 seed를 변경하여 사용자의 위치가 계속해서 바뀌고, 이에 따라 Latency와 같은 지표가 변화하도록 하였다.

 

 

사용자가 총 50명일 때의 Poisson 분포 예시

 

 

무선 채널 모델링

---

이때 생성된 RAN 사용자의 신호는 기지국의 거리에 따라 감쇠된다.

 

이때 수식은 왼쪽과 같다.

 

이는 곧 거리가 멀어짐에 따라 신호의 세기가 감소하기 때문에 cell-edge 사용자는 자연스럽게 신호가 약해진다.

 

또한 현실적인 무선 환경을 반영하기 위해 로그 정규 분포 기반 Shadow Fading을 추가했다.

 

이로 인해 같은 거리라도 환경에 따라 성능 평차가 발생하도록 하였다.

 

 

 

 

거리 기반 간섭 모델

---

또한, 주변에 위치한 다른 사용자가 가까울수록 간섭의 영향이 훨씬 크다는 점을 고려하였다.

 

사용자 i와 j 사이의 간섭 계수는 왼과 같이 정의된다.

 

 

 

 

PRB 기반 RAN 자원 모델

---

다음으로, 가장 핵심적인 RAN의 Resource 부분은 5G NR 표준을 단순화하여 다음과 같이 모델링했다.

주파수 방향 : 20 subchannels (L), 시간 방향 : 10 slot (K) 

 

따라서 총 PRB 수는 왼쪽과 같이 정의된다.

 

이때 PRB는 1ms * 180kHz의 자원을 의미한다.

 

 

 

 

Frequency Band Slicing + Roubd Robin

---

자원 할당 문제를 정의하기 위해 eMBB와 URLLC 주파수 대역을 분리하였다.

PRB 비율에 따라 주파수 채널 개수를 나누었는데,

[100, 100]인 경우 eMBB와 URLLC에 주파수를 10씩 할당하는 것이고,

[150, 50]인 경우 eMBB에 주파수 15, URLLC에 주파수 5를 할당한다.

 

이렇게 Slice별로 할당된 자원은 Slice 내부 user에게 Round Robin 방식으로 할당된다.

 

 

 

사용자의 Data Rate 계산

---

각 사용자의 Data Rate는 Shannon Capacity 기반으로 계산된다.

 

여기서 SNR은 다음 요소에 의해 결정된다.

1. 수신 신호 전력 (경로 손실의 영향을 받음)
2. 거리 기반 간섭 합
3. 잡읍 전력

 

 

서비스 유형별 Latency 모델

---

 

URLLC의 경우 M/M/1 큐잉 모델을 따른다.

 

 

이는 패킷이 작고 도착률이 높은 상황을 모델링한다.

때문에 Data Rate가 조금만 낮아져도 Latency가 급증하는 특징이 있다.

 

 

반면, eMBB의 경우 전송 지연 중심 모델을 사용하였다.

(eMBB가 대용량 파일 전송 시나리오이므로)

 

이 경우 Data Rate가 증가할수록 지연이 선형으로 감소한다는 특징이 있다.

 

 

위 과정을 통해 총 1000번의 case에 대한 RAN측의 latency와 throughput의 정보를 추출하였다.

 

 

 

 

Core Network측 환경구축

---

 

Core Network의 Resource Allocation 문제는 보통 Service Function Chain 개념을 통해 정의된다.

예를 들어, 하나의 서비스가 아래와 같은 기능을 필요로 한다고 하자: [ Firewall ] → [ NAT ] → [ Load Balancer ]

이 순서 자체가 하나의 SFC이며, Core Network는 다음을 결정해야 한다.

• 각 VNF를 어느 물리 서버(SN node)에 배치할 것인지
• VNF들 사이의 트래픽을 어떤 물리 링크 경로로 전달할 것인지

이 개념을 기반으로 Core Network의 환경을 정의했다.

 

 

Physical Substrate Network 모델링

---

Core Network는 물리 서버들과 링크로 이루어진 데이터센터 네트워크로 추상화된다.

• 물리 노드(SN node): 서버, VM, 컨테이너가 올라가는 물리 인프라
• 물리 링크(SN link): 서버 간 연결 링크 (광섬유, 스위치 경로 등)

현재 구축한 시나리오는 다음과 같은 가정을 둔다.

• 물리 노드 수: 40개
• 각 노드는 CPU 자원(capacity) 을 가짐
• 노드 간 링크는 대역폭(capacity) 을 가짐
• 링크는 근접 노드끼리만 연결 (현실적인 데이터센터 토폴로지 반영)

이는 각각 eMBB용, URLLC용으로 할당된다.

 

 

 

Network Slicing 구현

---

이 CN 모델의 중요한 특징은 RAN과 마찬가지로 CN에서도 슬라이스별 자원을 분리했다는 점이다.

 

 

이 비율에 따라:

• eMBB용 물리 노드 자원 풀
• URLLC용 물리 노드 자원 풀
• eMBB용 링크 대역폭
• URLLC용 링크 대역폭

을 완전히 분리해서 생성한다.

 

 

 

사용자 Request 모델링

---

이때 UE는 어떤 Slice에 속해있는지에 따라 SFC 구조 자체가 다르게 생성된다.

 

eMBB SFC

• VNF 개수: 4~6개
• CPU 요구량: 큼
• 링크 대역폭 요구량: 큼
• 의미: 복잡한 처리, 대용량 트래픽, 여러 기능 통과

URLLC SFC

• VNF 개수: 2~3개
• CPU 요구량: 작음
• 링크 대역폭 요구량: 작음
• 의미: 빠른 처리, 최소한의 기능만 통과

 

 

 

 

SFC Embedding 절차 정의

---

CN에서의 자원 할당은 다음 질문으로 귀결된다.

“각 UE의 SFC를 물리 네트워크(SN) 위에 자원 제약을 만족하면서 어떻게 배치할 것인가?”

 

이를 수학적으로 보면 SFC Embedding 문제다.

이 문제를 풀기 위해 SFC Embedding을 Node Mapping과 Link Mapping 두 단계로 나누었다.

 

논문 : DRL approach for online user-centric QoS-Aware SFC embedding with dynamic VNF placement

 

 

(1) Node Mapping (VNF Placement)

• 각 VNF를 어느 물리 노드에 올릴 것인가
• 해당 물리 노드는 VNF의 CPU 요구량을 감당할 수 있어야 함
• Round Robin 방식으로 노드를 순환하며 배치

= 자원 공정성만 고려한 baseline 정책

 

 

(2) Link Mapping (Virtual Link Mapping)

• VNF 간 가상 링크를 물리 링크 경로로 매핑
• 직접 연결이 가능하면 1-hop
• 불가능하면 최단 경로(BFS) 로 우회
• 이때 hop 수가 CN latency의 핵심 요인이 됨

이 부분은 BFS 알고리즘을 활용하여 각 slice별로 할당된 Virtual Network Function의 자원을 소모하도록 하였다.

 

 

 

Core Network의 Latency 구성

---

이때 Core Network의 Latency는 여러 현실적 요소들의 합으로 구성된다.

 

 

 

5.1 VNF 처리 지연 (Processing Delay)

• 각 VNF마다 기본 처리 지연 존재
• 서비스 타입에 따라 다름:
  • eMBB: 큼
  • URLLC: 매우 작음
• 물리 노드의 CPU 사용률이 높을수록 지연 증가

CN가 혼잡해질수록 VNF 처리 지연이 점점 커짐

 

 

 

5.2 링크 전송 지연 (Transmission Delay)

• SFC 경로 상의 모든 물리 링크 hop에 대해 발생
• 기본 링크 지연 + 홉당 처리 지연
• 링크 사용률이 높을수록 지연 증가

SFC hop 수가 많을수록 CN latency는 선형적으로 증가

 

 

5.3 큐잉 지연 (Queueing Delay)

• 링크 사용률이 임계값을 넘으면 발생
• 간단한 M/M/1 큐잉 모델 기반

CN 자원이 포화되기 시작하면 latency tail이 급격히 커질 수 있음

 

 

RAN과 마찬가지로 Core Network에서도 위 과정을 통해 총 1000번의 case에 대한 latency와 throughput의 정보를 추출하였다.