日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

作者：中國電信股份有限公司研究院 雷波

摘要：隨著邊緣計算業務的逐步展開，各類行業用戶對于邊緣計算性能 的需求也日益明確，特別是在多個邊緣計算節點可選的情況下，用戶希 望能夠根據其位置到計算節點之間的時延以及用戶自身業務需求情況， 綜合選擇計算與網絡資源，即將算力資源與網絡資源融合后提供給上層 業務調用，也就是算網融合服務。為了實現此目標，需要解決算力度 量、算力感知、算力路由、算力交易以及算力編排等系列難題，因此算 力網絡技術應運而生。本文概要性地介紹了邊緣計算推動下的算網融合 趨勢、面臨的問題與挑戰，以及由此而產生的算力網絡等新型技術。

關鍵詞：算力網絡；算力共享；邊緣計算

Abstract: With the development of edge computing services, users in various industries have more specific requirements for edge computing performance. When multiple edge computing nodes are available, users hope to select computing and network resources according to the latency between user's location to the computing node also their service requirements. In other words, computing and network convergence services indicates that the converged computing resources and network resources are provided to the upperlevel services. To achieve this goal, a series of problems need to be solved, such as computing power measurement, computing power awareness, computing power routing, computing power transaction and computing power scheduling. Therefore, computing power network and other technologies came into being. This paper briefly introduces the trend of computing - network convergence driven by edge computing, the problems and challenges faced, and the resulting new technologies such as computing power network.

Key words: Computing power network; Computing power sharing; Edge computing

1　引言

隨著新一代信息通信基礎設施不斷建設與演進， 邊緣計算占比日益增加，統計機構預測，至2025年， 在邊緣側進行處理的數據量能夠達到50%~75%。但筆 者在工程實踐中發現業界并沒有給邊緣計算進行一個明 確的定義，究竟什么才是邊緣，各方理解并不一致，因 此又有了現場邊緣、園區邊緣等多種叫法，但尚無明確 的可度量的標準。因此在很多時候，用戶的選擇處于模 糊狀態，不能確定哪種資源組合是最優方案。比如在存 在多個邊緣計算節點，或者是邊緣計算節點與中心云計 算節點都可選的情況下，用戶更希望能夠得到明確的 指標，以便根據自身業務特點，去選擇最佳的計算節 點以及對應的網絡連接方式。因此業界提出算網融合 的理念，將網絡資源、算力資源、存儲資源等多維度 的資源整合起來提供一體化的服務，讓資源供給實現 全局最優。

為了實現一體化的算網融合服務，從技術角度、 商業角度來看有多種實現路徑，比如以云為基礎的泛 在計算體系，以及以網絡為平臺的算力網絡技術。其 中，算力網絡技術能夠將多級算力資源與網絡信息相 結合，形成以用戶為中心的資源布局視圖，從而實現 業務與資源的最佳匹配，以提升整體的資源利用效率 和服務質量。

本文首先介紹了邊緣計算所面臨的算網融合趨 勢、關鍵技術要點，以及由此驅動產生的算力網絡技 術，之后闡述了算力網絡的技術架構以及當前業界進展 情況。

2　邊緣計算中算網融合需求

邊緣計算作為一種靠近用戶的計算節點，既能像 云計算那樣共享計算、存儲等資源，又具有低時延、數 據本地化與高安全性等特性，尤其是在工業互聯網等場 景中能夠有效降低數據傳送時延，滿足高性能業務的各 類要求。

但對于用邊緣計算和云計算的時間和情況，并沒 有一個嚴格的界定。比如采用一條低時延專線與部署在 城域網范圍內的計算節點結合，也能提供低的時延指 標，這種情況是否也算邊緣計算。相反，如果邊緣計算 與網絡部署不匹配，即使物理位置接近，也會因為路由 迂回，導致時延增加。一個典型的例子如圖1所示。

圖1

此問題可以從供給側和消費側兩個方面來分析。

從供給側來看，邊緣計算的建設成本和維護成本 都是高于集中式的云計算節點，必須保證邊緣計算在所 覆蓋的區域能提供更好的端到端服務，需要以邊緣計算 節點為中心來梳理網絡布局，并根據業務需求的多樣 性，提供多種接入方式，比如極致性能、高性價比等不 同類型網絡連接，從而保證端到端的最優配置。

從消費側來看，用戶面對多方提供的邊緣計算節 點，在選擇合適的邊緣計算節點時，需要以自己為中 心，了解到各個計算節點的網絡情況，再結合計算性 能、價格因素來綜合選擇算力資源與網絡資源。

綜上所述，算網融合下的一體化服務成為邊緣計 算發展過程中的必然趨勢，需要結合各類資源的特點來 提供綜合資源供給。

3　算網融合面臨的技術挑戰

為了實現算網資源的融合供給，需要逐步解決度 量、感知、路由、交易、編排等多方面的技術難題。值 得指出一點，并不是這些難題都解決后才能提供算網融 合服務，而是逐步演進提升。

（1）算力度量問題

算力資源并不像電力那樣，能夠用“度/千瓦 時”這樣的單位簡單地進行量化，尤其考慮到CPU、 GPU、FPGA、ASIC等不同芯片的類型，更是難以進 行統一的衡量。因此需要一種共識，在標準規范的基礎 上，量化異構算力資源以及多樣化業務需求，建立統一 的描述語言，給算力資源賦予可度量、可計費的標準單 位。

目前業界研究機構、產業聯盟、標準組織等已經 認識到這個問題，紛紛從不同角度展開了研究工作，但 尚未形成統一的結論。在現有應用案例中，還是以虛 機、容器之類的粗粒度單元衡量方式為主。

（2）算力感知問題

算力感知，也可以認為是對所有類型的資源信息 的感知，甚至包括對用戶需求的感知。有兩種技術路 線，一種是由資源所有方主動提供資源信息，并通過網 絡或者云管、資源管理等集中系統告知用戶，另外一種 則是由網絡或者集中系統主動去探知資源信息。目前兩 種技術路線都處在不斷發展的過程中。針對用戶需求的 感知，初期可以采用用戶意圖驅動的方式主動提供資源 需求信息，后期隨著人工智能算法的成熟，可以使用流 量預測模型結合AI深度神經算法，從資源需求、資源 消耗等方面進行預測，實現資源預配，加快資源部署速 度，提升資源整體利用率。

（3）算力路由問題

算力路由將網絡資源信息與算力資源信息有機地 整合，以用戶為中心來提供算力資源視圖，讓用戶能夠 清楚地了解各類算力資源的分布情況與報價情況，從而 確定最優的資源組合，成為算網融合服務的關鍵技術發 展方向。 與傳統的網絡路由方式一致，算力路由也可采用分 布式、集中式以及混合式方案。分布式方案通過擴展IP協 議，在協議中增加資源信息和業務需求信息來實現信息泛 洪與資源路由；集中式方案利用SDN控制器等集中管控單

元來收集網絡信息與算力信息，再統一呈現給用戶；混合 式方案結合上兩種方式的特點，利用分布式協議來分發資 源信息，再通過集中管控單元來進行統一處理。

（4）算力交易問題

隨著智能業務的發展，對算力資源的使用出現了 高頻、短時的新特點，比如人工智能算法中訓練部分， 需要在短時間內完成大數據樣本下的模型訓練，但在訓 練完成后，推理部分只需用相對少量的算力資源即可。 因此傳統的按月、按天租賃資源的方式已經不能滿足要 求，需要結合高頻、短時的特點，來設計新的資源交易 體系，將交易周期壓縮到小時，甚至分鐘級別。

此外，受限于邊緣計算的建設特點，邊緣計算市 場會存在很多的供給方，如何在多方參與下，實現高頻 交易，成為一個新的研究點。從目前研究來看，采用基 于區塊鏈技術的分布式賬本體系能夠滿足此類要求，但 具體實現還有待進一步研究與論證。

（5）算力編排問題

在支持高頻、多方、異構的資源交易下，需要根 據交易內容，快速提供資源，如快速分配算力資源、建 立網絡連接，又能在使用完成后快速釋放資源，并更新 資源信息。

4　邊緣計算原生的算網融合方案：算力網絡

基于算網融合服務的發展趨勢，業界提出了算力 網絡技術方案。算力網絡作為一種邊緣原生的新興技術 方案，其以網絡為平臺，連接多維資源，從而為用戶提 供最優的資源供給，得到了業界的廣泛關注。

算力網絡關鍵在于將算力資源的地址屬性轉換為 網絡時延屬性，讓使用者從模糊的、大概的距離判斷， 轉化成為精準的時延指標，以供各類智能業務按需調用 資源，如圖2所示。

圖2 算力網絡視圖

為了實現算力網絡方案，ITU-T Y.2501標準中提 供了一種典型的系統框架來實現算力網絡系統。此功能 架構從算力網絡需求出發，在編排管理層的協作下，通 過算力網絡控制層收集資源層資源信息，提供給服務層 進行可編程處理，并根據返回結果實現資源占用，建立 網絡連接。各層相互協作，為用戶提供多樣化的服務模 式，保證資源的最優化配置。如圖3所示。

圖3 系統架構

算力網絡服務層以算網融合服務為主，實現如對 用戶資源需求的處理、平臺與資源節點的交易等功能。

算力網絡控制層從資源層收集信息，并將其發送 到服務層進一步處理。從服務層收到處理結果后，控制 層將占用資源并建立網絡連接。

算力網絡資源層包括算力網絡中的多種資源。通 常為在資源節點（云計算節點、邊緣計算節點等）中使 用的資源，如服務器、交換機、路由器、磁盤陣列、安 全產品等。

算力網絡編排和管理層包括算力網絡的編 排 、安全 、建模 、操作維護管理（ O p e r a t i o n Administration and Maintenance，OAM）模塊。算力網絡編排模塊負責算力網絡資源和服務的編排和管 理。算力網絡安全模塊負責應用與安全相關管理，以減 輕算力網絡環境中的安全威脅。算力建模模塊可以根據 服務類型進行算力建模。算力OAM模塊實現了算力網 絡的操作，管理和維護。

5　算力網絡相關產業組織與標準進展

2019年，國內三大運營商、華為等根據邊緣計算 的發展趨勢，紛紛提出了各自的觀點，在互相碰撞中逐 漸形成了算力網絡技術的基本概念。

2019年9月，邊緣計算產業聯盟（ECC）與網絡 5.0產業和技術創新聯盟聯合成立邊緣計算網絡基礎 設施工作組（ECNI），同年年底發布《運營商邊緣 計算網絡技術白皮書》，提出了以邊緣計算節點為中 心的ECA（邊緣接入網絡）、ECN（邊緣計算內部網 絡）、ECI（邊緣計算互聯網絡）的理念。

2020年6月，網絡5.0技術標準委員會CCSA TC614 成立了算力網絡特別工作組，匯集多方力量集中探討算 力網絡技術方案與應用場景。

2020年11月，業界出版了第一本關于算力網絡專 著《邊緣計算與算力網絡》，系統性闡述算力網絡的思 路、技術以及對未來商業模式的探討。

2020年11月，中國聯通成立了中國聯通算力網絡 產業技術聯盟，在“聯接+計算”領域和全產業鏈合作 伙伴攜手并進，希望共建算力網絡生態，推動商業落 地，共享轉型成果。

2021年4月，CCSA TC3統一以“算力網絡”為名 開展了9項系列行業標準、2項研究報告的編制工作， 涉及算力網絡的技術要求、控制器、交易平臺、標識解 析、編排管理、度量與建模等多方面。

2021年6月，在“第五屆未來網絡發展大會”的未 來網絡技術發展與變革論壇上，中國移動正式發布了算 力網絡合作伙伴計劃。

2021年6月，IMT-2030（6G）推進組發布《6G總 體愿景與潛在關鍵技術》白皮書中，將算力網絡被列為6G十大潛在關鍵技術之一。

2021年7月，國際電信聯盟電信標準分局 （ITU-T）通過由中國電信牽頭的算力網絡框架與架構 標準Y.2501，該標準是首項獲得國際標準化組織通過的 算力網絡標準。

2021年7月，寬帶網絡的行業機構Broadband Forum（BBF）發布SD-466，描述了城域算網的用例 與需求，并同步啟動了WT-492項目來細化城域算網的 體系結構、功能模塊和接口定義。

2021年10月，中國通信標準化協會（CCSA）批準 成立了算網融合技術推進委員會，并專設了算力網絡工 作組來討論算力網絡技術及其應用。

6　結束語

隨著邊緣計算的進一步發展，算網融合成為未來 發展的重要趨勢。目前針對算網融合面臨的算力度量、 算力感知、算力路由、算力交易、算力編排等問題，業 界提出了算力網絡等新型技術，力爭以網絡為平臺，以 用戶為中心來實現算網資源的融合供給。

作者簡介

雷　波（1980-），男，重慶人，高級工程師，現任中 國電信股份有限公司研究院網絡技術研究所副所長， 研究方向為未來網絡技術、新型數據中心網絡、邊緣 計算與算力網絡等

參考文獻：

[1] 國際數據公司IDC. 未來算力推動企業邁向數字化2.0[R/OL]. 2021. https://www.chinastor.com/market/12214001R018.html

[2] 雷波, 劉增義, 王旭亮, 楊明川, 陳運清. 基于云、網、邊融合的邊緣計算新方案: 算力網絡[J]. 電信科學, 2019, 35 (09) : 44 - 51.

[3] 姚惠娟, 耿亮. 面向計算網絡融合的下一代網絡架構[J]. 電信科學, 2019, 35 (09) : 38 - 43.

[4] 中國移動研究院. 算力感知網絡CAN技術白皮書 (2021年版) [Z]. 2021.

[5] 李建飛, 曹暢, 李奧, 龐博文. 算力網絡中面向業務體驗的算力建模[J]. 中興通訊技術, 2020, 26 (05) : 34 - 38.

[6] 中國聯通算力網絡產業技術聯盟. 異構算力統一標識與服務白皮書[Z]. 2021.

[7] 曹暢, 唐雄燕. 算力網絡關鍵技術及發展挑戰分析[J]. 信息通信技術與政策, 2021, 47 (03) : 6 - 11.

[8] 黃光平, 史偉強, 譚斌. 基于SRv6的算力網絡資源和服務編排調度[J]. 中興通訊技術, 2021, 27 (03) : 23 - 28.

[9] 林奕琳, 陳思柏, 單雨威, 劉玉芹, 唐凌. 6G網絡潛在關鍵技術研究綜述[J]. 移動通信, 2021, 45 (04) : 120 – 127.

[10] 溫瑤, 陸晶晶, 盧華, 謝人超. 融合區塊鏈的算力網絡信任評估與保障方案研究[J]. 南京郵電大學學報(自然科學版), 2021, (04) : 99 – 106.

摘自《自動化博覽》2021年11月刊