SIGCOMM论文Mobile access bandwidth in practice measurement, analysis, and implications阅读笔记

Mobile access bandwidth in practice: measurement, analysis, and implications阅读笔记

这篇论文选自SIGCOMM2022

概述

​  本篇论文分析了中国数百万终端用户的移动接入带宽，发现过去几年中，WiFi的平均带宽基本不变，而4G/5G的带宽反而显著下降。本文还进一步分析了出现这一问题的根本原因——底层基础设施的瓶颈和4G向5G迁移的副作用。此文还提出新的设计大幅缩短商用BTS的测试时间和后端成本。

分节阅读

​  开篇直接说出了现在全球无线网络性能表现不如预期的现状，以及伴随产生了缺乏细粒度的、大规模的BTS测量问题。也就是现有所有的BTS都有着粗粒度和基础施设无法扩展的问题。
​  在带宽测试期间，本文通过标准的Android API不断收集重要的PHY和MAC层数据，从而增强了BTS-APP的客户端。
 主要得出以下结论：

• 4G网络带宽下降原因：将近60%频谱的频段被重用于5G。
• 5G网络带宽下降原因：重用后的频段表现不佳，平均带宽只有100Mbps；信号接收强度（RSS）不能转化为高带宽（5G基础设施不够完善成熟；4G的RSS与带宽成正比）。
• WiFi5/6带宽表现不如预期原因：64%的WiFi用户仍在使用≤200Mbps的固定 "宽带 "接入互联网。

​  第二节描述了BTS-APP的测试系统的整体结构和位于Android客户端的用于收集细粒度信息的轻量级小插件。

​  第三节主要是在展示各种数据及由数据得出的初步结论。首先列出了带宽随时间的变化，介绍了数据在空间分布上的差异，也分别从用户端软硬件和ISP基础设施的角度对数据进行了解释。接着分别从4G、5G和WiFi三个角度单独阐述了带宽数据变化的原因以及结论（结论前文已经提出过，此处是详细介绍及分析）。
​  这一节在5G部分介绍一天分时段测量数据时，提到了在21-23点5G带宽跌至谷底的原因除了此时间段用户人数较多之外，还有互联网服务提供商在21:00至9:00选择性地关闭5G BSs的有源天线处理单元，以减少能源消耗。这个其实我之前就有听说过，因为5G初期用户人数较少，但是5G相比于4G的功耗很高，所以在晚上9点大部分人都回家使用WiFi的时候（5G用户人数在此时间段较少），选择关闭一部分基站来降低用电能耗。但是论文此处数据显示21:00-23:00期间BTS-APP接受到的测量请求却和白天相差无几，我想测量请求数和用户数量应该不是简单的成正比关系，白天虽然用户数量较多但是带宽高，所以用户测速需求较弱；而晚上用户数量虽然较少但是带宽跌至谷底，所以用户测速需求较强。
​  论文在这里还说了一下相比于5G测试请求数量与平均带宽成负相关，4G的测试请求数量与平均带宽成正相关，给出的理由是，4G基站耗电很少不会采用类似5G的睡眠策略，但是没有给出4G的数据图例。这里我产生了一个疑问：5G成负相关我是可以理解的，因为无论什么原因，平均带宽下降了，用户进行速度测试的请求肯定更强烈，所以成负相关；但是4G为什么会正相关呢？怎么平均带宽越高测试请求反而越多呢？
​  关于5G的RSS强度与平均带宽不成正相关此处论文给出的解释是，优秀的RSS通常是在拥挤的市区测量得到的，而在这类地区人口众多，往往会密集部署5G基站，但是不恰当的基站布置和天线配置很容易导致跨区域覆盖，即不同基站的信号覆盖重叠，这可能会加剧建筑物密集的城市地区多路径和同信道干扰，以及各种负载平衡问题和不良交接问题，但是部署了十多年具有成熟的基础设施的4G就没有此类现象。
​  关于WIFi带宽得出的结论就是受制于固定宽带的带宽限制，WiFi5/6的技术优势不能被发挥出来。

​  第四节是对第三节做了一个总结和未来移动宽带发展的展望，提倡科学有效重用频谱，同时应扩大LTE-advanced部署，ISP应提高其固定宽带的带宽。

​  第5节主要是在说带宽测量中的噪声问题，噪声包括两方面：TCP拥塞控制的慢启动和测量过程中的网络波动，占了带宽测试时长较长时间的慢启动作为主要噪声是急需解决的问题。在过去针对这些噪声，BTS提供商都有自己的过滤算法，本文提出了基于统计数据指导的带宽测量方法：过去的统计数据显示，无线网络带宽普遍符合多模态高斯分布（多峰），也就是说带宽值普遍徘徊在几个固定带宽值附近，且此分布在较长时间范围内比较稳定。所以改良后的带宽探测将直接以这几个固定带宽值为初始探测速率进行测量（TCP改为UDP），从而避免TCP的慢启动阶段，得到十个收敛的带宽样本探测结束。
​  本节还提到了，BTS服务器存在过度配置现象，可以重新购买少量服务器进行合理配置，平均分布在中国大陆网络的八个域，且尽可能靠近核心IXP。
​  本节最后是对本节提出的带宽探测和服务器部署方案进行了实施和效果评估，测量结果显示：本文的Swiftest的带宽测量基本都可以在1秒左右完成，相比于BTS-APP的10秒和Speedtest的15秒大幅度缩短，且因为测量时间的缩短，测量过程中的数据使用量也降低了近10倍之多。且经过和BTS-APP的测量结果进行对比，Swiftest和其测量结果的偏差很小，准确性也得到了保证。在成本方面，因为Swiftest使用了更少的服务器，所以后端基础设施的费用减少了15倍。

​  后面就是一些相关研究的介绍和总结，在此就不过多赘述了。

最后的话

​  这篇文章整体读下来，给我的感觉很通俗易懂，没有涉及特别具体的东西，其中的研究方法和思路看似简单，但实则都是需要大量尝试和实践。