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

中國移動通信有限公司研究院牟彥，姚柯翰，劉鵬，陸璐

1　引言

當前，全球科技創(chuàng)新進入密集活躍時期，新工業(yè)革命蓬勃發(fā)展。工業(yè)互聯(lián)網(wǎng)是新一代信息通信技術與工業(yè)經(jīng)濟深度融合的關鍵基礎設施，其打造了新型應用模式和全新工業(yè)生態(tài)。它通過人、機、物的全面互聯(lián)，構建起覆蓋全要素、全產(chǎn)業(yè)鏈、全價值鏈的新型制造與服務體系，為工業(yè)數(shù)字化、網(wǎng)絡化、智能化轉型升級提供了實現(xiàn)路徑。

隨著現(xiàn)代工業(yè)向智能化方向的不斷發(fā)展，海量工業(yè)數(shù)據(jù)持續(xù)發(fā)往數(shù)據(jù)中心，工業(yè)設備對通信和計算資源的需求變得越來越緊迫，而算力基礎設施的提升速度仍難以滿足工業(yè)互聯(lián)網(wǎng)向智能化發(fā)展的應用需求。

隨著可編程芯片的出現(xiàn)，在網(wǎng)計算成為一種新的計算范式。在網(wǎng)計算將計算任務卸載至網(wǎng)絡設備，以實現(xiàn)更高效、靈活的數(shù)據(jù)處理，其主要技術優(yōu)勢在于減少應用數(shù)據(jù)搬運、壓縮傳輸數(shù)據(jù)量，以及優(yōu)化通信模式。通過引入在網(wǎng)計算加速技術，工業(yè)互聯(lián)網(wǎng)在網(wǎng)絡基礎設施層能夠更好地支持智能機器的連接、機器與軟件系統(tǒng)的連接、大數(shù)據(jù)分析等應用。利用網(wǎng)絡基礎設施參與數(shù)據(jù)計算和控制處理的方式可以提升系統(tǒng)整體運行效率，降低通信延遲，減少總體能耗。

工業(yè)互聯(lián)網(wǎng)強調(diào)“人、機、物”的全面互聯(lián)，產(chǎn)生大量應用數(shù)據(jù)，且多數(shù)應用需要滿足低時延、高吞吐、高并發(fā)、高可靠的業(yè)務需求，因此工業(yè)互聯(lián)網(wǎng)對算力和網(wǎng)絡的需求十分嚴格。在網(wǎng)計算技術通過近數(shù)據(jù)處理減少數(shù)據(jù)搬運，并利用網(wǎng)絡天然的高吞吐交換能力實現(xiàn)控制、計算等任務卸載，可以更好地滿足工業(yè)系統(tǒng)對可靠性和時延的要求。工業(yè)互聯(lián)網(wǎng)的目標是通過開放的網(wǎng)絡平臺將設備、生產(chǎn)元素連接起來，在網(wǎng)計算技術使得這些設備和元素在地理上分散的同時，仍保持高效的數(shù)據(jù)交換和處理能力，這種協(xié)同效應不僅提高了生產(chǎn)的效率，還為創(chuàng)新提供了條件。在網(wǎng)計算可以賦能多種工業(yè)互聯(lián)網(wǎng)場景，包括提供數(shù)據(jù)采集、數(shù)據(jù)清洗、復雜事件驅(qū)動及控制決策等技術能力。如解決云化PLC帶來的時延和抖動，利用可編程轉發(fā)設備調(diào)度控制任務與網(wǎng)絡流量，實現(xiàn)控制任務與專用控制器解耦以支持生產(chǎn)線的切換與靈活升級。

本文通過分析工業(yè)互聯(lián)網(wǎng)對在網(wǎng)計算加速技術的需求場景，提出了在網(wǎng)計算關鍵技術，并通過在網(wǎng)計算加速了工業(yè)互聯(lián)網(wǎng)應用部署。

2　工業(yè)互聯(lián)網(wǎng)的在網(wǎng)計算加速需求

工業(yè)互聯(lián)網(wǎng)網(wǎng)絡是構建工業(yè)環(huán)境下人、機、物全面互聯(lián)的關鍵基礎設施，根據(jù)業(yè)務需求和數(shù)據(jù)流向，工業(yè)互聯(lián)網(wǎng)網(wǎng)絡又可進一步劃分為工廠內(nèi)網(wǎng)和工廠外網(wǎng)^[1]。

工業(yè)互聯(lián)網(wǎng)內(nèi)網(wǎng)和外網(wǎng)中的計算基礎設施部署如圖1所示。其中骨干網(wǎng)絡與超算中心構成工廠外網(wǎng)，生產(chǎn)現(xiàn)場網(wǎng)絡、生產(chǎn)辦公網(wǎng)絡和園區(qū)網(wǎng)絡構成工廠內(nèi)網(wǎng)^[2]。

圖1  面向工業(yè)互聯(lián)網(wǎng)的在網(wǎng)計算加速場景

工業(yè)互聯(lián)網(wǎng)的計算基礎設施包括部署在工業(yè)外網(wǎng)和內(nèi)網(wǎng)中的中心云、邊緣云、網(wǎng)關等。中心云主要處理非實時的大規(guī)模數(shù)據(jù)，部署在企業(yè)外網(wǎng)或內(nèi)網(wǎng)；邊緣云主要處理有一定實時性、安全性要求的業(yè)務，通常部署在園區(qū)網(wǎng)絡或者生產(chǎn)辦公網(wǎng)絡。

2.1　園區(qū)物聯(lián)網(wǎng)的時延敏感業(yè)務受邊緣計算規(guī)模制約

園區(qū)物聯(lián)網(wǎng)通過對智能物聯(lián)網(wǎng)設備的信息匯總分析，實現(xiàn)對園區(qū)運行狀態(tài)的實時感知和運行監(jiān)測。智能物聯(lián)設備受制于體積、功耗，常常會存在資源有限、算力不足的情況^[3]。當前主流的解決方案是依靠部署在網(wǎng)絡邊緣的邊緣服務器提供計算卸載服務，匯總物聯(lián)網(wǎng)終端數(shù)據(jù)并做出相應決策。

隨著物聯(lián)網(wǎng)設備數(shù)量的快速增長，基于邊緣計算的計算卸載架構也在帶寬、時延及可靠性上面臨巨大挑戰(zhàn)^[4]。一方面，以通用服務器為基礎的邊緣集群的吞吐量性能難以滿足物聯(lián)網(wǎng)場景中廣泛存在的高性能計算需求^[5]。另一方面，基于邊緣計算的計算卸載架構在完成計算時會引入額外的處理時延和阻塞，難以支撐不斷涌現(xiàn)的時延敏感型物聯(lián)網(wǎng)應用（如自動駕駛、應急聯(lián)動）。同時，由于邊緣計算中心所在的位置限制，其規(guī)模不太可能隨著數(shù)據(jù)需求的增長而無限擴展。

2.2　生產(chǎn)辦公網(wǎng)絡需要提高基于業(yè)務的服務保障能力

工業(yè)互聯(lián)網(wǎng)中的場景利用XR業(yè)務（包括虛擬現(xiàn)實、增強現(xiàn)實和混合現(xiàn)實技術）對現(xiàn)實世界進行模擬、增強或交互。如在虛擬環(huán)境中進行產(chǎn)品設計，模擬產(chǎn)品的外觀、功能和性能，有助于加快設計迭代速度，降低開發(fā)成本。在維護與修理環(huán)節(jié)，通過XR為工人提供遠程協(xié)作和實時指導，降低維修成本，縮短停機時間。在培訓與教育環(huán)節(jié)，為學員在虛擬環(huán)境中模擬實際操作，提高培訓效果和安全性。

隨著XR技術不斷演化升級，數(shù)據(jù)流更多源異構、圖像分辨率更高、應用場景更多樣、用戶規(guī)模更龐大，對網(wǎng)絡下行帶寬、容量、確定性時延和可靠性均提出了全新要求。業(yè)務終端的規(guī)模劇增，導致服務器算力不足，對數(shù)據(jù)通道帶寬的擠占會極大影響控制信息的傳輸，為實現(xiàn)更精準的服務保障，還需要增加手段對數(shù)據(jù)流的業(yè)務信息進行探測和感知。

2.3　生產(chǎn)現(xiàn)場網(wǎng)絡需要解決靈活配置與實時工業(yè)控制的矛盾

客戶對制造業(yè)提出了定制化和個性化要求，需要生產(chǎn)線具備高度的靈活性，支持生產(chǎn)線的快速重新配置?；谥行脑七M行控制功能云化，可以實現(xiàn)生產(chǎn)線的快速重配和靈活性，但無法滿足實時工業(yè)控制（如執(zhí)行器、機械臂、傳送帶等的速度或扭矩控制）對低延遲和高可靠性網(wǎng)絡的要求^[6]。引入邊緣云計算可以顯著減少傳播延遲，但邊緣計算節(jié)點依賴于與遠程云基礎設施相同的虛擬化技術，需要依賴實時操作系統(tǒng)來消除CPU調(diào)度的影響?？刂聘聲r間更短、數(shù)量更多的新型機械臂實現(xiàn)實時速度控制需要超快的響應時間，傳統(tǒng)的邊緣計算基礎設施很難滿足這一要求。

工業(yè)現(xiàn)場需要使用大量的控制器組裝協(xié)同完成復雜的操作。工業(yè)控制器之間需要通過垂直協(xié)同（上下級控制器間的協(xié)同）和水平協(xié)同（平級控制器間的協(xié)同）共同完成特定生產(chǎn)工業(yè)流程。如何實現(xiàn)不同控制器之間的指令協(xié)同以及機械臂的動作協(xié)同，是對機械臂控制器間的交互性能提出的新的要求。

2.4　工廠內(nèi)外網(wǎng)面臨原始數(shù)據(jù)擁塞和訓練數(shù)據(jù)通信瓶頸

工業(yè)互聯(lián)網(wǎng)的關鍵應用之一就是使用機器學習對海量數(shù)據(jù)實施流式計算及大數(shù)據(jù)分析。物聯(lián)網(wǎng)設備產(chǎn)生大量連續(xù)的數(shù)據(jù)流，工廠內(nèi)網(wǎng)采集的原始數(shù)據(jù)如果直接通過工廠外網(wǎng)送往數(shù)據(jù)中心，會導致網(wǎng)關擁塞，損害物聯(lián)網(wǎng)系統(tǒng)的可擴展性。

云數(shù)據(jù)中心內(nèi)部網(wǎng)絡在支持分布式機器學習的訓練過程中，也存在分布式機器學習的中間通信流量過大造成網(wǎng)絡擁塞和較大聚合延遲問題，從而影響分布式機器學習模型訓練速度和效率，進而影響業(yè)務的部署和迭代。

3　面向工業(yè)互聯(lián)網(wǎng)的在網(wǎng)計算技術架構

在網(wǎng)計算使用網(wǎng)絡設備進行近數(shù)據(jù)計算，可以在高速轉發(fā)過程完成應用數(shù)據(jù)處理，縮短了數(shù)據(jù)傳輸路徑，是解決分布式應用在計算和通信瓶頸問題上的重要技術。

圖2  面向工業(yè)互聯(lián)網(wǎng)的在網(wǎng)計算技術架構

如圖2所示，在網(wǎng)計算架構包含異構網(wǎng)元、高性能互聯(lián)、在網(wǎng)計算通信庫、分布式應用和編排管理5個核心功能層：異構網(wǎng)元是指在不同場景下具備在網(wǎng)計算能力的物理設備，是實現(xiàn)在網(wǎng)計算的基礎底座；高性能互聯(lián)層為服務器、在網(wǎng)計算網(wǎng)元提供可靠、高效的連接保障，可基于現(xiàn)有成熟協(xié)議棧，如RoCE、InfiniBand、OPC UA和Modbust等，也可以基于自定義協(xié)議棧；在網(wǎng)計算通信庫作為在網(wǎng)計算架構體系的核心層，為分布式應用提供了通用的在網(wǎng)計算加速能力；分布式應用層包含在網(wǎng)計算可以服務的各種應用類型，包括以計算為特征的大規(guī)模數(shù)據(jù)采集、質(zhì)量管理預測，以控制和響應為特征的AGV協(xié)同導引，以多媒體融合為特征的車間可視化等應用；在網(wǎng)計算編排管理層主要包括對網(wǎng)絡設備的資源管理，以及計算任務跨網(wǎng)絡設備運行過程的任務調(diào)度管理和編排。

在網(wǎng)計算架構的橫向：在網(wǎng)計算通信庫承上啟下，以異構網(wǎng)內(nèi)算力資源實現(xiàn)統(tǒng)一的在網(wǎng)計算服務；縱向：在網(wǎng)計算編排管理全棧貫通，優(yōu)化應用開發(fā)模式、協(xié)同端網(wǎng)任務部署、統(tǒng)籌網(wǎng)內(nèi)資源管理。在網(wǎng)計算通過“一橫一縱”實現(xiàn)應用層和網(wǎng)元之間的計算通信協(xié)同，實現(xiàn)包括在網(wǎng)數(shù)據(jù)推理、在網(wǎng)業(yè)務感知、在網(wǎng)控制，以及在網(wǎng)數(shù)據(jù)聚合等4項面向工業(yè)互聯(lián)網(wǎng)的加速技術。

4　面向工業(yè)互聯(lián)網(wǎng)的在網(wǎng)計算加速技術

4.1　在網(wǎng)數(shù)據(jù)推理技術有效彌補園區(qū)物聯(lián)網(wǎng)邊緣算力不足

在網(wǎng)計算數(shù)據(jù)推理是由可編程轉發(fā)設備實現(xiàn)包括決策樹、SVM、樸素貝葉斯的各種分類算法，支撐網(wǎng)絡設備在網(wǎng)絡路徑上就近返回決策處理結果。引入在網(wǎng)數(shù)據(jù)推理后，由網(wǎng)絡轉發(fā)設備實施數(shù)據(jù)推理計算，依據(jù)分析服務器下發(fā)的數(shù)據(jù)模型對收集到的原始數(shù)據(jù)進行推理，對原始數(shù)據(jù)進行特征提取和異常識別并將控制指令返回給終端設備。與基于分析服務器的推理（原始數(shù)據(jù)被傳輸?shù)椒治龇掌鬟M行推理）相比，中間層網(wǎng)絡設備推理提前終止了終端設備發(fā)往分析服務器的原始數(shù)據(jù)流量，節(jié)省了核心網(wǎng)絡的帶寬，即減少了網(wǎng)絡中業(yè)務流的總量，利用網(wǎng)絡設備的高速處理能力減少了推理時間,在卸載分析服務器的算力的同時加速了數(shù)據(jù)的實時分析和控制指令的響應。

4.2　在網(wǎng)業(yè)務感知技術有效提升生產(chǎn)辦公等場景下XR業(yè)務的服務質(zhì)量

在網(wǎng)業(yè)務感知通過網(wǎng)絡設備根據(jù)數(shù)據(jù)包載荷獲取業(yè)務信息以實現(xiàn)業(yè)務探測功能，根據(jù)關聯(lián)數(shù)據(jù)流方式實現(xiàn)專用承載識別及網(wǎng)絡切片識別，提供了更精準的服務保障。在網(wǎng)計算技術通過網(wǎng)絡感知業(yè)務的方式，提升網(wǎng)、業(yè)、端協(xié)同以及構建分布式高性能計算能力，為XR終端設備提供了高性能計算支撐。XR業(yè)務實現(xiàn)端云協(xié)同渲染時，需要實現(xiàn)邊緣云和終端設備協(xié)同分配計算任務，在終端側進行低延遲的渲染任務，在邊緣云進行計算密集型的運算和圖像渲染，并整合兩者的計算結果。引入在網(wǎng)計算能力，通過網(wǎng)絡設備增強并行分布式計算能力和聚合通信能力，隨路卸載邊緣云的計算任務，可以大幅提升XR的渲染能力，提供更實時的用戶體驗。

4.3　在網(wǎng)控制技術優(yōu)化生產(chǎn)現(xiàn)場網(wǎng)絡的可控性和靈活性

在網(wǎng)控制技術是指關鍵控制任務被卸載到通過遠端管理的網(wǎng)元設備中的方法。比如，在進行工業(yè)機械臂的控制流程系統(tǒng)中，將工業(yè)機械臂的控制流程重新劃分為延遲敏感任務和高級控制任務，將高級控制任務保留在原云/邊緣數(shù)據(jù)中心的工業(yè)控制器，將工業(yè)機械臂的實時速度控制卸載到可編程轉發(fā)設備。由工業(yè)控制器、在網(wǎng)計算網(wǎng)元設備和工業(yè)機械臂組成的控制系統(tǒng)，將較長、較遠的控制環(huán)路分割成較小的環(huán)路，以處理傳輸延遲，實現(xiàn)線速計算，并確保微秒級的實時響應時間，從而解決云和邊緣云機器人技術問題。這種使用網(wǎng)絡硬件對現(xiàn)場實施控制的方式可以在通信過程中為應用層的低延遲實時計算開辟新的領域。

在分布式系統(tǒng)中，通過共識協(xié)議來實現(xiàn)對某個數(shù)據(jù)值或操作序列的一致性，比如鎖管理系統(tǒng)、組播通信、一致性協(xié)調(diào)。支持在網(wǎng)計算的轉發(fā)設備卸載一致性共識功能，可以減少工業(yè)控制器之間的協(xié)調(diào)延遲。

4.4　在網(wǎng)數(shù)據(jù)聚合技術可降低工廠內(nèi)網(wǎng)和外網(wǎng)數(shù)據(jù)擁塞問題

在網(wǎng)數(shù)據(jù)聚合技術在工廠內(nèi)網(wǎng)及工廠外網(wǎng)的數(shù)據(jù)中心內(nèi)部有不同的實現(xiàn)：

在工廠內(nèi)網(wǎng)采用在網(wǎng)數(shù)據(jù)聚合技術，利用可編程數(shù)據(jù)平面的改進通信協(xié)議，支持在網(wǎng)絡級別的硬件交換機內(nèi)實現(xiàn)數(shù)據(jù)聚合算法，根據(jù)網(wǎng)絡狀態(tài)和物聯(lián)網(wǎng)設備使用的不同通信技術實現(xiàn)數(shù)據(jù)聚合功能。通過減少通過網(wǎng)絡發(fā)送的數(shù)據(jù)包數(shù)量，減少對網(wǎng)絡設備帶寬資源的占用和服務器計算資源的消耗。

在云數(shù)據(jù)中心網(wǎng)絡引入在網(wǎng)數(shù)據(jù)聚合技術，由網(wǎng)絡交換節(jié)點卸載機器學習中的參數(shù)聚合處理，使任務總體數(shù)據(jù)傳輸量下降，解決通信系統(tǒng)中存在的帶寬瓶頸，使其模型訓練速度加快，業(yè)務效率提升，最終提高系統(tǒng)計算任務的總體性能。

5　總結與展望

工業(yè)互聯(lián)網(wǎng)對計算和網(wǎng)絡提出了更加嚴格的業(yè)務需求，通過引入在網(wǎng)計算可以實現(xiàn)系統(tǒng)性能的提升。本文通過分析工業(yè)互聯(lián)網(wǎng)工廠內(nèi)外多種應用場景和業(yè)務需求，針對性地提出了在網(wǎng)數(shù)據(jù)推理、在網(wǎng)業(yè)務感知、在網(wǎng)控制，以及在網(wǎng)數(shù)據(jù)聚合等4項關鍵技術，有效提升了工業(yè)互聯(lián)網(wǎng)應用的計算效率、可靠性和靈活性，同時提升了算網(wǎng)資源的利用率。面向未來，在網(wǎng)計算將深度融入工業(yè)互聯(lián)網(wǎng)算網(wǎng)基礎設施，不斷賦能更多應用場景和垂直業(yè)務。

作者簡介：

牟　彥（1979-），女，工程師，現(xiàn)就職于中國移動通信有限公司研究院，主要研究方向為未來網(wǎng)絡、在網(wǎng)計算、算力網(wǎng)絡以及工業(yè)互聯(lián)網(wǎng)的技術和應用。

姚柯翰（1993-），男，工程師，現(xiàn)就職于中國移動通信有限公司研究院，主要研究方向為算網(wǎng)一體前沿技術、在網(wǎng)計算、AI網(wǎng)絡等。

劉　鵬（1991-），男，工程師，現(xiàn)就職于中國移動通信有限公司研究院，主要研究方向為下一代IP網(wǎng)絡、確定性網(wǎng)絡的技術和應用。

陸　璐（1979-），女，高級工程師，現(xiàn)就職于中國移動通信有限公司研究院，主要研究方向為移動核心網(wǎng)策略、演進、標準和技術研究。

參考文獻：

[1] 工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟(AII). 工業(yè)互聯(lián)網(wǎng)網(wǎng)絡連接白皮書(版本2.0)[R]. 2021.

[2] YANG Fan, SONG Wenxuan, XU Fangmin, et al. Research on the Application of Computing Force Network

Technology in Industrial Internet of Things[J]. Radio Communications Technology, 2023, 49 (1) : 63 - 71.

[3] Kaur K, Garg S, Aujla G S, et al. Edge Computing in the Industrial Internet of Things Environment: SoftwareDefined-Networks-Based Edge-Cloud Interplay[J]. IEEE Communications Magazine, 2018, 56 (2) : 44 - 51.

[4] Rafique W, Qi L, Yaqoob I, et al. Complementing loT Services through Software Defined Networking and Edge Computing: A Comprehensive Survey[J]. IEEE Communications Surveys & Tutorials, 2020, PP (99) : 1.

[5] 潘輝江. 基于網(wǎng)內(nèi)計算的物聯(lián)網(wǎng)計算卸載設計與研究[D]. 北京: 北京郵電大學, 2022.

[6] Sándor Laki1, Csaba Gy?rgyi1, József Pet?o2, et al. In-Network Velocity Control of Industrial Robot Arms[J]. NSDI, 2022.

摘自《自動化博覽》2024年第二期暨《邊緣計算2024專輯》