• 인터넷정보학회논문지
• /
• 제20권5호
• /
• pp.113-119
• /
• 2019

최근 상용화된 5G 이동통신의 주요한 특징은 High Data Rate와 Connection Density 그리고 Low Latency로 대표할 수 있는데, 이중 기존 4G와 가장 차별되는 특징은 Low Latency로 다양한 새로운 서비스 제공의 기반이 될 것이다. 이러한 특징을 활용한 서비스로는 AR, 자율주행 등이 검토되고 있으며 관련표준에서도 5G Network Latency 논의를 진행하고 있다. 그러나 서비스 관점의 E2E Latency 논의는 많이 부족한 것이 사실이다. 5G에서 Low Latency를 달성을 위한 최종목표는 RTD 기준 Air Interface 1ms 달성으로 이는 '20년 초 Rel-16을 통한 URLLC(Ultra-reliable Low Latency Communications)를 통해 가능하며, 추가적으로 MEC(Moble Edge Computing)를 통한 Network latency 감소도 연구 중이다. 전체 5G E2E Latency는 5G Network 관련 외에도 다양한 요인이 존재하는데, 주요 요인으로는 5G Network과 서비스 제공을 위한 IDC Server 사이의 경로에 놓인 선로/장비 Latency, 단말 App과 Server 내 서비스 처리를 위한 Processing Latency 등이 존재한다. 한편, 서비스 초기 Setup을 위한 Latency와 서비스가 지속 중인 경우의 Latency를 구분하여 세부 서비스 요구사항에 대하여 연구하는것도 필요한데, 이를 위해 본 논문에서는 서비스 초기 Setup과 관련하여 다음과 같은 세가지 요인에 대하여 검토를 진행하였다. 첫째로 (1) Data호 Setup시에 발생 가능한 Latency, 둘째 전력 효율화를 위한 (2) CRDX On/Off에 따른 영향, 마지막으로 (3) H/O가 발생되는 경우에 Latency에 대하여 Latency에 미치는 영향을 실험과 분석을 제시했다. 이를 통해 우리는 Low Latency가 필요한 서비스의 초기 Setup시에 Latency와 관련된 서비스 요구사항 및 기획에 기여할 수 있을 것으로 기대한다.

• 인터넷정보학회논문지
• /
• 제22권6호
• /
• pp.1-8
• /
• 2021

With the rapid growth of intelligent devices and communication technologies, 5G network environment has become more heterogeneous and complex in terms of service management and orchestration. 5G architecture requires supportive technologies to handle the existing challenges for improving the Quality of Service (QoS) and the Quality of Experience (QoE) performances. Among many challenges, traffic steering is one of the key elements which requires critically developing an optimal solution for smart guidance, control, and reliable system. Mobile edge computing (MEC), software-defined networking (SDN), network functions virtualization (NFV), and deep learning (DL) play essential roles to complementary develop a flexible computation and extensible flow rules management in this potential aspect. In this proposed system, an accurate flow recommendation, a centralized control, and a reliable distributed connectivity based on the inspection of packet condition are provided. With the system deployment, the packet is classified separately and recommended to request from the optimal destination with matched preferences and conditions. To evaluate the proposed scheme outperformance, a network simulator software was used to conduct and capture the end-to-end QoS performance metrics. SDN flow rules installation was experimented to illustrate the post control function corresponding to DL-based output. The intelligent steering for network communication traffic is cooperatively configured in SDN controller and NFV-orchestrator to lead a variety of beneficial factors for improving massive real-time Internet of Things (IoT) performance.