算力网络路由调度技术研究

面向数字经济高质量发展需求,算力网络的研究和发展不断加速。如何实现算力与网络资源的一体化调度是算力网络研究的关键问题,介绍了算力网络演进进展,分析了算力网络资源感知和路由调度技术,提出了算力网络混合式路由调度解决方案,实现按需灵活、快速路由、易于实现的算网一体化能力。介绍了混合式路由调度方案在车联网远程驾驶场景的实现流程,在车辆移动状态下支持提供算网一体、快速调优的差异化服务。     

面向算网一体化演进的算力网络技术

随着一体化算力网络国家枢纽节点的建设和“东数西算”工程的加快实施,计算和网络的融合走向深水区。面向新兴业务对于网络和计算融合发展的需求,如何协调分布式、多样化算力资源,业务应用和网络资源满足业务需求成为亟待解决的问题。为了解决计算和网络相互感知、协同、调度问题,从算力网络阶段化发展、算力感知技术架构、算力度量与标识、算力路由等多个技术展开探索和研究,并提出算力网络多种部署模式,为算力网络后续技术研究和产业发展提供参考。     

算力网络四面三级算力度量技术体系

算力网络要实现广泛的算力互联,就离不开统一的算力度量和算力建模机制。算力度量技术主要解决算力描述的标准化,提供方便的跨厂商互通能力、算力资源协同管控能力。对算力网络中算力度量需求进行分析,并提出四面三级算力度量技术体系,同时还探索了在算力路由决策中,网络按需进行算力信息通告等关键技术,为后续的算力度量研究提供参考。     

算力网络业务安全技术研究

随着数字经济时代的发展,新兴技术、应用带来了数据量的持续增长,各行各业对算力和网络提出了更为迫切的需求。面对不断倍增的算力和网络需求,算力网络应运而生,然而,分布广、环境复杂、数量庞大的多源算力和网络的融合打破了传统的安全域,算力网络将面临更为严峻的安全和隐私问题。基于算力网络的业务运行机制,较为全面地分析了算力网络在用户接入、算网编排、任务执行、交易结算四个阶段面临的安全风险,并对相关安全技术进行了研究,为算力网络安全技术的研究和应用提供参考。     

算力网络中面向计算重用的任务调度优化

为应对未来算力需求爆炸性增长所带来的挑战,将计算重用技术引入算力网络中,通过重用计算任务结果,来缩短服务时延并减少计算资源消耗。在此基础上,提出基于服务联盟的上下文感知在线学习算法。首先,设计重用指数来减少额外查找时延;然后,基于服务联盟机制进行在线学习,根据上下文信息及历史经验做出计算任务调度决策。仿真实验结果表明,所提算法在服务时延、计算资源消耗等方面均优于基准算法。     

6G算力网络:体系架构与关键技术

随着应用需求的不断拓展和科学技术的高速发展,现有网络逐步形成了较为成熟的无线感知、无线通信和泛在计算等多个功能体系,6G通信、感知、计算(通感算)融合趋势初现。其中,算力作为该融合系统的基石,为未来网络的发展提供了新的挑战和机遇。算力网络(Computing Force Networks,CFN)以“算网深度融合”为指导思想,利用发达的网络触角感知、连接和协同算力,提高算网资源利用率,满足网络智能化和新型业务的需求。首先概述了算力网络的发展历程和研究现状,总结了算力网络架构和关键技术,包括算力度量和建模、算力感知和路由、算力调度等,最后探讨了技术挑战和未来发展方向。     

运营商视角下的算力网络技术及实践研究

算力网络是云化网络发展演进的下一个阶段,是运营商摆脱“管道”提供商困境、支撑业务高质量发展的必然选择。从算力网络的本质内涵出发,在对算力网络架构及实现路径深入分析的基础上,通过某运营商的算力网络实践阐述如何打造一体共生的精品算力网络,支撑数字经济高质量发展、赋能千行百业。     

算力网络发展中的若干关键技术问题分析

介绍了目前国内外算力网络技术的发展现状,对算力网络关键技术进行了阐述,从算力度量与算力建模、基于算力信息的路由决策、云-边-端算力协同、基于服务的云网融合及算力网络信息安全5个方面,对算力网络技术发展及实践应用中遇到的问题进行了深入分析,并提出了初步的解决方案。     

通算一体驱动的算力内生网络技术与应用

全球通信业均开展6G潜在技术架构与关键技术的研究与探索,其中通过通算一体更好地赋能各项6G网络新技术和新业务,从而进一步实现6G智能普惠愿景已成为业界共识。因此,如何实现通信与计算的深度融合与实时协同,以满足动态复杂网络环境下的新业务超低时延与算力实时响应等需求,成为通算一体的挑战与关键。提出一种通算一体驱动的算力内生网络,其通过算力时分复用与智能通算调度技术实现了基站的通信与计算算力解耦、算力池化与算力智能调度,从而实现基站同时支持通信与计算业务。该技术已经过验证并试点应用,实验与试点结果表明,算力内生网络技术可有效提升无线网络的算力效率,并实现基站同时支持通信与计算业务,助力6G通算一体演进。     

基于云边协同算力调度的高效边缘卸载研究

为了满足车载边缘计算网络(Vehicular Edge Computing,VEC)中低时延、高可靠、高传输速率等极致性能需求,亟需突破现有传统车联网中通信感知计算相互割裂的现状,基于云边端一体化与智能协同等算力网络技术设计一种高效的任务卸载策略成为解决方案。为此,提出一种云边协同智能驱动车载边缘算力网络架构,通过结合实时计算负载与网络状态条件,充分利用云中心、聚合服务器和MEC服务器的异构计算能力,权衡用户任务卸载策略,实现网络资源的全面协作和智能管理。考虑到计算型任务对时延和能耗的需求,将计算卸载策略建模为在通信与计算资源约束下的最小化长期系统成本的优化问题,并将其转化为马尔可夫决策过程(Markov Decision Process,MDP)。最后,鉴于车载网络的动态和随机特性,提出一种基于云边协同的深度Q网络(Cloud-Edge Collaborative Deep Q-Network,CEC-DQN)的高效计算卸载策略来解决MDP问题。仿真结果表明,与传统单点边缘服务器卸载或随机卸载算法相比,所提出的算法具有较高的性能提升,可有效解决多层次算力网络中节点算力分配不足、不均衡的问题。     

面向智慧高速网络节点边缘处理器的资源配置优化

随着B5G时代的到来,边缘计算被广泛用于处理智慧高速网络节点的海量原始数据.但在实际应用中,基于设备成本的考虑,大量边缘处理器并不会配置较为充裕的冗余性计算资源和存储空间,在处理突发事件时可能无法合理分配资源而出现高时延、宕机等问题,进而影响智慧高速公路系统的稳定性和可靠性.为此,提出了一种面向智慧高速网络节点边缘处理...     

Scate: A Scalable Time and Energy Aware Actor Task Allocation Algorithm in Wireless Sensor and Actor Networks

In many applications of wireless sensor actor networks (WSANs) that often run in harsh environments, the reduction of completion times of tasks is highly desired. We present a new time‐aware, energy‐aware, and starvation‐free algorithm called Scate for assigning tasks to actors while satisfying the scalability and distribution requirements of WSANs with semi‐automated architecture. The proposed algorithm allows concurrent executions of any mix of small and large tasks and yet prevents probable starvation of tasks. To achieve this, it estimates the completion times of tasks on each available actor and then takes the remaining energies and the current workloads of these actors into account during task assignment to actors. The results of our experiments with a prototyped implementation of Scate show longer network lifetime, shorter makespan of resulting schedules, and more balanced loads on actors compared to when one of the three well‐known task‐scheduling algorithms, namely, the max‐min, min‐min, and opportunistic load balancing algorithms, is used.     

Resource Allocation with Dynamic Substrate Network in Data Centre Networks

The resource allocation problem in data centre networks refers to a map of the workloads provided by the cloud users/tenants to the Substrate Network （SN） which are prov- ided by the cloud providers. Existing studies consider the dynamic arrival and departure of the workloads, while the dynamics of the sub- strate are ignored. In this paper, we first prop- ose the resource allocation with the dynamic SN, and denote it as GraphMap-DS. Then, we propose an efficient mapping algorithm for GraphMap-DS. The performance of the pro- posed algorithm is evaluated by performing simulation experiments. Our results show that the proposed algorithm can effectively solve the GraphMap-DS.     

天地异构网络资源融合管理与智能调度技术

针对天地网络资源跨域分散、快速配置调度难、综合利用率低等问题,开展天地异构网络资源特性及融合模式分析,以网络性能优化为目标设计天地异构网络资源融合管理架构。针对资源的异质异构性进行网络资源的分类与虚拟化,针对不同的网络服务需求进行资源多维描述和子网构建,针对业务的动态变化进行虚拟化资源的智能分配与动态调整。采用上述技术实现了网络资源的协同运用与自主调优,通过全网资源的统一调度和智能分配提高了网络资源利用率,提升了网络服务质量。     

认知无线电网络中基于协作中继的资源分配算法

在认知无线电网络的协作中继机制下,中继节点利用其和源节点以及目的节点的不同公共信道为二者的通信转发数据,可以有效解决次用户的通信需求和可用带宽之间的矛盾,提高频谱利用率和系统吞吐量。基于协作中继的认知无线电网络中,不同通信链路上可能存在公共可用信道,使信道和中继的分配问题变得复杂。本文研究了公共信道存在的情况下系统的资源分配问题,基于网络最大流理论提出了两种算法:并行算法和贪婪算法,并分析了算法复杂度。仿真结果表明,两种算法都能够更有效地分配资源,提高频谱利用率,改善网络吞吐量。并行算法可以得到最优解,但其复杂度随信道公用程度的上升增长迅速,受节点并行处理能力的限制,只适用于信道公用程度较低的情况。贪婪算法不一定能得到最优解,但其复杂度较低,并且信道公用程度高时接近最优解,因此超出节点的并行处理能力后,可以选择贪婪算法。      

云环境中基于异构资源的资源分配算法

随着"云计算"的出现和快速发展,"云"作为一种新型的资源形式被越来越多的用户所使用。云环境中的资源分配问题成为了云计算中不可忽略的问题。在云资源管理平台中,如何既满足用户的任务需求,又节省云资源成本,是云运营商尽快希望解决的问题之一。实际上云用户对云资源的请求是有差异的,而且用户任务的完成通常由多个异构的云资源来实现。文中作者考虑了异构云资源间的差异,提出了一种基于异构资源的资源分配算法。该算法先从任务的全局角度考虑,将用户提交的云任务划成不同的组合,再根据云资源间的差异,为相应的组合分配相应的资源。实验仿真表明,在异构云环境中,该算法能在满足用户需求的前提下,在节省云资源使用上有较好的表现。     

基于收入值的IP网络带宽分配研究

现有IP网络采用尽力而为的方式传送数据,存在可运营性和可管理性差的问题.未来的IP网络必须能够对带宽进行有效的分配,保证对用户的服务质量,并实现运营商利益的最大化.本文提出一种基于收入值的通用带宽分配模型,将基于收入值的带宽分配问题分为完全满足带宽需求的严格带宽分配问题和部分满足带宽需求的灵活带宽分配问题,并证明其等效于背包问题.由于现有算法无法应用于实际的嵌入式系统,本文提出了一种改进贪婪算法(EGA)对基于收入值的带宽分配问题进行求解.在交换容量为128Gbps的分布式路由器上的实验结果表明,EGA是一种兼顾公平性和有效性的算法,能够在确定性时间内执行完毕.采用EGA的网络设备已运行于实际的运营商网络中.     

无人机接替场景中相似度感知的边缘计算缓存算法

无人机边缘计算将无人机的移动性和边缘计算的源端处理优势相结合,可以在基础设施薄弱区域中提供计算、传输和存储服务,近两年得到了广泛关注。然而,无人机平台的计算、能量和存储容量有限,面对不断增长的内容服务请求,无人机边缘节点只能缓存部分流行度较高的内容。此外,为了保证服务的连续性,无人机之间往往需要接替提供缓存服务。现有的边缘缓存算法大多根据内容的请求历史来预测流行度,使得接替无人机上对新请求的内容服务启动缓慢,缓存命中率较低,限制了边缘计算缓存的性能。在此背景下,充分考虑无人机的移动性和内容请求的动态性,设计了一种针对接替无人机的动态缓存架构,并综合考虑接替无人机上缓存内容的流行度、相似性以及接替距离,提出了一种相似度感知缓存算法(Similarity-Aware Caching,SAC)。仿真结果表明,该缓存算法可以有效提升无人机接替场景中的缓存命中率和接替成功率。     

基于5G边缘计算的智能电网高性价比任务调度

针对智能电网环境中电力数据量庞大且对处理时效性要求高的问题,将5G边缘计算引入智能电网系统.研究了基于5G边缘计算的智能电网任务调度问题,在满足电网任务完成需求的同时,最大限度地降低成本.基于此提出了一种基于贪心策略的启发式任务调度算法,通过与两种算法在包括输入任务数、传输数据大小和延迟要求等参数下的比较,验证了所提算...     

联合网络容量与认知用户满意度的资源分配优化方案

机会频谱接入技术是提高频谱利用率的一种有效方法,论文综合考虑信道的时变性、子信道空闲的检测可信度、认知网络与主网络间的互干扰等因素,建立了一种最大化认知网络有效容量和认知用户满意度的多目标优化模型,提出了一种联合资源分配和用户调度的PAUS算法.仿真结果表明,在主用户分布密度较低的环境中,该模型较最大化网络有效容量模型具有更高的用户满意度;较最大化认知用户满意度模型可获得更高的网络有效容量.