Session 2: 5G Networks

Vivisecting Mobility Management in 5G Cellular Networks

Ahmad Hassan (University of Minnesota - Twin Cities), Shuowei Jin (University of Michigan), Arvind Narayanan (University of Minnesota), Ruiyang Zhu (University of Michigan), Anlan Zhang, Wei Ye (University of Minnesota), Jason Carpenter (University of Minnesota - Twin Cities), Z. Morley Mao (University of Michigan and Google), Zhi-Li Zhang, Feng Qian (University of Minnesota - Twin Cities)

摘要

隨著5G支持不同的頻帶和不同的發布模式（如SA和NSA），移動管理，特別是切換處理，變得非常復雜。度量研究展示了高頻切換將導致5G吞吐量的震蕩，甚至服務不可用。為此，作者建立一個數據集，基于此提出幾點分析結論，最后設計了一個預測系統Prognos來提升5G應用的QoE。作者發布了研究的相關材料。 ? ?

背景

當前，4G和5G共存，5G支持不同頻帶、5G的cell更加密集，這些條件導致移動切換變得十分復雜。然而，高頻的移動切換將導致嚴重的性能下降。

因此，理解當前的5G移動切換和實踐十分重要。

然而，度量真實的移動切換面臨如下挑戰：

如何從unroot手機獲取控制平面信號事件？

在有限的資源和預算下，如何研究多種5G架構（SA和NSA）、頻率帶寬、運營商？

如何安排不同層的數據收集任務？

如何精確測量移動切換在用戶設備上的能量消耗情況？ ?

? 為了克服這些挑戰，實現如下測量平臺： ? 1. 多個5G手機，可以訪問美國3個主要的運營商，作者使用2種設備：Samsung Galaxy S21 Ultra 5G/SM-G998U (S21U) 和 Samsung Galaxy S20 Ultra 5G/SM-G988U (S20U)。其中，S21U設備3個，S20U設備1個。 ? 2. 在unroot手機上的用戶軟件，可以捕獲移動相關的信息。從智能手機獲取低層信息需要獲取Diag（diagnostic interface）的訪問，它需要特殊的許可證和工具。作者使用Accuver XCAL來讀取Qualcomm Diag，可以收集到物理蜂窩ID等信息。 ? 3. 專業的度量工具來收集蜂窩控制平面事件。作者拓展了5G Tracker功能，實現了捕獲商業5G管理的關鍵信息：物理蜂窩ID，移動切換和頻率帶寬。以上的信息從Android 11的5G API中抽取。作者使用Android TeelephonyManager的onDisplayInfoChanged() API來識別頻率帶寬。 ? ?4. 用外部充電寶的物理電源監視器來精確度量用戶設備的電源消耗對于電量消耗的計量，作者使用Monsoon Power Monitor來完成。? ?

分析與結論

作者使用這些技術來收集數據，并進行了分析： ? 1. 5G的移動切換如何影響應用？5G移動切換嚴重影響應用的用戶體驗，比4G更嚴重；利用NSA 5G的雙模式的5G能緩解移動切換的負面作用。 ? 2. 5G移動切換的關鍵特性是什么？從3個方面考察移動切換：頻率、持續時間和用戶設備能量消耗；NSA的5G切換頻率更高；NSA的5G毫米波上切換頻率更高；NSA的移動切換平均需要167ms完成。移動切換的準備階段占據很長時間，原因是5G的復雜性和技術的不成熟性。5G的移動切換下的能量消耗是4G的10倍，和移動切換的次數是正相關的。 ? 3. 5G切換對運營商的啟發是什么？5G蜂窩網的收斂范圍和移動切換是緊密相關的；NSA 5G切換不支持基站間的直接切換，導致5G-4G-5G切換，惡化了性能；4G和5G基站在同一個通信塔時，切換時間時長較短。 ? 4. 我們可以預測5G的切換來提升應用程序的QoE嗎？作者提出Prognos。它利用觀測到的信號強度，用戶設備的度量報告和過去的切換來預測未來的切換和他們的類型。Prognos包括兩層預測流水線。它首先預測未來的信號強度，然后學習基站的切換邏輯。和單一模型相比，解耦的兩層預測方法降低了模型復雜度，提升了精度。Prognos包括3個組件：report predictor module考慮移動配置和信號強度質量來預測measurement reports，decision learner module通過利用序列模式挖掘來學習特定運營商的切換策略，handover predictor module使用預測的measurement reports序列和學習的切換策略來預測切換的類型。其中，decision learner module學習運營商最新的切換邏輯。這個模塊的輸入是連續的measurement reports流和切換的命令。作者切分輸入流為多個階段，每個階段包括measurement reports，后面緊跟一個切換命令。切換決定的目標是學習最新的切換烈性的模式。作者使用基于序列的模式挖掘：作者修改了prefixSpan算法實現在線學習。在每個階段結尾，這個學習算法如果觀察到舊序列就增加支持，如果遇到新序列就添加pattern。算法對比pattern的新鮮程度和設定的閾值來決定是否丟棄該pattern，保證了學習到的pattern沒有急劇增長。評估結果顯示，Prognos的F1-Score在0.92-0.94，超越了之前的方法1.9x-3.8x。在16K全景視頻流中，Prognos比默認的吞吐量預測算法提升了34.6%-58.6%的延遲時間；在實時測定體積視頻流中，Prognos增加了15.1%-36.2%的內容質量。 ?

個人觀點

當前5G切換需要考慮多種因素，例如4G和5G、SA和NSA等。 ? 作者通過采集大量數據并分析，得出幾條經驗性的結論，并提出一個預測方法。然而，本人認為，該工作有2點需要考慮： ?

時效性強。5G的部署和改進還在進行，這意味著作者花費大量力氣采集的數據可能未來3年就不再適用，因此從時間維度來看影響有限。

預測模塊平凡。這里的方法只是對現有工作的簡單改進，貢獻有限。

Understanding 5G performance for real-world services: a content provider's perspective

Xinjie Yuan,? Mingzhou Wu,? Zhi Wang (Tsinghua University),? Yifei Zhu (Shanghai Jiao Tong University),? Ming Ma,? Junjian Guo (Kuaishou),? Zhi-Li Zhang (University of Minnesota – Twin Cities),? Wenwu Zhu (Tsinghua University)

背景

近年來5G無論是基站數量還是用戶都獲得了很大的增長，僅中國就建設了115萬 5G基站。根據Cisco年度互聯網報告，截止2023年底 5G 連接的總帶寬會提高13倍, 到2027年, 5G 會占據 49% 的移動訂閱總量。過去對于5G的測量研究主要集中于NSA 5G(非獨立接入5G 依靠 4G 網絡設施來提供更快的速度和更高的數據帶寬), 本文主要研究SA（獨立接入） 5G, 且從內容提供者（CP：content provider）的視角出發，探究增加使用5G連接對于QoS/QoE的提升效果，以及為實現5G的最佳性能所需采取的配置策略。

概述

本文主要研究2300萬快手用戶在1年時間跨度內的流量數據。主要面臨的挑戰如下：1.很多網絡中測量指標并不能幫助我們學習到其中5G流量的度量。2.測量中有很多的隨機變量，如用戶設備類別和編碼方式。3.需要最小化數據收集對網絡的影響。4.參與網絡的第三方系統會對數據測量產生影響。 ? 為此，作者混合了主動與被動數據收集的方法以處理不同設備和OS的區別，以及私有域方法來應對第三方運營商的影響。 ? 其中被動的數據采集是指用戶的統計數據和狀態信息以時間窗口為單位（10s）被發送到日志服務器上。在記錄時延時，由于用戶操作系統和設備的不同，本文沒有采取應用的startup delay，而是使用了連接的建立時延（如RTMP連接時延）作為測量指標。而主動的數據采集是指作者通過 traceroute進行的一些網絡核心架構研究，這些研究能夠揭示運營商網絡中的部分特性。 ? 最后作者提出了一個試驗性的針對5G的緩沖策略，主要實現是當發生rebuff情況時，則減少用戶最少緩沖時間；否則以β 的步長遞增緩沖時間。

總結

實驗顯示SA 5G 能夠提供更短的應用層面時延, 例如：對于廣播能夠減少 ～60% 的 鏈接建立時延，且相對于4G能夠減少67～89% 的總傳輸時延, 提供更高的下載速度. 除此之外實驗顯示SA 5G 相對于 NSA 5G 有更好的性能.除此之外,5G對于 Horizontal Handovers（用戶從一個基站切換到另一個基站的服務區更加敏感），當用戶數量增加時SA 5G 的下載速度可能會降低。 ? 最后作者還提供了一些不同于conventional wisdom的發現，例如使用5G不一定會比4G更加耗能；SA 5G 的用戶會 “更接近于”（經過的路由跳數更少）核心網絡. 然而這種“接近”并不一定意味著與服務端交互的RTT會更短。 ?

個人觀點

本文對于5G網絡的多項指標進行了詳盡的測量，具有相當的工作量。對于數據收集中的挑戰，采用了passive data collection以及 private field insersion。本文的測量結果總體上肯定了SA 5G在4G基礎上的性能提升，并且對于NSA 5G 先前的一些conventional wisdom進行了辯證的否定，推進了對于有關領域的認知。 ? 同時基于這些認知，本文提出了一種支持5G的視頻緩沖策略，在快手900萬用戶的測試中平均減少了7% 的緩沖時間，體現了對于實際應用的指導作用。

Mobile Access Bandwidth in Practice: Measurement, Analysis, and Implications

Xinlei Yang, Hao Lin, Zhenhua Li (Tsinghua University), Feng Qian (University of Minnesota - Twin Cities), Xingyao Li, Zhiming He, Xudong Wu, Xianlong Wang, Yunhao Liu (Tsinghua University), Tianyin Xu (University of Illinois at Urbana-Champaign)

本篇文章系統調研了中國用戶的移動網絡接入帶寬，發現了一些令人驚訝的事實，并揭示了該現象背后的深層原因。此外，本文還提出了一種快速輕量的帶寬測試技術，顯著降低了測試時間和運維成本。本篇文章是清華大學李振華老師團隊與杭州友聲科技公司的合作研究，合作單位還有明尼蘇達大學和伊利諾伊大學厄巴納-香檳分校。

背景

近年來，移動接入技術取得了重大的進展，例如最新的5G和WiFi 6E技術，分別可以達到20Gbps和9.6Gbps的接入帶寬。雖然這些新興無線技術正在全球范圍內被積極、廣泛地部署，但是大規模的帶寬測試結果顯示，截至2021年底，美國的5G帶寬中值僅為135Mbps，中國的5G帶寬中值僅為304Mbps，且美國和中國的WiFi帶寬中值僅為137Mbps和153 Mbps。由此觀之，在實際場景下這些新興技術的部署與使用并沒有充分造福普通移動終端用戶。 ? 理解上述現象的背后深層次原因是優化當今移動網絡的第一步。然而，受限于移動網絡協議棧的復雜性、異構移動生態系統的龐雜性以及大規模高效測量手段的匱乏，現有對移動網絡的測量研究通常存在測量規模局限或分析深度不足的問題，嚴重阻礙了我們對當今移動網絡的深入理解。

設計

本篇文章的調研工作是基于一個名為UUSpeedTest（BTS-APP）的安卓帶寬測速應用完成的，該軟件擁有約1700萬的用戶（主要在中國），以及每天約有20萬的測試請求。在保護用戶隱私的前提下，作者團隊通過使用BTS-APP輕量級的持續收集帶寬測試數據，實現了超大規模的網絡測量。其中，作者對BTS-APP進行了兩方面的改進，一方面是通過捕獲物理層和鏈路層協議數據，實現了細粒度的網絡測量與分析；另一方面是提出了一種基于UDP的猝發式快速帶寬測試技術，減少測試時間與運維成本。下面，分為調研結果分析和帶寬測試技術改進兩部分對文章進行介紹。

調研結果分析

經過4個月的數據采集，總共接收到了約354萬個用戶的2363萬條帶寬測試請求，且99.7%的測試請求來源于中國，包含了WiFi、3G、4G、5G四種不同的測試類型。此外，文章還參考了BTS-APP其他時段的數據報告，用于分析其他時間段的數據。 ? 整體上看，調研結果體現了一下幾個特征（結果見下圖） ? 1. ?? 蜂窩網絡（包括4G和5G網絡）的接入帶寬不但沒有隨著5G規模部署而提升，反而出現了下降情況，其主要是由過度激進的4G->5G頻譜資源重耕導致的。 ? 2. ?? 城市地區的蜂窩網絡接入帶寬高于鄉村地區，主要是因為基礎設施部署密度不同； ? 3. ?? 軟硬件方面，安卓系統版本會影響移動設備的接入帶寬，且版本越高往往帶寬越高，這是由于更高版本的系統對無線管理模塊做出了相當大的改進；當低端機型和高端機型搭載相同的安卓系統版本時，其接入帶寬通常不會表現出明顯差異； ? 4. ?? 運營商方面，由于4G基礎設施部署都比較成熟，不同運營商的4G網絡平均接入帶寬非常接近；中國廣電(ISP4)的5G網絡帶寬顯著低于其他三個運營商，這是因為他將5G部署于較低的頻段；中國電信(ISP3)則使用了更具優勢的頻段達到了相對更高的帶寬。

? 對于4G網絡，文章分為網絡頻譜資源特征、頻譜資源重耕、LTE-Advanced技術部署三個方面對調研結果進行了分析（結果見下圖） ? 1. ?對于不同的移動網絡頻譜資源，數據表明4G網絡使用的頻段越高，通常網絡帶寬越高。但存在一個高頻段的帶寬較低，這是因為這個頻段主要在鄉村地區使用，基礎設施部署比較分散。 ? 2. ?由于高頻段能夠提供更高的接入帶寬，一些高頻段頻譜資源因此被重耕給5G網絡使用。這導致了4G網絡整體接入帶寬的下降。 ? 3. ?數據顯示，6.8%的4G網絡帶寬測試結果超過了300Mbps，與如今商用5G網絡的接入帶寬相當。進一步研究發現其大部分的測試地點在城市主干路上，這些地點采用了一些LTE-Advanced技術用于改善網絡。 ?

? 對于5G網絡，文章分為頻譜資源重耕、單日流量模式、信號強度三個方面對調研結果進行了分析（結果見下圖） ? 1. ?? 目前，總共有5個5G頻段，其中有3個是來自4G網絡的重耕頻段，數據顯示重耕頻段帶寬一般低于其他5G專用頻段。不過在重耕頻段中，N41頻段具有相比未重耕頻段更高的帶寬，這是因為4G的B41頻段中的高頻部分被劃分為了N41?？偟膩碚f，頻譜資源重耕也是導致5G帶寬下降的一個重要原因。 ? 2. ?? 對于單日內的不同時間段，往往使用人數比較多的時間段平均接入帶寬比較低。不過，當用戶數量相當時，部分晚上時段的平均接入帶寬明顯低于白天時段。這是由于5G基站使用了節能策略，會在21時至次日9時針對部分5G基站啟用“睡眠模式”來減少5G基站的功耗。 ? 3. ?? 數據顯示，信號強度并不一定正比于接入帶寬。作者通過分析發現信號強的地方，往往使用人數比較多，基站部署部署較為密集，容易存在存在基站間信號干擾、負載均衡、越區切換的問題導致帶寬下降。

? 對于WiFi網絡，數據顯示隨著WiFi技術的飛速發展（4->5->6），WiFi網絡的平均接入帶寬卻幾乎停滯不前。其中WiFi 5相比WiFi 4技術得到的提升，主要是來源于5GHz頻段的使用。此外，數據可以推斷出64%的WiFi用戶仍在使用200Mbps的有線帶寬接入。因此，實際場景下發展緩慢的固定寬帶成為了WiFi 5和WiFi 6的達到高接入帶寬的最大阻礙。 ? 總的來說，從數據結果可以看到，雖然新興技術（5G和WiFi 6）確實可以達到較高的帶寬，但目前用戶主要使用的仍然是傳統技術（4G和 WiFi 4/5），且4G和5G技術之間存在資源競爭，導致產生了一定的帶寬下降。因此，作者倡導使用更有效的重耕技術，促進更好的資源利用，以及擴大LTE-Advanced技術的使用，以具有高成本效益的方式改進LTE基礎設施的部署。此外，作者還呼吁用戶保持理性，應該了解5G的實際性能以及系統版本對帶寬的重要性。 ? 帶寬測試技術改進：目前，主流的帶寬測速軟件采用的是一種泛洪式帶寬探測技術，然而該技術會受到TCP慢啟動機制的影響，在慢啟動過程中的收集的帶寬數據對于估算用戶接入帶寬是無效的。并且且這些數據如果沒有被正確過濾，將會嚴重影響的測試結果的準確性。雖然部分先前工作已經提出了一些解決方法，但測試開銷和準確性仍然會收到TCP慢啟動機制的影響。 ? 調研數據顯示，不同的無線接入技術的接入帶寬分布符合獨立的多模態高斯分布?；谠撚^察，作者提出了一種新的帶寬測試技術Swiftest，通過使用概率模型指導帶寬探測的初始數據速率的選擇，從而避免 TCP 慢啟動中的長時間加速。此外，為了在大規模場景下實現上述設計，Swiftest將傳輸協議從 TCP 更改為 UDP。 ? 經過一個月的線上測試，Swiftest相比BTS-APP可以使用更快的速度以及更小的網絡容量完成精確的帶寬測試（結果見下圖）。

此外，Swiftest還與其他最先進的帶寬測試技術進行了比較，結果顯示無論是在效率、網絡容量使用還是準確性方面，都是Swiftest最優（結果見下圖）。

?

個人觀點

本篇文章具有非常強的現實意義，其通過完整的調研發現了一些驚訝的事實，例如近年來4G，5G，WiFi網絡的平均接入帶寬不但沒有隨著無線技術的飛速發展與基礎設施的全面升級而上升，反而出現了停滯不前甚至下降的現象。針對這一反?，F象，作者通過大規模測量分析，診斷出其背后的深層次原因，并提出了一系列可能的改進方案。同時，利用上述測量分析結果，本文還提出了一個輕量快速的帶寬測試方案，可以提升測試效率與節約運維成本。通過線上大規模測試與在受控環境中的基準實驗，本文證明了Swiftest相比于行業主流帶寬測量系統的巨大優勢。在線上大規模實驗驗證帶寬測試準確性時，使用BTS-APP的測試結果作為基準?？紤]到BTS-APP也存在一定程度上的準確性問題，一個可能的改進方向是進一步精細化地驗證Swiftest在廣泛場景下的測試精度。

SEED: A SIM-Based Solution to 5G Failures

Jinghao Zhao, Zhaowei Tan, Yifei Xu, Zhehui Zhang, Songwu Lu(University of California, Los Angeles)

這篇文章來自加利福尼亞大學洛杉磯分校團隊的研究者。它為5G故障診斷和處理提出了一種基于SIM的新型解決方案——SEED。

背景

隨著5G移動網絡的不斷推出，故障正在成為常態。如果無人看管，它們會影響移動用戶體驗和應用程序的正常執行。而現有的5G故障解決方案在設備上采用基于調制解調器的方案或者以操作系統為中心的方法，但這些方案只能進行粗粒度的診斷，并不適用于復雜的5G故障情況。因此，本文為5G故障診斷和處理提供了一種基于SIM的新型解決方案——SEED。它通過利用當前標準化的5G錯誤代碼和決策樹/在線學習算法來推斷故障的原因，然后進一步采取相應的多層重置操作(重置協議操作、刷新過時的配置、重新加載配置文件等)。

設計

SEED整體系統圖如下：

首先，SIM 接收來自應用程序 (1a) 和網絡 (1b) 的故障報告。故障報告包括網絡側診斷等故障線索、更新配置的說明、設備側故障詳情（無連接、DNS/UDP故障等）。有了這些線索，SIM 將執行本地診斷，做出處理決策，并在設備 (2a) 或網絡 (2b) 處觸發恢復操作。SEED 在其基于 SIM 的設計中解決了三個問題： ? SIM 如何以低開銷查明故障？研究者確保該解決方案在資源受限的 SIM 硬件上是可行的。為此，SEED 將標準化故障原因與來自基礎架構的最新配置以及來自設備的操作系統/應用程序故障報告相結合。SEED 通過有限的 SIM 處理和存儲進一步執行細粒度的故障診斷。? ? SIM 如何處理不同階段出現的各種故障？研究者通過多層重置開發簡單快速的故障恢復。SIM 可以在沒有 root 訪問權限的商業現成設備上執行配置文件重新加載、配置更新和故障通知。它進一步支持使用 root 權限更快地重置控制/數據平面。 ? ?當數據平面出現故障時，SIM 如何與基礎設施協作？SIM 從基礎設施中獲取信息以進行細粒度的診斷和處理。研究者利用現有的信令消息來傳輸診斷信息，從而確保在控制/數據平面管理或數據傳遞失敗時進行運行時 SIM 網絡信息交換。 ?

性能實驗

經實驗測試，SEED相較于傳統的5G故障檢測方案，能夠在更短的時間內對故障進行檢測和處理，并且不會降低傳統SIM卡的安全性。

總結

在5G中，故障已成為常態，而當前的解決方案不診斷錯誤原因，而是使用盲目的順序重試方法來處理故障。因此，本文描述了SEED的設計、實施和評估，這是一種基于SIM的新型5G故障診斷和處理的解決方案。SEED 利用標準化 5G 信令消息攜帶的可用錯誤代碼進行根本原因推斷。它通過一種簡單的、特定于領域的機器學習算法進一步增強了診斷能力。一旦推斷出故障原因，SEED 就會采取自適應的多層重置/重做操作（重置協議操作、刷新過時的配置、重新加載配置文件等）。

個人觀點

本文的亮點不僅在于提出了一種新型的5G故障診斷和處理的解決方案，而且在設計過程中采用了運營商的觀點。研究者認為運營商處于 5G 故障管理解決方案的最佳位置。當 5G 用戶通過運營商激活他們的設備時，SEED 的組件可以很容易地安裝到他們身上。按照目前運營商的做法，可以輕松完成軟件更新。

L25GC: A Low Latency 5G Core Network based on High-Performance NFV Platforms

Vivek Jain (University of California, Riverside), Hao-Tse Chu? (National Yang Ming Chiao Tung University), Shixiong Qi (University of California, Riverside), Chia-An Lee (National Yang Ming Chiao Tung University), Hung-Cheng Chang (National Yang Ming Chiao Tung University), Cheng-Ying Hsieh (National Yang Ming Chiao Tung University), K. K. Ramakrishnan (University of California, Riverside), Jyh-Cheng Chen (National Yang Ming Chiao Tung University)

背景

為了讓用戶使用蜂窩網絡的延遲更低，需要改進接入和packet core部分，最近的工作使得用戶與基站的連接這一部分的延遲變成ms級別，蜂窩網絡的性能主要依賴5GC性能的提升。構成4G core的硬件核心組件需要復雜的協議保持組件之間的一致性，但是會引入很多的延遲開銷。5G將蜂窩組件實施為基于軟件的實現，但是5G core之間的控制平面程序與4G core很相似，仍會有很多的延遲開銷。此外，蜂窩網絡的NF（網絡功能）之間采用http通信（可以使得模塊之間解耦合），但TCP處理和消息隊列化會帶來額外的開銷。與此同時，轉發規則由列表實現，對列表的實現采用簡單的線性搜索實現，開銷很大。為了使得軟件化蜂窩核心具有更好的靈活性以及更高的性能，論文提出了L25GC。 ?

設計

L25GC是基于NFV的，在free5GC的基礎之上建立的，支持靈活性和高性能的蜂窩核。在數據面和控制面都可以達到性能提升，但可以和3GPP標準兼容。 ? 具體來說，L25GC基于nfv平臺將數據平面和控制平面的nf整合到同一個節點上，保留單獨實施每個nf的靈活性，整合之后可以減少NF之間的通信開銷。在此基礎上，作者使用基于共享內存的零拷貝機制替換NF之間基于內核的通信通道，重建基于服務的接口、N4接口以及5GC數據平面，去除了額外的序列化處理，實現了不同網絡功能之間通信的低延遲。該論文還實現了智能緩沖，將數據包緩沖到空閑的用戶設備，以此優化切換過程，減少額外的菊花鏈路由。此外，傳統的方法將轉發規則用列表實現，對列表的實現采用簡單的線性搜索實現，開銷很大。為了應對數據包檢測規則不斷增長，作者比較了線性搜索、元組空間搜索和PartitionSort分類器，并選擇了性能最好的PartitionSort分類器。由此，論文實現了更好的數據平面吞吐量。與此同時，在出現故障時，用戶需要重新連接并重新開始，影響正在進行的數據連接。論文作者通過運行在空閑時不消耗任何CPU的輕量級CPU副本來緩解5GC的NF故障恢復的延遲。論文借鑒了前人的工作，復制5G NF的狀態，確保一致性，避免了3GPP指定的UE重新連接過程。 ?

性能實驗

作者將L25GC與free5GC做性能對比。評估結果顯示單個信息交換延遲提高了13倍，整體事件完成時間減少了51%。與free5GC相比，在尋呼和切換事件期間，數據包延遲減少了約2倍。與free5GC相比，即使是簡單的網頁（包含許多大圖像）加載時間也提高了 12.5%，從而直接改善了用戶QoE。L25GC中的數據轉發可以在10Gbps鏈路上以線速運行64字節數據包流量，比free5GC基于內核的轉發高27倍。 ?

總結

作者在free5GC的基礎之上，建立了基于NFV的，支持靈活性和高性能的蜂窩核L25GC。在數據面和控制面都可以達到性能提升，但可以和3GPP標準兼容。論文使用共享內存，構建了一個高效，低延遲的5GC服務，該服務保留了基于微服務的設計模式的優勢，消除單個微服務之間由于接口產生的開銷。 ?

個人觀點

本文基于NFV設計了L25GC，使用共享內存的方法，減少了NF之間的通信開銷，性能評估效果良好，并且代碼已經開源，可以供他人學習。美中不足的是，L25GC當前只支持有限的用戶會話，使其不能進一步運用到實際場景中。

編輯：黃飛

?