面向5G网络的云网一体化关键问题研究

5G技术的发展使新技术、新业态、新场景和新模式不断涌现，各行各业对网络和算力提出了更为迫切的需求。云网的一体化建设已成为5G时代网络建设必不可少的关键环节。因此以业务需求为引领，形成集中+边缘、一跳入云的网络架构，提供云网端一站式云服务。统筹建设融合云底座，能快速迭代、安全管控，形成泛在算力网络，增强5G多业务承载能力和服务拓展延伸。打造云网融合、网随云动的灵活管控的核心网络。     

面向无服务器计算的边缘算力网络服务体系研究

算力网络是云网融合技术的演进和发展,为用户提供算网一体的服务。文章基于云原生中轻量化的无服务器计算模式,以函数功能为边缘算力服务能力,提出面向无服务器计算的边缘算力网络服务体系架构,阐述架构中的功能需求、体系架构、部署方案等相关内容,并完成算力网络服务平台原型部署和业务验证,实现上层应用对无服务器计算边缘算力的能力调用,验证轻量化算力的应用与边缘算力网络能力开放的问题。     

算力时代融合边缘云建设思路探讨

随着算力网络的发展,融合边缘云需求进一步加强,建设强大的融合边缘云服务,不仅可以满足各类客户需求,还可以增强边缘云市场竞争力,实现云网融合和云边协同发展,落实国家数字经济战略。本文通过分析融合边缘云的需求,提出将计算、存储、CDN、安全和AI等能力融合到边缘云的思路,通过复用现有资源池带宽和基础设施资源,根据实际需求和应用场景分级分类规划布局,统一架构并按需进行模块化建设等方案举措,满足客户敏捷连接、实时业务、数据优化、应用智能、安全和隐私保护等多种关键需求。     

基于云、网、边融合的边缘计算新方案:算力网络

边缘计算已经成为5G时代重要的创新型业务模式,尤其是其低时延特性,被认为是传统方案所不具备的,因此边缘计算能够提供更多的服务能力且具有更为广泛的应用场景。但边缘计算与处于中心位置的云计算之间的算力协同成为新的技术难题,即需要在边缘计算、云计算以及网络之间实现云网协同、云边协同,甚至边边协同,才能实现资源利用的最优化。在研究边缘计算算力分配和调度需求的基础上,提出了基于云、网、边深度融合的算力网络方案,并针对AI类应用给出了一个典型实施系统,该方案能够有效应对未来业务对计算、存储、网络甚至算法资源的多级部署以及在各级节点之间的灵活调度。     

基于云网PoP的弹性边缘网络设计思路探讨

移动边缘云是公司“云+5G”双引擎战略的最佳契合点,边缘网络是发挥移动云“大云”产品和5G网络融合优势,实现云网统筹、构建运营商“连接+计算”核心能力的关键。运营商传统接入网存在云网割裂、分段入云和组网复杂等突出问题,难以适应边缘业务敏捷交付要求。本文通过深入分析边缘云业务特征和技术架构,对标业界主流云商建设实践,研究基于云网PoP网的边缘网络建设思路,创新性提出云网一体化规划设计和建设交付流程变革,基于云网POP统一网络和业务锚点,构建Overlay和Underlay融合双层加速网络架构,探索Spine-leaf化的新型城域接入网实现L3下沉和弹性扩容等方法,实现“云+网+应用”一体化敏捷交付的边缘网络能力。     

意图驱动的云网融合按需编排

随着云计算与互联网技术的飞速发展,用户业务需求呈现多样化的发展趋势,云网融合成为当前信息通信产业发展的重要选择。目前,云网融合仅实现了简单的云网互联,无法解决多样化业务需求与海量异构资源供应的重重问题。因此,推动云网融合仍需加强云业务的按需交付能力。意图驱动网络作为一种新的网络范式,成为解决这一难题的可行选择。梳理了云网融合的研究现状,总结了意图驱动云网融合业务按需编排研究的必要性;提出了意图驱动的云网融合架构,并对其关键技术进行了分析,在此基础上提出了云业务按需编排模型;最后,在混合云互联和工业互联网场景下,分析了意图驱动的云业务按需编排模型,对未来进行了展望。     

算力网络的概念与体系架构探讨

数字化智慧社会的三要素是“数据+算力+算法”,计算正由云计算代表的“中心计算”向“云+边+端”统一协同的泛在计算发展,算力网络通过构建“云+边+端”的协同计算体系,旨在打造“算力即服务”。首先阐述了算力网络的概念,介绍了算力芯片种类,然后探讨了算力网络的体系架构,最后对云网融合向算网融合的演进进行了深入思考。     

云网向算网演进中的若干关键技术问题

首先,分析了近年来云网融合技术的发展趋势以及面临的新问题与新挑战;然后,基于业务发展中算力异构、算力下沉和算网联动的新变化提出了六大计算与网络能力融合需求,并结合多云连接、差异化承载、电商体验和分级安全等论述了围绕算网构建新能力和业务新体验方面的案例。分析结果表明,算网和云网在技术体系上紧密联系,而算网一体是云网融合发展演进的必然结果,也是数字经济发展的必然选择。     

算网基座构建的探索与实践

构建算网基座是实现云网协同、算网融合的下一代算力网络架构的基础。算力网络具有泛在接入、超大联接、灵活可编程、确定性、感知业务和安全可信等需求。对算网基座的架构进行了研究,提出了骨干、汇接和接入的分层架构设想及云枢纽局、云汇接局和云端局3类基础设施。介绍了某市联通基于“IPv6+”技术重构传统IP城域网,构建资源层、管控层和服务层3层云汇接算网基座的实践及组播承载、算力优先网络等应用成果。     

基于随愿网络的运营商云网融合业务的研究与实现

随着云计算技术的发展和网络业务需求的增加,云网融合成为网络架构变革的必然选择。然而,云网融合时代的到来给传统网络运维带来了巨大的挑战,网络需要向更加智能和便捷的模式转变,目前被业界广泛研究的智能型通信网络——随愿网络,成为解决这一问题的最佳选择。阐述了随愿网络的发展过程、架构和关键步骤,并结合当前运营商云专网多云互联业务的现实需求,以云网融合的典型业务场景为例,分析了基于随愿网络的云网融合业务的实现过程,以期为随愿网络与云网融合业务的结合及实践提供参考。     

基于深度强化学习的云边协同计算迁移研究

基于单一边缘节点计算、存储资源的有限性及大数据场景对高效计算服务的需求,本文提出了一种基于深度强化学习的云边协同计算迁移机制.具体地,基于计算资源、带宽和迁移决策的综合性考量,构建了一个最小化所有用户任务执行延迟与能耗权重和的优化问题.基于该优化问题提出了一个异步云边协同的深度强化学习算法,该算法充分利用了云边双方的计...     

移动边缘计算卸载技术综述

移动边缘计算(Mobile Edge Computing,MEC)将云服务器的计算资源扩展到更靠近用户一侧的网络边缘,使得用户可以将任务卸载到边缘服务器,从而克服原先云计算中将任务卸载到云服务器所带来的高时延问题。首先介绍了移动边缘计算的基本概念、基本框架和应用场景,然后围绕卸载决策、联合资源分配的卸载决策分别从单MEC服务器和多MEC服务器两种场景总结了任务卸载技术的研究现状,最后结合当前MEC卸载技术中存在的不足展望了未来MEC卸载技术的研究。     

Edge Computing Offloading Strategy Based on Dynamic Non-cooperative Games in D-IoT

With the vigorous development of Internet of Things technology, the current distribution network is developing towards the information-based and intelligent distribution Internet of Things (D-IoT). D-IoT adopts the mode of the cloud computing center and the edge cloud network working together. The edge cloud network has a large number of intelligent terminals, which can well adapt to the current sharply expanding power data scale. In order to further improve the ability of the edge network in D-IoT to process data in real time, and to maximize the quality of user experience (QoE) while minimizing energy consumption when performing computing offload, this paper proposes a dynamic non-cooperative game based edge Computing task offloading strategy, considering the dynamic nature of task generation, designed a distributed iterative optimization algorithm, which decomposes computing offloading into a series of sub-problems to solve. The results of simulation experiments prove that the calculation offloading mechanism proposed in this paper can greatly improve D -Compute efficiency of IoT system.

     

车辆网络多平台卸载智能资源分配算法

为了降低计算任务的时延和系统的成本,移动边缘计算(MEC)被用于车辆网络,以进一步改善车辆服务。该文在考虑计算资源的情况下对车辆网络时延问题进行研究,提出一种多平台卸载智能资源分配算法,对计算资源进行分配,以提高下一代车辆网络的性能。该算法首先使用K临近(KNN)算法对计算任务的卸载平台(云计算、移动边缘计算、本地计算)进行选择,然后在考虑非本地计算资源分配和系统复杂性的情况下,使用强化学习方法,以有效解决使用移动边缘计算的车辆网络中的资源分配问题。仿真结果表明,与任务全部卸载到本地或MEC服务器等基准算法相比,提出的多平台卸载智能资源分配算法实现了时延成本的显著降低,平均可节省系统总成本达80%。     

基于模拟退火机制的车辆用户移动边缘计算任务卸载新方法

在车联网(IOV)环境中,如果将车辆的计算任务都放置在云平台执行,无法满足对于信息处理的实时性,考虑移动边缘计算技术以及任务卸载策略,将用户的计算任务卸载到靠近设备边缘的服务器去执行。但是在密集的环境下,如果所有的任务都卸载到附近的边缘服务器去执行,同样会给边缘服务器带来巨大的负载。该文提出基于模拟退火机制的车辆用户移动边缘计算任务卸载新方法,通过定义用户的任务计算卸载效用,综合考虑时耗和能耗,结合模拟退火机制,根据当前道路的密集程度对系统卸载效用进行优化,改变用户的卸载决策,选择在本地执行或者卸载到边缘服务器上执行,使得在给定的环境下的所有用户都能得到满足低时延高质量的服务。仿真结果表明,该算法在减少用户任务计算时间的同时降低了能量消耗。     

Survey on computation offloading in mobile edge computing

Computation offloading in mobile edge computing would transfer the resource intensive computational tasks to the edge network.It can not only solve the shortage of mobile user equipment in resource storage,computation performance and energy efficiency,but also deal with the problem of resource occupation,high latency and network load compared to cloud computing.Firstly the architecture of MEC was introduce and a comparative analysis was made according to various deployment schemes.Then the key technologies of computation offloading was studied from three aspects of decision on computation offloading,allocation of computing resource within MEC and system implement of MEC.Based on the analysis of MEC deployment scheme in 5G,two optimization schemes on computation offloading was proposed in 5G MEC.Finally,the current challenges in the mobility management was summarized,interference management and security of computation offloading in MEC.     

基于终端能耗和系统时延最小化的边缘计算卸载及资源分配机制

通过移动边缘计算下移云端的应用功能和处理能力支撑计算密集或时延敏感任务的执行成为当前的发展趋势。但面对众多移动终端用户时,如何有效利用计算资源有限的边缘节点来保障终端用户服务质量(QoS)成为关键问题。为此,该文融合边缘云与远端云构建了一种分层的边缘云计算架构,以此架构为基础,以最小化移动设备能耗和任务执行时间为目标,将问题形式化描述为资源约束下的最小化能耗和时延加权和的凸优化问题,并提出基于乘子法的计算卸载及资源分配机制解决该问题。实验结果表明,在计算任务量很大的情况下,提出的计算卸载及资源分配机制能够有效降低移动终端能耗,并在任务执行时延方面较局部计算与计算卸载机制分别降低最高60%与10%,提高系统性能。     

基于SRv6的云网融合承载方案

介绍了云网融合发展的背景和要求,以及SRv6的技术原理和优势。同时,提出了基于SRv6的云网融合承载方案及其技术架构,包括基于SRv6的SD-WAN、跨域组网、入云专线和云间互联。通过对比传统承载方案与基于SRv6的承载方案,阐述了后者解决现有云网业务痛点的优势,以及云网融合演进的重要意义。