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

摘要：隨著網絡技術的不斷發展，現有資源管控技術已無法滿足管理需求的不斷變化。認知計算作為當前的熱門技術，得到了廣泛關注和研究。研究認知計算在網絡資源自主管理中的應用，提出了基于認知計算的網絡資源自主智能管控架構，通過在管理節點中引入認知計算提升了網絡管理的自主性和智能性，并對認知計算在網絡全生命周期的自主管理過程中的應用進行了分析，對提高網絡管理效率和提升用戶體驗具有重要意義。

0 引 言

目前，信息化建設從網絡基礎設施建設、業務系統建設，逐步進入了業務和網絡融合發展、網絡和業務系統復雜度和規模不斷擴大、以智能化和業務導向為特點的新時期。相應地，異構網絡互通、個性化業務部署、端到端QoS保障、網絡資源充分利用等新需求，使得傳統的以管理人員為主體的網絡管理技術面臨著巨大挑戰。因此，業界提出了網絡自主管理^[1-2]，通過增強網絡節點和管理系統的智能性，實現對被管資源進行自動感知、自動配置、自我優化和自我恢復，盡量減少管理過程中的人為干預和人工決策，為大量異構網絡的運維提供一種高效、低成本的智能化管理手段。

要實現對網絡的自主管理，傳統網絡管理架構存在一定的問題。第一，對網絡資源全局掌控能力不足，規劃與配置復雜，進行網絡規劃時難以完成面向上下文的資源自動高效規劃調度。管理者的各種操作需要與底層的物理資源直接打交道，導致網絡規劃控制功能實現復雜，成功率較低，自動化水平不足。第二，網絡態勢多維綜合感知能力弱，采集與分析困難。由于資源受限，采集和分析時信息的全面性和完整性不夠，各類資源的運行態勢無法有效整合。第三，業務質量管控能力弱，無法差異化保障。采用傳統方法無法精確感知業務運行情況，管理系統無法根據用戶和業務等級快速調整網絡配置完成業務服務質量保障。上述問題的核心是對網絡管理各種信息無法全面認知。傳統的網絡管理主要處理的是結構化數據，而當前的業務發展和管理需求需要管理系統能夠有效處理來源廣泛、體量龐大、類型多樣、即時性要求高、邏輯復雜的各類網管大數據^[3-5]。

認知計算是面對大數據時代挑戰做出智慧決策的保障，通過對網絡狀態、資源使用、應用服務、外部環境等進行全方位、多角度和多層次的主動感知，并利用感知信息對網絡規劃、配置、執行等管理過程提供決策支持，提升了管理的智能性，從而為用戶提供了最佳服務體驗。

本文將認知計算引入網絡自主管理中，通過認知計算高效的信息處理能力、以數據為中心的體系設計以及管理策略的自主學習能力，完成對網絡的自主管理。

1　基于認知計算的自主管理框架

本文提出基于認知計算的自主管理框架^[6-8]，如圖1所示。該架構是一種具有協作、智能、自主特點的管理架構，可針對網絡規模和管理任務的可變性和彈性進行自適應調整，提高管理的靈活性和自主性。

該架構中，管理節點之間通過基于語義的管理協議進行協作。節點能力較高（可以采用多種度量標準）的成為圖1中的自主管理節點，承擔智能化自主管理節點的功能；其他管理節點則作為普通管理節點歸屬于某個自主管理節點，執行自主管理節點下發的管理操作策略。管理節點根據業務的整體目標和端到端管控目標，通過協作及適當的學習機制，利用感知的環境信息和網絡狀態信息，實時動態地調整網絡配置，智能地適應環境變化并能指導未來的自主決策。

整個管理架構分為區域協作管理層和本地協作管理層。

（1）區域協作管理層

區域協作管理層是整個管理架構的核心，由多個自主管理節點組成。自主管理節點負責一個管理域的信息認知和智能自主管理，通過與其他自主管理節點信息交互，獲取全局管理策略信息等。通過自主管理節點之間的協作，區域協作管理層可實現對整個網絡的智能自主管理。

（2）本地協作管理層

本地協作管理層由普通管理節點組成。普通管理節點具有一定的智能，采用協作機制，能夠根據管理策略主動收集相關的管理信息，同時接收自主管理節點下發的控制信息，完成對被管對象的配置。

本地協作管理層的普通管理節點采用分簇技術。分簇機制通過一定的算法選擇，簇頭負責收集各成員節點間的感知控制信息進行一定的數據預處理，完成與自主管理節點的通信，減少本地協作管理層與區域協作管理層之間的信息交互。

對于管理節點自身的智能性，通過引入認知計算模型，形成集采集、感知、計算、決策和執行等自反饋控制功能于一體的認知環結構。模型相關的重要功能包括數據采集、信息感知、融合計算、智能決策和控制執行。

（1）數據采集：通過各種采集方式和手段獲取被管對象的基本數據和原始數據。

（2）信息感知：通過將采集的資源數據、運行狀態數據、流量數據等各類數據建立統一的信息模型進行集中統一處理，獲取對各類信息的感知。

（3）融合計算：基于管理需求和管理功能，完成各類信息的融合分析和學習，如網絡行為認知、用戶行為認知、服務質量預測、業務趨勢分析等。

（4）智能決策：根據融合計算的認知結果，結合智能分析和決策算法，自動形成對故障處置、資源調度、網絡規劃等各類業務的智能決策，形成具體的控制操作策略和優化調度結果。

（5）控制執行：基于可編程的接口執行智能決策下發的控制策略，完成對被管對象的控制和配置。

2　全生命周期自主智能管理

為了實現對網絡的全生命周期管理，結合網絡智能自主管理需求，構建出基于生命周期的自主智能管理業務體系，如圖2所示。

網絡規劃階段，業務需要基于網絡當前資源狀態進行通信組織、網絡資源柔性重組，生成網絡規劃預案，之后通過網絡仿真及評估等手段，找出預案中的缺陷、不足及性能瓶頸，提出建議改進方案，指導網絡規劃的改進和調整，生成網絡規劃方案并下發。

網絡配置階段，是根據網絡規劃方案完成業務、網絡資源等網絡要素的自動配置，激活特定的實例以便保障特定的業務。此外，網絡配置需根據態勢實時感知信息，在網絡無法完成保障需求時動態生成配置策略，完成網絡的重配置。

態勢感知階段，將實時采集各類資源信息，完成綜合態勢實時監控，及時發現業務保障質量降級。當發現服務質量下降、服務終止或有服務質量下降趨勢時，則要發出告警，通過快速分析提出資源管控調整策略（如網絡重配置），以便恢復服務質量，保證網絡各類業務端到端服務質量滿足要求。

效能評估階段，對網絡提供的各類服務、網絡運行情況、業務保障情況進行綜合評估，以便及時調整優化網絡配置。此外，用戶感知是業務服務質量的最終評判標準。為此，效能評估時將納入以用戶服務體驗為基礎的考核指標與評價體系。

為了實現對網絡的精確管理，在效能評估后需要對網絡規劃提出修改意見，甚至通過不斷的迭代反饋，動態提高網絡的保障能力。

聚焦業務的業務質量保障結束后，保障業務相關的網絡資源應恢復原來配置。

在基于生命周期的網絡管理業務體系中，全生命周期各階段可獨立發展和演進，根據實際需求進行管理流程的逐級細化。但是，為了實現真正的網絡的全生命周期管理，需要重點研究生命周期各階段之間的協同合作方式及內容。

3　認知計算在自主管理中的融合應用

在網絡自主管理過程中，信息認知以認知計算為基礎，全面感知網絡運行、安全威脅事件、態勢數據等海量歷史和實時運維數據，統一運維數據標準，以服務的形式提供運維數據存儲、挖掘分析和認知決策等服務，實現運維數據的集中整合共享、深度挖掘和運維系統的全面信息認知，為網絡全生命周期的管理業務提供決策支持和數據服務，實現“從數據到決策”。整個管理系統在認知計算的支撐下，基于信息模型、本體模型、知識庫等，利用機器學習、模式識別、數據挖掘等技術生成各種規則或策略數據，完成網絡規劃、資源配置、態勢感知和效能評估的閉環自主管理，如圖3所示。

（1）信息認知與網絡規劃

信息認知將網絡規劃的業務需求作為輸入，基于業務需求中的資源需求、QoS需求等相關數據，結合知識庫中的歷史規劃方案、歷史業務運行信息、優化建議信息以及相關資源當前態勢信息等，通過業務數據挖掘、分析、學習以及相關資源的運行趨勢、性能狀況等，給出初步的業務規劃方案或者規劃建議。

（2）信息認知與網絡配置

網絡配置在信息認知的支撐下，將規劃方案轉化成資源的配置策略，主要是在滿足業務需求的前提下，根據資源的實時運行情況，決策如何配置資源才能達到性能最優以及減小對其他業務的影響。資源配置完成后，信息認知需要根據資源的配置實施數據、資源態勢感知數據、當前業務執行保障情況、環境變化情況等進行實時分析監控。在業務需求無法滿足的情況，需要生成資源動態調整策略或資源重配置策略，完成資源動態調整或資源重配置，實現網絡參數自動優化配置。

（3）信息認知與態勢感知

態勢感知需要提供資源數據、運行狀態數據、流量數據、拓撲數據、環境數據、上下文數據等，供信息認知進行態勢數據的分析、預測、故障診斷等。其中，態勢感知需要通過快速拓撲發現，完成拓撲結構的快速重構，及時適應環境變化，展現節點的加入或退出。信息認知需要根據業務需求和當前實際情況給出態勢感知策略，調整數據采集的時長、頻度、數據種類等，以及是否需要增加或刪除新的感知點等。

此外，信息認知需要根據當前的態勢信息和學習推理得出的資源關聯關系信息，給出業務的運行趨勢、網絡行為特征、用戶服務質量保障情況。當網絡或服務出現故障時，需要能夠及時預測故障對相關資源或用戶的影響，給出故障恢復策略，并能夠通過與資源配置結合，完成資源的動態調度和重配置，完成故障自恢復。

（4）信息認知與效能評估

信息認知在整個運行過程中需要及時根據業務執行情況、當前態勢數據、歷史數據等信息，對業務的保障情況進行評估，包括整個業務保障期間是否都滿足業務需求，故障時間、故障原因、恢復策略等信息，并且給出針對當前的業務規劃方案的優化調整建議，觸發網絡規劃的調整，使系統進入下一輪的閉環反饋，實現系統自優化。

4　結　語

網絡資源智能自主管理技術可以在無監管的模式下實現網絡的自感知、自配置、自恢復、自優化等功能，能夠動態調整網絡行為，以適應用戶需求和環境條件的變化，提高網絡運行的效率和可靠性，是網絡管理技術的發展趨勢。

本文將認知計算引入網絡自主管理中，全面感知網絡管理相關信息，并充分學習和挖掘蘊含在大量數據中的有用信息來提高網絡規劃、態勢感知、網絡重配置的決策能力，從而提升用戶體驗。隨著兩者結合的不斷深入，相信它必將為未來網絡管理的發展帶來更多突破。

參考文獻：

[1] Kephart J O,Chess D M.The Vision of Autonomic Computing[J].Computer, 2003, 36(01):41-50.

[2] Agoulmine N,Balasubramaniam S,Botvitch D,et al.Challenges for Autonomic Network Management[C].First Conference on Modelling Autonomic Communication. Dublin,2006:1-20.

[3] TMF.GB979,V2.0.1,Big Data Analytics Guidebook Unleashing-Business Value in Big Data[S].America:TM Forum,2014.

[4] TMF.GB979 Addendum A,V2.0.1,Big Data Analytics Guidebook-Use Cases[S].America:TM Forum,2014.

[5] TMF.GB979 Addendum B,V1.0.2,Big Data Analytics Guidebook-Big Data Analytics Building Blocks[S].America:TM Forum,2014.

[6] 王慧強,徐俊波.認知網絡體系結構研究新進展[J].計算機科學,2011,38(08):9-16.

[7] 梅芳.基于策略的移動網絡自主管理機制研究[D].長春:吉林大學,2010.

[8] 芮蘭蘭,邱雪松.面向移動自組織網絡的自主管理架構及應用[J].北京郵電大學學報,2011,34(S1):63-67.

作者簡介：

牛作元，中國電子科技集團公司第三十研究所，碩士，高級工程師，主要研究方向為網絡管理、軟件工程、人工智能；

張鋒軍，中國電子科技集團公司第三十研究所，學士，研究員級高級工程師，主要研究方向為網絡管理、軟件工程、人工智能。

來源：信息安全與通信保密雜志社