孫杰 馬國華 朱多智 葉曉舟 王鵬

( 亞信科技(中國)有限公司，北京 100193)

0 引言

算力作為數(shù)字時代的核心資源，不僅改變了人類的生產(chǎn)方式、生活模式和科研范式，而且逐漸成為科技進步和經(jīng)濟社會發(fā)展的底座，預(yù)示著算力成為數(shù)字經(jīng)濟的主要生產(chǎn)力[1]。隨著算力技術(shù)的發(fā)展，算力呈現(xiàn)出多樣性、泛在化、智能化、綠色化與可信化等趨勢[2]，對云網(wǎng)融合成為一體化的數(shù)字信息基礎(chǔ)設(shè)施提出了迫切需求，云網(wǎng)融合成為數(shù)字信息基礎(chǔ)設(shè)施的核心，算力基礎(chǔ)設(shè)施是其重要組成部分。

隨著智慧城市、智能制造、自動駕駛(Vehicle to X，V2X)、增強現(xiàn)實(Augmented Reality，AR)/虛擬現(xiàn)實(Virtual Reality，VR)/擴展現(xiàn)實(Extended Reality，XR)等新型算力業(yè)務(wù)場景的出現(xiàn)，算力資源需求日益旺盛，驅(qū)動數(shù)據(jù)中心高速發(fā)展。到2025年，全球網(wǎng)聯(lián)設(shè)備總數(shù)將超過270 億，超過75%的數(shù)據(jù)需要分流到網(wǎng)絡(luò)邊緣側(cè)，各類新型算力業(yè)務(wù)的異構(gòu)數(shù)據(jù)處理需要云邊協(xié)同的泛在化算力支持[3]。截至2022年年初，我國已建成數(shù)據(jù)中心500 萬標(biāo)準(zhǔn)機架，整體算力達(dá)到130 EFLOPS，但受限于算力的泛在化特征，國內(nèi)數(shù)據(jù)中心的平均利用率僅為55%左右，需要通過自動化、智能化、孿生化的云網(wǎng)融合編排調(diào)度實現(xiàn)算力的效能提升[4]。

同時，算力的定義也從原有的CPU類基礎(chǔ)算力、GPU類智能算力向包括算力(基礎(chǔ)算力、智能算力、超算算力等)、存力(存儲容量、存儲效能等)、運力(網(wǎng)絡(luò)資源、性能與質(zhì)量等)與能力(AI、大數(shù)據(jù)、區(qū)塊鏈等通用目的技術(shù)能力等)的新型算力演進，以便滿足新型算力業(yè)務(wù)對算力服務(wù)的多樣化需求。這就需要云網(wǎng)融合編排調(diào)度系統(tǒng)具備自動化、智能化、孿生化的算力、運力、存力與能力的編排調(diào)度能力，并實現(xiàn)在云網(wǎng)全局拓?fù)湎拢瑯I(yè)務(wù)目標(biāo)服務(wù)等級協(xié)議(Service Level Agreement，SLA)與云網(wǎng)資源組合的聯(lián)合最優(yōu)解。

1 云網(wǎng)融合編排與調(diào)度系統(tǒng)現(xiàn)狀與不足

通信運營商早期的云網(wǎng)融合實踐以云網(wǎng)業(yè)務(wù)聯(lián)合快速開通為主要抓手，以軟件定義網(wǎng)絡(luò)(Software Defined Network，SDN)/網(wǎng)絡(luò)功能虛擬化(Network Function Virtualization，NFV)技術(shù)實現(xiàn)為主要特征，實現(xiàn)了網(wǎng)絡(luò)控制系統(tǒng)與自身云管理系統(tǒng)和外部主要公有云業(yè)務(wù)系統(tǒng)的互聯(lián)互通，從而使云網(wǎng)業(yè)務(wù)的同開同調(diào)成為可能[5]，該階段實現(xiàn)了云網(wǎng)融合業(yè)務(wù)的流程貫通與初步自動化(見圖1)。

圖1 早期云網(wǎng)融合編排與調(diào)度系統(tǒng)

算力時代，隨著新型算力業(yè)務(wù)的發(fā)展，云網(wǎng)融合編排與調(diào)度系統(tǒng)需要支持泛在算力與多樣算力服務(wù)的編排與調(diào)度，早期的云網(wǎng)融合編排與調(diào)度系統(tǒng)存在以下3方面不足。

(1)自動化不足。云網(wǎng)融合時代早期，以云為主體，旨在將不同地理位置、規(guī)模各異的云計算節(jié)點統(tǒng)一納管到一套云管理系統(tǒng)中，為云用戶提供標(biāo)準(zhǔn)統(tǒng)一、高效便捷、安全可靠的云服務(wù)。但在云網(wǎng)融合初級階段，網(wǎng)絡(luò)能力開放程度有限，尤其是在網(wǎng)絡(luò)接入側(cè)。由于泛終端接入位置的廣泛性和不確定性，云廠商很難構(gòu)建或租用一張泛在接入網(wǎng)絡(luò)的基礎(chǔ)設(shè)施實現(xiàn)算力的隨時隨地接入。另外，最重要的短板在于，由于網(wǎng)絡(luò)開放能力的缺失以及云和網(wǎng)統(tǒng)一編排調(diào)度的標(biāo)準(zhǔn)缺失，云網(wǎng)融合編排與調(diào)度系統(tǒng)無法自動、靈活、實時地根據(jù)用戶需求選擇并調(diào)配恰當(dāng)?shù)乃懔Y源與網(wǎng)絡(luò)資源，無從實現(xiàn)算力在云、邊、端的自動化協(xié)同調(diào)度，亦無法滿足新型算力業(yè)務(wù)驅(qū)動的算力，算力+能力(AI、數(shù)字孿生等通用目的技術(shù))與算力+算力應(yīng)用的編排調(diào)度需求。

(2)智能化不足。云網(wǎng)融合時代早期，云和網(wǎng)的業(yè)務(wù)SLA是獨立的，網(wǎng)絡(luò)提供帶寬、時延等資源與性能SLA保障，云提供虛機CPU，內(nèi)存等資源與性能SLA保障。但是到了算力時代，新型算力業(yè)務(wù)需要實現(xiàn)面向算力，運力，存力的多維云網(wǎng)資源組合與客戶目標(biāo)SLA聯(lián)合最優(yōu)。早期的云網(wǎng)融合編排調(diào)度系統(tǒng)由于缺少基于人工智能技術(shù)的智能化編排與調(diào)度，無法實現(xiàn)在云網(wǎng)全局拓?fù)湎?，業(yè)務(wù)目標(biāo)服務(wù)等級協(xié)議(Service Level Agreement，SLA)與云網(wǎng)資源組合的聯(lián)合最優(yōu)解。

(3)孿生化不足。目前，網(wǎng)絡(luò)數(shù)字孿生技術(shù)基于數(shù)字孿生與人工智能等技術(shù)，已基本實現(xiàn)通信網(wǎng)絡(luò)全要素全生命周期的數(shù)字化管理，支撐全程全網(wǎng)業(yè)務(wù)的編排仿真、流量預(yù)測、新業(yè)務(wù)預(yù)測試、配置預(yù)審核、網(wǎng)絡(luò)預(yù)規(guī)劃等服務(wù)[6]。算力時代，為更好地支撐新型云網(wǎng)融合業(yè)務(wù)，需實現(xiàn)從網(wǎng)絡(luò)數(shù)字孿生向云網(wǎng)數(shù)字孿生的演進，實現(xiàn)云網(wǎng)融合業(yè)務(wù)的編排仿真、態(tài)勢感知、需求預(yù)測與創(chuàng)新引流(將云網(wǎng)數(shù)字孿生作為算力應(yīng)用對外提供服務(wù))。

圖2 新型云網(wǎng)融合編排與調(diào)度系統(tǒng)

因此，為滿足算力時代新型算力業(yè)務(wù)的算力泛在化與算力服務(wù)多樣化的需求，需建設(shè)自動化、智能化與孿生化的新型云網(wǎng)融合編排與調(diào)度系統(tǒng)，實現(xiàn)算力、存力、運力與能力的云邊協(xié)同智能編排與調(diào)度。

2 新型云網(wǎng)融合編排與調(diào)度系統(tǒng)架構(gòu)與關(guān)鍵技術(shù)

2.1 新型云網(wǎng)融合編排與調(diào)度系統(tǒng)架構(gòu)

基于新型算力業(yè)務(wù)對云網(wǎng)融合編排與調(diào)度系統(tǒng)的自動化、智能化與孿生化編排與調(diào)度需求，建議新型云網(wǎng)融合編排與調(diào)度系統(tǒng)架構(gòu)如圖2所示，主要包括云網(wǎng)編排中心、云網(wǎng)管理調(diào)度中心、云網(wǎng)數(shù)字孿生中心與云網(wǎng)智能引擎。

2.1.1 云網(wǎng)融合編排中心

云網(wǎng)編排中心實現(xiàn)云網(wǎng)融合業(yè)務(wù)網(wǎng)絡(luò)和云資源、流程、模型等的統(tǒng)一編排，北向?qū)涌蛻絷P(guān)系管理(Customer Relationship Management，CRM)等云網(wǎng)融合業(yè)務(wù)運營系統(tǒng)，接受業(yè)務(wù)編排請求；南向?qū)泳W(wǎng)絡(luò)管理調(diào)中心和云管理調(diào)度中心，實現(xiàn)運力、算力、存力與能力的調(diào)度；東西向連接云網(wǎng)智能引擎和云網(wǎng)數(shù)字孿生中心系統(tǒng)，實現(xiàn)編排注智與仿真等。

云網(wǎng)編排中心支持算力、存力、運力(網(wǎng)絡(luò))資源數(shù)據(jù)的實時感知，實現(xiàn)算力、存力與運力(網(wǎng)絡(luò))的融合資源視圖，并基于人工智能、數(shù)字孿生等新技術(shù)實現(xiàn)云網(wǎng)業(yè)務(wù)的資源需求分析與端到端云網(wǎng)資源一體編排，最終完成運力、算力、存力與能力的一體編排。相比早期的云網(wǎng)編排系統(tǒng)，新型云網(wǎng)編排系統(tǒng)可以兼顧算力、運力(網(wǎng)絡(luò))、存力等多個資源維度因素，實現(xiàn)資源聯(lián)合價值最大化。

2.1.2 云網(wǎng)管理調(diào)度中心

云網(wǎng)管理調(diào)度中心包括網(wǎng)絡(luò)與云管理調(diào)度中心，其中網(wǎng)絡(luò)管理調(diào)度中心負(fù)責(zé)網(wǎng)絡(luò)(運力)的調(diào)度管理。北向?qū)釉凭W(wǎng)編排中心，接受網(wǎng)絡(luò)調(diào)度請求；南向?qū)釉凭W(wǎng)基礎(chǔ)設(shè)施，完成網(wǎng)絡(luò)配置激活；東西向連接云網(wǎng)智能引擎和數(shù)字孿生中心，實現(xiàn)網(wǎng)絡(luò)調(diào)度注智。云管理調(diào)度中心負(fù)責(zé)算力、存力、算力應(yīng)用與能力服務(wù)的調(diào)度管理。北向?qū)釉凭W(wǎng)編排中心，為算力與存力的調(diào)度、編排和管理提供決策數(shù)據(jù)；南向?qū)釉凭W(wǎng)基礎(chǔ)設(shè)施，執(zhí)行云網(wǎng)編排中心的指令，執(zhí)行云調(diào)度、算力節(jié)點并網(wǎng)、資源同步，云網(wǎng)應(yīng)用部署和為用戶提供云資源綁定等服務(wù)。

網(wǎng)絡(luò)管理調(diào)度中心支持跨域端到端網(wǎng)絡(luò)管理調(diào)度，實現(xiàn)端到端網(wǎng)絡(luò)配置管理、性能管理和告警管理以及多域數(shù)據(jù)采集，包括IP網(wǎng)，光傳送網(wǎng)(Optical Transport Network，OTN)/切片分組網(wǎng)(Slicing Packet Network，SPN)/無源光網(wǎng)絡(luò)(Passive Optical Network，PON)等傳輸網(wǎng)，5G核心網(wǎng)與5G無線網(wǎng)等。網(wǎng)絡(luò)管理調(diào)度中心支持端到端網(wǎng)絡(luò)性能需求到單域網(wǎng)絡(luò)性能需求的分解，實現(xiàn)網(wǎng)絡(luò)性能需求到網(wǎng)絡(luò)配置要求的映射。

云管理調(diào)度中支持云原生化的容器管理，支持包括多個云資源的調(diào)度分發(fā)以及相應(yīng)的云服務(wù)的彈性伸縮管理，并為云網(wǎng)提供算力注冊、發(fā)現(xiàn)、調(diào)度與云網(wǎng)應(yīng)用的部署能力。

2.1.3 云網(wǎng)智能引擎

云網(wǎng)智能引擎是云網(wǎng)融合編排與調(diào)度系統(tǒng)的智能決策中樞，通過模型訓(xùn)練和推理服務(wù)，提供節(jié)點能力評估、路徑尋優(yōu)、意圖識別、資源調(diào)度等AI能力，為云網(wǎng)融合編排與調(diào)度系統(tǒng)提供注智引擎和AI服務(wù)，最終實現(xiàn)云網(wǎng)全局圖譜下，云網(wǎng)融合業(yè)務(wù)目標(biāo)SLA與云網(wǎng)資源組合的聯(lián)合最優(yōu)解。

云網(wǎng)智能引擎內(nèi)置云網(wǎng)資源多因子指標(biāo)體系，如帶寬、時延、容量、吞吐率、成本等，可根據(jù)需求實現(xiàn)多維度精細(xì)化解析，以保障選擇最優(yōu)算網(wǎng)節(jié)點和網(wǎng)絡(luò)最優(yōu)路徑。云網(wǎng)智能引擎從場景出發(fā)，結(jié)合當(dāng)前資源消耗和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，可自動推薦算網(wǎng)節(jié)點和網(wǎng)絡(luò)路徑的最佳編排策略。

2.1.4 云網(wǎng)數(shù)字孿生中心

云網(wǎng)數(shù)字孿生中心為云網(wǎng)融合編排與調(diào)度系統(tǒng)提供編排仿真、態(tài)勢感知、業(yè)務(wù)預(yù)測與創(chuàng)新引流等服務(wù)。云網(wǎng)數(shù)字孿生中心以數(shù)字化方式創(chuàng)建云網(wǎng)實體的虛擬孿生體，且可與云網(wǎng)實體進行實時交互映射。通過實時或者非實時的數(shù)據(jù)采集方式將物理實體數(shù)據(jù)、空間數(shù)據(jù)、資源數(shù)據(jù)，以及協(xié)議、接口、路由、信令、流程、性能、告警、日志、狀態(tài)等信息存儲到數(shù)據(jù)倉庫，為構(gòu)建云網(wǎng)孿生體以及為云網(wǎng)孿生體賦能提供數(shù)據(jù)支撐，并且基于這些數(shù)據(jù)形成功能豐富的數(shù)據(jù)模型。

云網(wǎng)數(shù)字孿生中心支持通過靈活組合的方式創(chuàng)建多種云網(wǎng)模型實例，服務(wù)于各種云網(wǎng)應(yīng)用，并提供基于低代碼的可視化搭建工具，對已有拓?fù)?、圖表與符號資源進行拖拉拽操作，實現(xiàn)三維云網(wǎng)數(shù)字孿生可視化應(yīng)用。云網(wǎng)數(shù)字孿生中心通過可視化的云網(wǎng)孿生體與實體映射，實現(xiàn)可視化、孿生化的云網(wǎng)孿生體與物理實體實時交互；并通過人工智能、AI算法、專家經(jīng)驗、大數(shù)據(jù)分析等技術(shù)實現(xiàn)對物理云網(wǎng)進行全生命周期的分析、診斷、仿真和控制。

2.2 關(guān)鍵技術(shù)

對企業(yè)客戶而言，需要通過多云部署、高性能云邊協(xié)同、一體化開通服務(wù)等幫助其提升競爭優(yōu)勢；對政府客戶而言，數(shù)字城市、數(shù)字社區(qū)等對云的能力和安全性有越來越高的要求。這些場景，都對云網(wǎng)融合編排與調(diào)度提出了新的技術(shù)要求。

為加快推進新型云網(wǎng)融合編排與調(diào)度系統(tǒng)建設(shè)，需構(gòu)建新型云網(wǎng)編排與調(diào)度系統(tǒng)技術(shù)圖譜，具體參見圖3。

圖3 新型云網(wǎng)編排與調(diào)度系統(tǒng)技術(shù)圖譜

算力度量，要求量化異構(gòu)算力資源以及多樣化業(yè)務(wù)需求，并建立統(tǒng)一的描述語言，賦能算力流通屬性的同時，為算力的感知、管控、服務(wù)提供基礎(chǔ)和標(biāo)準(zhǔn)。

算力感知，在算力進行統(tǒng)一度量與標(biāo)識的基礎(chǔ)上，捕捉業(yè)務(wù)算力需求信息以及算力資源信息的技術(shù)，從而為算力網(wǎng)絡(luò)調(diào)度編排提供基礎(chǔ)，實現(xiàn)資源配置的最優(yōu)化。

基于IPv6的段路由(Segment Routing IPv6，SRv6)[7]/ 軟件定義廣域網(wǎng)(Software Defined Wide Area Network，SD-WAN)[8]/ 開放式無線電接入網(wǎng)(Open Radio Access Network，O-RAN)[9]等網(wǎng)絡(luò)技術(shù)，在無線網(wǎng)、核心網(wǎng)、IP網(wǎng)、傳輸網(wǎng)，甚至衛(wèi)星網(wǎng)絡(luò)等各領(lǐng)域，將從深度和廣度兩個方面提升網(wǎng)絡(luò)連接的性能質(zhì)量與覆蓋范圍，實現(xiàn)多種連接方式的端到端協(xié)同，構(gòu)筑面向空天地海一體化的泛在連接。

數(shù)字孿生，通過感知、采集網(wǎng)絡(luò)和云等資源相關(guān)信息及運行狀態(tài)，實現(xiàn)對云網(wǎng)物理資源的數(shù)字孿生拓?fù)?、建模、仿真等，從而?gòu)建云網(wǎng)資源的數(shù)字孿生體，用于對云網(wǎng)運營的實時狀態(tài)進行仿真和監(jiān)測。

面向云網(wǎng)多要素、多因子的融合編排管理需求，管理對象種類多、數(shù)量大，新型云網(wǎng)融合編排調(diào)度系統(tǒng)也需要通過與人工智能、大數(shù)據(jù)等技術(shù)深度融合，探索云網(wǎng)自智、意圖網(wǎng)絡(luò)等新方向，不斷增強云網(wǎng)融合自動化、智能化能力，并提供智能閉環(huán)保障能力，逐步實現(xiàn)云網(wǎng)自智。

一體編排，在云網(wǎng)調(diào)度、智能引擎、數(shù)字孿生能力基礎(chǔ)上，根據(jù)交易合約快速分配云網(wǎng)資源，并且需要在合約內(nèi)快速資源的更新、回收，最終完成新型云網(wǎng)融合與調(diào)度能力。

3 自動化、智能化、孿生化的新型云網(wǎng)融合編排與調(diào)度系統(tǒng)

3.1 智能化

云網(wǎng)智能引擎是新型云網(wǎng)融合編排與調(diào)度系統(tǒng)的核心，其基于對云網(wǎng)的測量感知，進行云網(wǎng)全局拓?fù)湎碌闹悄軟Q策，并通過云網(wǎng)編排中心，實現(xiàn)對云網(wǎng)的統(tǒng)一調(diào)度。云網(wǎng)智能引擎的智能決策，就是要在云網(wǎng)全局拓?fù)湎?，實現(xiàn)云網(wǎng)目標(biāo)SLA與云網(wǎng)資源組合的聯(lián)合最優(yōu)解。在滿足云網(wǎng)目標(biāo)SLA的前提下，實現(xiàn)代價最優(yōu)的云網(wǎng)資源調(diào)度。

如圖4所示，云網(wǎng)SLA包括資源約束型、業(yè)務(wù)敏感型、綠色環(huán)保型、經(jīng)濟敏感型、安全敏感型的多因子指標(biāo)集(KPIs)。多因子指標(biāo)集量化表征了云網(wǎng)SLA，并形成云網(wǎng)決策組合(SLA Portfolio)。

在云網(wǎng)融合之前，運營商關(guān)注如何在全局網(wǎng)絡(luò)拓?fù)湎拢瑢崿F(xiàn)網(wǎng)絡(luò)目標(biāo)SLA與網(wǎng)絡(luò)資源組合的聯(lián)合最優(yōu)解。其關(guān)系函數(shù)是：

KPIN=fN(RN1,RN2,…,RNM|TopoN)

(1)

其中，KPIN是網(wǎng)絡(luò)SLA的資源、業(yè)務(wù)、綠色、經(jīng)濟、安全等多因子的量化KPI向量。fN是在網(wǎng)絡(luò)拓?fù)錀l件下的網(wǎng)絡(luò)資源與網(wǎng)絡(luò)KPI的關(guān)系函數(shù)。RNi是網(wǎng)絡(luò)節(jié)點Ni的資源指標(biāo)向量，如占用帶寬、轉(zhuǎn)發(fā)延遲等。

在算力時代，根據(jù)不同的云網(wǎng)融合發(fā)展路線條件，存在兩種關(guān)系函數(shù)。對于具有云網(wǎng)全局圖譜的運營商，可以通過fCNC求解目標(biāo)SLA與云網(wǎng)資源組合的聯(lián)合最優(yōu)。而對于網(wǎng)絡(luò)和云獨立運營管理的運營商，需要針對目標(biāo)SLA通過fC和fN對算力和網(wǎng)絡(luò)資源獨立求優(yōu)。如公式(2)所示。

(2)

其中，KPICNC是云網(wǎng)SLA的資源、業(yè)務(wù)、綠色、經(jīng)濟、安全等多因子的量化KPI向量。fCNC是在云網(wǎng)統(tǒng)一圖譜條件下的云網(wǎng)資源與云網(wǎng)KPI的關(guān)系函數(shù)。fC是在算力拓?fù)錀l件下的算力資源與算力KPI的關(guān)系函數(shù)。RCj是算力節(jié)點Cj的資源指標(biāo)向量，如CPU使用率、內(nèi)存使用率等。

基于KPICNC公式，云網(wǎng)智能引擎通過“KPI與云網(wǎng)資源關(guān)系映射，SLA與KPI映射，有效云網(wǎng)節(jié)點評估，有效云網(wǎng)路徑評估，綜合(多因子)最優(yōu)云網(wǎng)路徑計算，云網(wǎng)資源編排調(diào)度”6個步驟進行智能化的云邊協(xié)同算力調(diào)度，實現(xiàn)云網(wǎng)全局拓?fù)湎?，實現(xiàn)云網(wǎng)目標(biāo)SLA與云網(wǎng)資源組合的聯(lián)合最優(yōu)解。

3.2 自動化

云網(wǎng)編排自動化是云網(wǎng)融合編排與調(diào)度系統(tǒng)的關(guān)鍵能力，面向云網(wǎng)融合演進的新型網(wǎng)絡(luò)架構(gòu)，通過云資源與網(wǎng)絡(luò)資源及邊緣云資源與中心云資源狀態(tài)的協(xié)同調(diào)度，將不同應(yīng)用的業(yè)務(wù)通過最優(yōu)路徑，自動化調(diào)度到最優(yōu)的計算節(jié)點，實現(xiàn)用戶體驗最優(yōu)的同時，保證運營商網(wǎng)絡(luò)資源和計算資源利用率最優(yōu)化。

為實現(xiàn)云網(wǎng)融合業(yè)務(wù)的一體化自動化開通，需借助云網(wǎng)智能引擎和數(shù)字孿生的注智能力實現(xiàn)云網(wǎng)業(yè)務(wù)、資源的統(tǒng)一編排與集中調(diào)度，并支撐實現(xiàn)業(yè)務(wù)開通流程的全程貫通。其中網(wǎng)絡(luò)側(cè)管理編排包括無線網(wǎng)、傳輸網(wǎng)、IP網(wǎng)和核心網(wǎng)的開通能力標(biāo)準(zhǔn)化、自動化與智能化，并實現(xiàn)跨專業(yè)網(wǎng)絡(luò)端到端管理編排、調(diào)度與運維；云側(cè)管理編排在統(tǒng)一架構(gòu)模式之下，基于混合多云管理的能力，實現(xiàn)異構(gòu)云資源的統(tǒng)一納管、統(tǒng)一調(diào)度、統(tǒng)一運維。

同時，面向新型算力業(yè)務(wù)，需實現(xiàn)算力應(yīng)用的自動化部署，為應(yīng)用的構(gòu)建、部署、運行和維護提供必要的托管和支持服務(wù)。如圖5所示，新型云網(wǎng)融合編排與調(diào)度系統(tǒng)支持通過控制臺服務(wù)與接口服務(wù)兩種方式實現(xiàn)應(yīng)用的自動化部署與托管服務(wù)。

圖5 云網(wǎng)融合應(yīng)用自動化部署與托管

控制臺服務(wù)：通過控制臺服務(wù)門戶直接輸出應(yīng)用的構(gòu)建、部署、運行和維護的服務(wù)支撐能力，為租戶提供可視化的應(yīng)用托管服務(wù)。接口服務(wù)：算力網(wǎng)絡(luò)通過API接口服務(wù)為可信的第三方PaaS平臺提供應(yīng)用的部署、運行和維護等服務(wù)支撐能力。

云網(wǎng)融合編排自動化，在計算維度層面需支持云網(wǎng)業(yè)務(wù)的多量綱計量方式，如算力的類型、精度、質(zhì)量、等級等指標(biāo)量綱，網(wǎng)絡(luò)的帶寬、時延、可靠性等指標(biāo)量綱；在云網(wǎng)資源層面，支持云資源和網(wǎng)絡(luò)資源的數(shù)據(jù)實時感知，實現(xiàn)算力和網(wǎng)絡(luò)的融合資源視圖，完成算力資源和網(wǎng)絡(luò)資源一體編排。相比網(wǎng)絡(luò)編排系統(tǒng)與算力編排系統(tǒng)兩個獨立系統(tǒng)的方案，云網(wǎng)融合編排與調(diào)度系統(tǒng)可以兼顧算力和網(wǎng)絡(luò)兩個資源維度因素，自動化實現(xiàn)資源聯(lián)合價值最大化。

3.3 孿生化

云網(wǎng)數(shù)字孿生作為貫穿云網(wǎng)融合調(diào)度、智能編排的核心技術(shù)，為新型云網(wǎng)融合編排與調(diào)度系統(tǒng)提供拿來即用的數(shù)字孿生組件與工具集，實現(xiàn)云網(wǎng)資源與拓?fù)浞抡?，流程與業(yè)務(wù)編排的仿真，自動化測試仿真等。

如圖6所示，云網(wǎng)數(shù)字孿生在業(yè)務(wù)支撐層面，實現(xiàn)面向云網(wǎng)融合的數(shù)字建模，構(gòu)建云網(wǎng)融合模擬運行環(huán)境及仿真環(huán)境，有效支撐業(yè)務(wù)開通測試、網(wǎng)絡(luò)模擬驗證、業(yè)務(wù)發(fā)展預(yù)測等能力。在業(yè)務(wù)運營層面，實現(xiàn)算力分布、態(tài)勢感知、業(yè)務(wù)開通、業(yè)務(wù)分布、需求預(yù)測等云網(wǎng)融合業(yè)務(wù)的運營；在創(chuàng)新應(yīng)用層面，數(shù)字孿生作為6G潛在通用目的技術(shù)，將作為新型算力能力實現(xiàn)云渲染、云XR等算力服務(wù)為云網(wǎng)業(yè)務(wù)引流，激活云網(wǎng)資源運營。

圖6 云網(wǎng)數(shù)字孿生

3.4 云網(wǎng)融合編排與調(diào)度智能化、自動化與孿生化演進分級

隨著云網(wǎng)融合技術(shù)的持續(xù)演進，云網(wǎng)融合編排與調(diào)度智能化、自動化與孿生化相關(guān)技術(shù)與功能的演進發(fā)展可分為4個階段，包括云網(wǎng)單體協(xié)同、云網(wǎng)泛在協(xié)同、云網(wǎng)融合協(xié)同、云網(wǎng)原生協(xié)同階段，具體如表1所示。

表1 云網(wǎng)融合編排與調(diào)度等級

4 新型云網(wǎng)融合編排與調(diào)度典型場景

新型云網(wǎng)融合編排與調(diào)度作為云計算和網(wǎng)絡(luò)深度融合的產(chǎn)物，“云+網(wǎng)+X”模式本身帶動了以云平臺和網(wǎng)絡(luò)為基礎(chǔ)的云網(wǎng)融合解決方案，形成了“云+網(wǎng)+應(yīng)用”的服務(wù)框架，面向垂直行業(yè)又形成“云+網(wǎng)+行業(yè)”的服務(wù)框架。這些基礎(chǔ)框架為多元化發(fā)展開拓了新的云網(wǎng)融合生態(tài)藍(lán)海。

4.1 AR/VR業(yè)務(wù)新型云網(wǎng)融合編排與調(diào)度方案

云AR/VR應(yīng)用從云生成的視頻和音頻，經(jīng)過編碼、壓縮，然后通過高帶寬網(wǎng)絡(luò)傳輸回終端設(shè)備，實現(xiàn)AR/VR業(yè)務(wù)內(nèi)容上云、渲染上云。通過計算任務(wù)分級卸載，提高了云、邊、網(wǎng)資源利用率，以及業(yè)務(wù)體驗。計算負(fù)載大的大型計算、內(nèi)容產(chǎn)生等任務(wù)可部署在中心云上；計算要求較低的視頻編解碼、內(nèi)容渲染等任務(wù)可動態(tài)卸載至邊緣計算(Multi-Access Edge Computing，MEC)[10]節(jié)點處完成。云AR/VR服務(wù)對網(wǎng)絡(luò)質(zhì)量和計算都有很高的要求，需要通過新型云網(wǎng)編排與調(diào)度系統(tǒng)選擇符合云AR/VR業(yè)務(wù)需求的計算節(jié)點與網(wǎng)絡(luò)路徑，實現(xiàn)業(yè)務(wù)的云、邊、端協(xié)同，保證業(yè)務(wù)質(zhì)量與用戶感知。AR/VR場景下網(wǎng)絡(luò)拓?fù)淙鐖D7所示。

圖7 AR/VR場景下網(wǎng)絡(luò)拓?fù)?/p>

4.2 云網(wǎng)需求

在云網(wǎng)需求場景下進一步將AR/VR應(yīng)用總體服務(wù)分解為兩大類服務(wù)需求，具體如下。

? 低時延服務(wù)：AR/VR視覺渲染等。

? 非低時延服務(wù)：AR/VR內(nèi)容制作、內(nèi)容同步等。

相關(guān)指標(biāo)要求如表2所示。

表2 AR/VR場景網(wǎng)絡(luò)指標(biāo)要求

4.3 新型云網(wǎng)融合編排與調(diào)度關(guān)鍵業(yè)務(wù)流程

如圖8所示，該場景下的新型云網(wǎng)融合編排與調(diào)度系統(tǒng)選擇符合AR/VR業(yè)務(wù)需求的計算節(jié)點與網(wǎng)絡(luò)路徑，實現(xiàn)業(yè)務(wù)的云邊端自動化協(xié)同，保證業(yè)務(wù)質(zhì)量與用戶感知。

圖8 AR/VR場景下新型云網(wǎng)編排與調(diào)度關(guān)鍵業(yè)務(wù)流程

5 結(jié)束語

綜合業(yè)界技術(shù)及運營商實踐，目前運營商云網(wǎng)融合編排與調(diào)度智能化、自動化與孿生化處于L1泛在協(xié)同階段。云網(wǎng)融合編排與調(diào)度需在標(biāo)準(zhǔn)化及關(guān)鍵技術(shù)上持續(xù)演進。在標(biāo)準(zhǔn)化上，需進一步細(xì)化云網(wǎng)融合編排與調(diào)度功能要求，如算力注冊、策略管理、云網(wǎng)資源拓?fù)涞?；定義端到端編排流程，如云網(wǎng)業(yè)務(wù)開通、變更、撤銷及業(yè)務(wù)應(yīng)用部署流程等；定義云網(wǎng)融合編排北向接口，編排中心與云、網(wǎng)調(diào)度中心接口，云平臺北向接口，網(wǎng)絡(luò)控制臺北向接口等各層級API，以達(dá)到廠家互通能力。在關(guān)鍵技術(shù)上，需加強算力度量、評估，實時的算力、網(wǎng)絡(luò)感知，空天一體星云網(wǎng)絡(luò)，云網(wǎng)資源的綠色節(jié)能等。最終演進為具備自動化、智能化、孿生化的新型云網(wǎng)融合編排與調(diào)度系統(tǒng)，為客戶提供一體化供給、一體化服務(wù)、一體化運營能力。

未來，新型云網(wǎng)融合編排與調(diào)度系統(tǒng)將向更廣維度的云網(wǎng)資源、更高效的編排調(diào)度能力、更精確的客戶服務(wù)策略、更確定的資源調(diào)度和更融合的云網(wǎng)一體基礎(chǔ)設(shè)施五大方面演進，成為“云網(wǎng)大腦”。