Cloud-empowered DSP leveraging Big Data Analytics in C-RAN architecture

The development of Network Function Virtualization (NFV) technologies, as one of the pillars of emerging 5G and beyond networks, is spreading out to all segments of mobile networks, including both Core Network (CN) and Radio Access Network (RAN). Once virtualized, the network functions become scalable, flexible and could be computed in different parts of the network. This flexibility is supported by the development of powerful Cloud systems that are deployed closer and closer to the end-users, creating in such a way Edge cloud resources and the concept of Multi-access Edge Computing (MEC). From the other side, the generation of enormous amounts of network monitoring data offers an opportunity to improve and optimize any task related to network resource management by analyzing those datasets and extracting meaningful network knowledge. In this thesis work, we focus on exploiting virtualization techniques within the Cloud-RAN (C-RAN) architecture in combination with outcomes of mobile network monitoring datasets analysis at different levels of the network. We define and estimate computational requirements and constraints of computing virtualized RAN (vRAN) functions in the Cloud, for which we create an experimental platform built out of virtual machines specifically designed for processing vRAN functions. Through the detailed analysis of the C-RAN architecture, we investigate several design solutions by mainly tackling the problem of centralizing Digital Signal Processing functions to be computeFd in the Cloud with General Purpose Processing (GPP) hardware. Additionally, we perform a big data analysis of realistic mobile network datasets and exploit its outcomes to provide an optimization framework that allocates computational resources of virtualized RAN functions. The developed optimization algorithm tends to jointly reduce the number of allocated virtual resources at the Cloud platform and the number of service interruptions for the end-users. The proposed solution for the allocation of vRAN resources is possible to reach up to 25% of total cost savings in the mobile network compared to traditional mobile network approaches.

Lo sviluppo delle tecnologie di virtualizzazione delle funzioni di rete (NFV), come uno dei pilastri delle reti 5G emergenti e oltre, si sta diffondendo a tutti i segmenti delle reti mobili, comprese sia la rete centrale (CN) che la rete di accesso radio (RAN). Una volta virtualizzate, le funzioni di rete diventano scalabili, flessibili e potrebbero essere calcolate in diverse parti della rete. Questa flessibilità è supportata dallo sviluppo di potenti sistemi Cloud che vengono distribuiti sempre più vicino agli utenti finali, creando in tal modo le risorse cloud Edge e il concetto di Multi-access Edge Computing (MEC). Dall'altro lato, la generazione di enormi quantità di dati di monitoraggio della rete offre l'opportunità di migliorare e ottimizzare qualsiasi attività relativa alla gestione delle risorse di rete analizzando tali set di dati ed estraendo una conoscenza significativa della rete. In questo lavoro di tesi, ci concentriamo sullo sfruttamento delle tecniche di virtualizzazione all'interno dell'architettura Cloud-RAN (C-RAN) in combinazione con i risultati dell'analisi dei set di dati di monitoraggio della rete mobile a diversi livelli della rete. Definiamo e stimiamo i requisiti e i vincoli computazionali delle funzioni di calcolo della RAN virtualizzata (vRAN) nel Cloud, per il quale creiamo una piattaforma sperimentale costruita a partire da macchine virtuali specificamente progettate per l'elaborazione delle funzioni vRAN. Attraverso l'analisi dettagliata dell'architettura C-RAN, indaghiamo diverse soluzioni progettuali affrontando principalmente il problema della centralizzazione delle funzioni di Digital Signal Processing per essere computeFd nel Cloud con hardware General Purpose Processing (GPP). Inoltre, eseguiamo un'analisi dei big data di set di dati realistici della rete mobile e ne sfruttiamo i risultati per fornire un framework di ottimizzazione che alloca le risorse computazionali delle funzioni RAN virtualizzate. L'algoritmo di ottimizzazione sviluppato tende a ridurre congiuntamente il numero di risorse virtuali allocate sulla piattaforma Cloud e il numero di interruzioni del servizio per gli utenti finali. La soluzione proposta per l'allocazione delle risorse vRAN consente di raggiungere fino al 25% del risparmio sui costi totali nella rete mobile rispetto ai tradizionali approcci di rete mobile.