1 概念界定
1.1 多用户调度的定义与边界
多用户调度是指在共享通信介质或共享网络资源的条件下，面向多个用户或终端，依据既定规则与策略决定资源的占用方式与分配时序。资源可能表现为信道、时隙、频段、资源块，甚至更抽象的计算与转发机会。调度的核心输出通常可概括为：在某一调度周期内“哪些用户被服务”“分到哪些资源”“以怎样的传输配置或处理方式获得服务”。
其边界在于：调度关注的是资源的“分配与决策”（谁、何时、如何用），而连接建立、认证、链路接入等更上层或更前置的流程不一定属于调度本身。与此同时，调度与资源分配往往紧密耦合，工程实践中常将二者合并讨论，但在概念上，调度更强调“随时间变化的决策逻辑”。
1.2 与相关概念的区分（接入控制、队列管理等）
多用户调度与接入控制、队列管理常被放在同一系统中，但侧重点不同：
- 接入控制更偏向“谁能进入系统或何时获得尝试资格”，例如许可、接入门限、重试规则等。
- 队列管理关注“数据在缓冲中的组织方式”，如排队纪律、丢弃策略、拥塞信号等。
- 调度则发生在“缓冲中已有的待服务对象”与“可用资源”之间进行映射与选择的环节，典型地决定下一次传输窗口中各用户的服务顺序与配额。
需要注意的是，在很多无线与网络系统中，队列与调度相互影响：队列状态会影响调度决策，而调度又会改变队列的长度与等待时间。
1.3 调度对象与资源粒度（信道、时隙、RB、队列等）
调度对象可以是用户、终端、流、会话，甚至是队列中的数据分组。资源粒度反映调度决策作用的“最小可分单元”，常见粒度包括：
- 时间粒度：帧、时隙、调度周期或调度窗口。
- 频域粒度：频段、子载波集合或资源块（RB）。
- 空间与链路粒度：在多天线系统中对应波束/空间流或不同链路的服务机会（概念层）。
- 处理粒度：在网络侧或计算卸载场景中对应 CPU/缓存/转发名额等更抽象的资源。
资源粒度越细，理论上可调性越强，但对反馈、计算与同步的要求也通常更高。
2 目标与约束
2.1 性能指标：吞吐量与频谱效率
调度常以整体效率为目标，例如：
- 吞吐量：系统在单位时间内完成的数据量或成功传输量。
- 频谱效率：在给定频谱资源下实现的有效速率，常与信道质量、调制编码方案、并行传输能力相关。
在多用户共享资源的前提下，提高吞吐往往意味着更充分地利用好的信道状态或更合理的并发策略，但这并不自动保证低时延或高公平。
2.2 时延、抖动与可靠性指标
除平均速率外，调度还会被用于约束时效性：
在无线系统中，可靠性常与重传协议协同考虑；在网络系统中，则与丢包、重排与超时等机制相关。
2.3 公平性与服务质量（QoS）约束
公平性可理解为“不同用户/业务获得服务机会的均衡程度”。服务质量（QoS）则往往以可量化约束形式出现，例如为某类业务设置最小速率、最大时延或更低丢包率的目标。调度策略需要在满足QoS的同时尽量提升系统效率，尤其在资源紧张时，QoS约束常成为决策的主导因素之一。
2.4 业务异构与策略权衡
真实网络中业务往往异构，例如语音偏好低时延和稳定性，视频兼顾时延与码率波动，尽力而为数据更关注总体吞吐。调度策略因此需要在以下方面进行权衡：
- 效率 vs. 保障：追求最大吞吐可能让弱势用户等待更久。
- 平均性能 vs. 极端体验：平均指标好看不代表尾部用户体验良好。
- 简化 vs. 精细：过度复杂的决策可能提升性能但增加实现成本与不稳定风险。
3 调度信息与反馈机制
3.1 信道状态信息（CSI）与预测
在无线侧，自适应调度通常依赖信道状态信息（CSI），例如信道质量指示、信干噪声比估计或更细粒度的衰落统计。由于信道会随时间变化，系统还可能引入预测机制：用历史观测推测未来调度窗口中的信道情况，从而减少因反馈滞后导致的决策偏差。
3.2 缓存/队列状态（队长、到达过程）
网络侧或接入侧调度常需要队列状态作为输入。典型状态包括：
- 队列长度或队长的变化趋势。
- 各流/各队列的到达速率与等待时间。
- 缓冲中数据的优先级与大小信息（如分组大小、分段状态）。
队列状态帮助调度器判断哪些对象更“急”，以及资源分配对排队演化的影响。
3.3 用户需求与业务描述（优先级、速率需求）
调度并非只看“谁的信道好/队列长”，也要看“业务想要什么”。业务描述可能包含优先级等级、最小速率需求、最大时延容忍度、突发性特征等。工程上，业务信息往往来自上层的承诺或估计模块，并在调度周期内以字段或统计量形式传给调度器。
3.4 反馈延迟与开销
调度所需信息的获取存在代价：反馈越频繁越细，开销越大；但信息太粗可能导致调度误判。反馈延迟则会引入“决策与实际资源状态错位”，在快速变化的环境中尤其明显。因此系统常在精度、频率与稳定性之间折中。
4 典型调度框架
4.1 分时/分资源的调度流程
典型调度流程可概括为循环迭代：
- 在某调度周期开始，收集可用资源状态与各用户侧的输入（队列、CSI、业务参数等）。
- 根据调度目标与约束，计算决策（用户选择、资源划分或传输配置）。
- 下发决策执行，并在下一周期更新状态。
循环的关键在于：输入-决策-执行之间的时序要求严格，且必须保证状态一致性与可预期的延迟。
4.2 上行与下行调度差异
上行与下行在信息获取与控制方式上常不同：
- 下行：调度器通常更容易集中掌握可用资源的分配结果，但仍需依赖用户侧反馈估计信道。
- 上行：终端自主发送受限于资源授权与反馈机制，调度器往往需要处理随机接入、发送时刻竞争等因素。
因此，两者的调度算法在信息形式、控制闭环和开销上可能存在差别。
4.3 集中式与分布式调度
- 集中式：由一个或少数实体统一决定资源分配，便于全局优化与一致性控制，但需要更强的计算与协调能力。
- 分布式：各节点在本地或局部信息下作决定，降低集中负担，但可能带来竞争、协调难题与性能上限下降。
选择哪种架构往往取决于网络规模、通信开销、时延约束与可靠性要求。
4.4 在线调度与离线规划
- 在线调度：决策基于当前可观测信息，面向实时性，通常更保守或依赖启发式规则。
- 离线规划：在仿真或离线场景中利用已知或可预估数据进行优化，便于评估上界或设计策略，再迁移到在线实现。
工程上常采用“离线训练/配置 + 在线执行”的思路，例如先得到策略参数，再在实时中快速映射决策。
5 经典调度策略
5.1 轮询与固定时隙分配
轮询（round-robin）通过按固定顺序依次服务用户，保证每个对象获得一定机会。固定时隙分配则把时频资源按比例或预设表分给各用户。优点是实现简单、可预测性强；缺点是对信道差异与业务突发适应性不足，在负载不均与信道波动明显时效率容易受限。
5.2 优先级调度（基于业务等级）
优先级调度依据业务等级决定服务次序，等级越高的业务越可能在资源争用时优先获得机会。常用于实现基本的服务保障。但若没有配套的公平性机制，低优先级对象可能长期得不到服务，从而形成“饥饿”风险。
5.3 最小队列优先与最大队列优先
- 最大队列优先倾向于先清空队列更长的对象，目标是降低排队长度或减轻拥塞。
- 最小队列优先则相反，可能在某些场景中更关注避免队列持续增长。
这两类策略对队列演化的影响方式不同，适用前提取决于负载特征与排队目标，例如是追求低等待还是追求整体吞吐稳定。
5.4 最大速率调度（偏向吞吐）
最大速率调度通常选择当前能够实现最高瞬时速率的用户进行服务。它直观地提升频谱效率和平均吞吐，但往往会在用户信道时好时差的情况下对弱势用户不利：信道差的用户可能长时间得不到服务，公平性下降。
5.5 比例公平调度与其直觉
比例公平（proportional fairness）是一类常用的折中思路：在保证一定效率的同时，避免让少数用户长期占优。直觉上，它倾向于在每个周期选择“综合收益与历史份额”的最优对象，从而在平均意义上实现相对平衡的速率分配。其名称来源于对对数效用的优化思想，但在工程中常以启发式实现。
5.6 最坏情况优先与鲁棒调度思想
鲁棒调度强调对不确定性（例如CSI误差、反馈延迟或业务波动）的稳健性，常见做法包括对“最坏用户”或尾部性能进行权衡。它可能在平均吞吐上略有牺牲，但提高了在极端条件下的体验稳定性。该类策略在实时业务保障场景中更常见。
6 基于信道与用户状态的自适应调度
6.1 信道质量驱动调度
信道质量驱动调度利用用户当前或预测的信道状态，选择合适的传输对象与配置。常见形式包括基于质量指示的用户选择，或结合调制编码等级与资源分配进行联合决策。此类方法对反馈及时性敏感，反馈过期会降低决策收益。
6.2 多用户MIMO/波束与调度耦合（概念层）
多用户MIMO或波束形成引入了空间维度的资源竞争：同一时间频段内可能服务多个空间流，但这些流之间存在干扰与正交性权衡。调度不再只是“分配给谁”，还涉及“如何在空间上分离用户”。因此，调度与波束/预编码选择常需要协同设计，属于概念层面的耦合问题。
6.3 混合指标调度（速率-时延折中）
混合指标调度将瞬时速率与时延/队列等待等因素合并为统一评分函数。例如，一个用户可能因为信道好而速率高，也可能因等待更久而得分提升。通过权重调节，系统可在吞吐与时延之间做可控折中，使策略能贴近不同业务的需求偏好。
6.4 可靠性优先的调度与重传协同
在需要保证成功传输的场景中，调度会考虑可靠性相关信息，如预估的误码概率或可支持的重传次数预算，并与重传协议协同：当预测条件较差时，可能选择更保守的编码配置或给予更合适的资源，让重传代价不过度累积。该类设计的重点在于避免“为了速率而频繁触发失败与重传”导致整体效率下降。
7 公平性机制与指标
7.1 公平的含义（时间公平/速率公平）
公平性并非单一概念，常见区分包括：
- 时间公平：关注每个用户获得服务的时间份额是否均衡。
- 速率公平：关注平均或长期吞吐是否接近某种目标。
在不同业务类型中，用户更在乎的是等待时间还是平均速率，公平定义会随目标而变化。
7.2 常见度量：Jain 公平系数等（概念层）
Jain 公平系数等指标用来度量一组分配结果的均衡程度，数值越接近理想公平状态通常表示越均衡。它属于概念层常见的评价方式：具体计算依赖系统定义的“份额”或“速率”，并用于比较不同调度策略的公平表现。
7.3 公平性与吞吐量的冲突
在资源有限且信道差异存在时，追求更高公平往往意味着牺牲一部分最大化吞吐的机会：为了照顾低速用户，需要在某些周期放弃对瞬时最优用户的服务。调度策略因此必须在公平与效率之间设置折中曲线，而非期望两者同时达到最优。
7.4 面向饥饿（Starvation）的缓解
饥饿是指某些用户因策略偏置长期得不到足够服务。常见缓解手段包括：
- 引入随等待时间增长的优先级因子，使长期未服务对象逐步“抬升”。
- 设置最大等待上限或令评分函数具有“必达性”。
- 使用公平性约束或比例公平的历史份额修正。
这些措施的目标是让极端情况不至于无限恶化，同时保持系统总体性能可接受。
8 QoS 与业务分层调度
8.1 业务类别映射（语音、视频、数据）
业务分层调度通常把业务映射到类别：例如对语音强调时延与抖动控制，对视频兼顾持续播放与码率稳定，对数据则更多追求吞吐与传输完成。映射规则可以来源于业务承诺、统计估计或上层标记，并影响后续的队列结构与调度评分。
8.2 多队列结构与隔离思想
隔离思想通过为不同业务类别或不同服务等级设置独立队列，减少互相“抢占”导致的体验不均。调度器可以在不同队列之间分配配额，再在队列内部决定具体用户顺序。多队列结构也便于实现“先满足基本需求，再优化效率”的策略组织方式。
8.3 时延敏感与吞吐敏感的分流
当系统资源紧张时，时延敏感业务可能采用更积极的服务策略（例如更高调度频率或更靠前的排队规则），吞吐敏感业务则可能在保障后进入机会性服务。分流的作用在于让“实时类失败代价更高”的业务得到更优先的资源份额，从而避免拖延带来的播放中断或交互卡顿。
8.4 保障型与机会型服务的结合
保障型服务强调给定业务的确定性或下限保证；机会型服务则在资源富余或信道条件良好时提供额外收益。结合方式常见为“两阶段”：先为保障类分配基础资源，再将剩余资源按效率或公平规则分配给机会类。这样既能满足关键业务体验，又能在整体层面保持系统吞吐。
9 与无线接入技术的关联（概念概览）
9.1 OFDMA/资源块调度的思路
在 OFDMA 等正交频分多址体系中，调度往往围绕资源块进行。调度器在每个调度周期为不同用户选择若干资源块，用户映射与资源块分配直接决定可获得的带宽与可用调制编码等级。由于资源块在频域上相对独立，调度还可以利用频域选择性与用户信道差异实现更细粒度的匹配。
9.2 HARQ 与调度的协同
HARQ（混合自动重传请求）机制引入“是否需要重传”与“重传资源消耗”的反馈环。调度器需要在新传与重传之间做取舍：若不考虑重传积累，可能导致系统效率下降或时延恶化；若过度优先重传，又可能延迟新业务。协同的目的在于平衡可靠完成率与整体时效。
9.3 载波聚合与多链路调度（概念层）
载波聚合允许在多个载波上同时传输，调度可以在多链路间分配任务：例如在某些载波信道更好时增加分配，在其他载波上保持最小覆盖。由于多链路之间可能出现不同的负载、不同的时延与反馈状态，调度在概念上需要考虑跨链路的一致性与可行性。
10 网络侧调度与排队管理
10.1 调度与队列（Scheduling vs. Queuing）
调度与排队管理常一起出现，但两者角色不同：调度决定“何时由谁使用出站资源”，排队决定“数据如何等待与被组织”。更具体地说，队列管理塑造了候选集合（例如哪些分组留在队列中、哪些被丢弃或标记），而调度在候选集合上做选择与排序。两者共同决定时延分布、丢包率和吞吐效率。
10.2 带宽分配与整形（Shaping）的基本概念
带宽分配涉及在多个流或多个业务等级之间分配发送机会或速率份额；整形（shaping）通常用于控制突发与长期发送速率，使流量更平滑、减少拥塞触发频率。调度器可以结合整形后的队列形态进行服务选择，从而让系统更可控。
10.3 拥塞情形下的资源再分配
在拥塞出现时，系统可通过重新分配资源来缓解排队增长：例如对排队增长更快的流增加服务份额，对已经达到某些速率目标的流降低资源分配。与此同时，配套的队列管理（丢弃、标记、ECN信号等概念）会影响候选集合，使得再分配在闭环中更有效。
10.4 多级调度：跨层视角
多级调度指在不同层次同时存在决策，例如接入侧的资源调度与网络核心侧的带宽/队列调度。跨层视角强调这些决策不是独立的：上层调度造成的流量形态会改变下层队列状态，而下层拥塞与丢包又会反馈到上层体验与业务完成时间。工程设计常需要兼顾可实现的闭环控制与稳定性。
11 性能评估与建模
11.1 评价指标与实验设置
性能评估通常围绕前述指标展开，如吞吐量、时延分布、丢包或可靠完成率以及公平性度量。实验设置还会包括：系统带宽、调度周期长度、反馈机制（是否有延迟、反馈精度）、用户移动或信道模型、业务到达模型以及仿真时长。合理的设置决定了比较结果的可信度。
11.2 负载模型与用户到达/业务模型
负载模型描述用户数量、活跃用户比例、业务到达过程与大小分布等。业务模型可区分持续型与突发型，并给出不同类别业务的参数差异。调度策略在不同负载下的表现可能显著不同，因此评估往往需要覆盖轻载、中载、重载等多种区间。
11.3 仿真与可复现实验要点
可复现实验要求模型参数公开、随机种子可控、仿真环境一致。还需关注收敛与统计置信度：某些指标（如尾部时延）需要更长仿真时间或多次重复来稳定估计。对比实验应避免只展示少数“看起来更好”的场景。
11.4 可解释性与稳定性评估
除了平均性能，研究者还会评估策略的可解释性与稳定性：例如在参数变化、负载突变或信道反馈误差时，系统性能是否明显波动。稳定性评估有助于判断策略是否适合工程落地，而不仅是仿真里“恰好有效”。
12 学习型与优化型调度（展望）
12.1 传统优化方法：目标函数与约束
传统优化型调度通过设定目标函数（如效用最大化、加权和速率、时延加权和等）并加入约束（如功率、资源总量、公平或QoS下限）来得到决策。许多方法在理论上可给出性能保证，但在大规模、强非平稳或反馈受限条件下实现复杂度可能上升。
12.2 强化学习调度的基本思路（概念层）
强化学习调度的思路是把调度过程建模为序列决策问题：状态对应可观测信息（队列、信道指标等），动作对应资源分配与用户选择，奖励函数对应性能目标（吞吐、公平、时延惩罚等）。该类方法常强调在复杂环境中学习策略，但需要考虑样本效率、收敛稳定性以及探索带来的风险。
12.3 多智能体协同与非平稳环境
当系统中存在多个决策实体时，可能出现多智能体协同与竞争。每个智能体的动作会改变其他智能体的环境反馈，从而带来非平稳性。相关方法通常依赖集中训练或通信机制等概念来降低学习难度，但工程上要权衡信息传递与实现成本。
12.4 工程落地的复杂度与鲁棒性
学习型调度落地时，常见挑战包括：训练-部署差异、策略对异常条件的鲁棒性、以及实时决策的计算开销。为降低风险，工程实践往往引入约束解法、在线安全机制或与传统启发式的混合策略。
13 工程实现注意事项
13.1 调度周期与实时性
调度周期决定了决策的更新频率：周期过长可能无法跟上信道或负载变化；过短则增加信令与计算压力。实时性要求意味着调度器必须在严格时限内完成信息收集、决策计算与下发，且要保证在极端负载时仍能稳定工作。
13.2 计算复杂度与反馈开销
复杂算法可能带来更好的性能上界，但需要在计算资源有限的前提下实现。与此同时，细粒度CSI与业务状态的反馈会消耗空口或网络带宽。工程设计通常会根据性能-开销比选择可接受的状态表示与决策粒度。
13.3 协调与同步问题（概念层）
调度涉及多个模块与多个时序点：状态采样、反馈汇聚、调度计算、控制下发与执行确认。由于存在传播时延与处理延迟，需要保证不同模块对“当前周期”的理解一致。同步问题会直接影响调度有效性，严重时会造成决策与实际执行的错位。
13.4 安全与策略滥用的防护思路
在共享系统中，若业务或终端可以操纵其上报状态（如夸大需求、伪造反馈），可能导致调度偏置与性能受损。防护思路通常包括状态一致性校验、异常检测与基于信誉或约束的策略限制。此部分强调工程系统的稳健性与可控性。
14 常见误区与“调度梗”
14.1 “看似公平但实际饥饿”的典型坑
有些策略在表面上为每个用户分配了周期性机会，但当机会大小随条件变化（例如与队列增长或速率门限强耦合）时，仍可能出现某些用户长期完成度极低的情况。看起来“都有份”，但实际体验可能接近饥饿。
14.2 只追吞吐却把时延用户“晾着”的后果
最大速率或强吞吐导向的调度可能让时延敏感业务被反复推迟。结果是平均指标提升，但实时业务出现明显卡顿或超时。调度目标若只覆盖吞吐，系统容易在“坏尾巴”上变得难看。
14.3 “轮询是万能药”为什么不成立
轮询强调机会平均，但不考虑信道差异、业务突发和服务完成所需的资源量。在信道波动或用户需求差异较大时，轮询可能导致效率损失，甚至使某些业务类别体验不稳定。轮询更适合作为简单基线或配套机制的一部分。
14.4 面试题式理解：调度到底在分什么
面试常见问题是“调度到底在分什么”。较标准的回答应当是：调度器在每个调度周期做决策，将有限的共享资源（时间、频率、资源块、发送机会或处理名额）在多个候选对象之间进行映射，并且目标函数与约束决定了分配偏好。换句话说，调度不只是“分块”，更是“按目标分块并随时间更新”。
15 参见与延伸阅读
15.1 与资源分配、接入控制相关条目
可继续阅读资源分配策略、接入控制与资源授权机制等内容，以把调度放在更完整的系统流程中理解。
15.2 与队列管理、QoS、无线帧结构相关条目
阅读队列管理方法、QoS机制以及无线帧结构相关知识，有助于理解调度输入从何而来、输出如何落地到帧级执行。
15.3 学习与优化相关条目（概念入口）
学习型与优化型调度可延伸到效用最大化、约束优化、强化学习的序列决策建模以及多智能体协同等概念入口，以建立更系统的理论与工程视角。