5GPerf: Profiling Open Source 5G RAN Components Under DifferentArchitectural Deployments

本文专门做 5G Emulators 的 CPU Profiling, 整理一波结论:

1. 物理层是开销大户：
   1. 在各类协议层中，主要开销来自于物理层（PHY）
   2. 在单体gNB真实无线电测试中，物理层大约占据了75%的单个CPU核心资源，用于处理传入的无线电信号并为上层或向用户设备（UE）传输数据做准备
2. CPU为主要瓶颈：
   1. 测试表明，CPU是系统的主要瓶颈资源，而内存（RAM）使用量保持相对稳定
3. DU资源密集，CU极度空闲：
   1. 在解耦架构中，分布式单元（DU）的资源消耗非常大，而中央单元（CU）几乎处于空闲状态，仅使用不到5%的单个CPU核心
   2. 这意味着单个高性能CU完全能够轻松处理大量DU的上层流量
4. 上行处理成本远高于下行：
   1. 上行链路消耗的系统资源远远超过下行链路，处理4 Mbps的上行传输所消耗的CPU几乎等同于处理90 Mbps的下行传输
5. PHY LDPC解码成为主要负担：
   1. 较高的开销主要集中在Low PHY类别和High PHY层的处理中
   2. 根本原因: 上行链路会导致LDPC（低密度奇偶校验）处理成本激增，因为上行链路的LDPC解码操作比下行链路的LDPC编码操作更耗费资源
6. 吞吐量与CPU消耗正相关：
   1. MCS参数配置决定了有效的链路带宽和信号可靠性
   2. 提高MCS的索引值能够实现更高的实际吞吐量，但作为代价，这也会逐渐增加gNB处理时的CPU资源消耗
7. switch处理流量：
   1. 由于用户流量数据处理消耗了极高的CPU资源，因此CU的用户平面部分（数据路径）是进行硬件加速的理想选择
   2. 例如将其卸载到P4交换机上以突破吞吐量限制