面向算力網(wǎng)絡(luò)的航天智慧云服務(wù)架構(gòu)與場景分析

白 寧，范利波

(中國西昌衛(wèi)星發(fā)射中心，四川 西昌 615000)

0 引言

隨著大數(shù)據(jù)和人工智能技術(shù)的快速發(fā)展，各個行業(yè)領(lǐng)域在不斷地建設(shè)智能應(yīng)用系統(tǒng)的同時，也將多種應(yīng)用系統(tǒng)放置到了云中心。有資料顯示，預(yù)計到2025年，全球85%以上的企業(yè)將應(yīng)用系統(tǒng)放置在云端[1]。同時人工智能、5G技術(shù)迅速發(fā)展，其大帶寬和低時延的特征需要數(shù)據(jù)就近處理，驅(qū)動計算從云端下移到數(shù)據(jù)源附近，邊緣計算、移動邊緣計算技術(shù)得到快速發(fā)展。未來航天科研活動中，面對海量大數(shù)據(jù)的實時業(yè)務(wù)計算需求，網(wǎng)絡(luò)需具備計算、存儲、傳輸融合的新模式。邊緣計算(Edge Computing)在靠近數(shù)據(jù)源一側(cè)就近提供計算處理服務(wù)，降低對云數(shù)據(jù)中心的計算、存儲和網(wǎng)絡(luò)帶寬需求，提高應(yīng)用的實時處理能力[2-3]。同時智慧云服務(wù)系統(tǒng)需要調(diào)度邊緣計算和云計算中心資源分配，實現(xiàn)整體資源利用最優(yōu)化，更好滿足用戶業(yè)務(wù)需求。

因此，建設(shè)航天智慧云服務(wù)系統(tǒng)，需要覆蓋航天各子系統(tǒng)應(yīng)用終端的大數(shù)據(jù)采集、傳輸和處理的網(wǎng)絡(luò)系統(tǒng)架構(gòu)。本文提出了基于算力網(wǎng)絡(luò)的航天智慧云服務(wù)架構(gòu)，并分析了未來典型應(yīng)用場景下滿足用戶業(yè)務(wù)需求日趨多樣化、算力資源分散化、網(wǎng)絡(luò)服務(wù)智能化的發(fā)展趨勢。

1 研究背景

1.1 算力網(wǎng)絡(luò)概念

算力網(wǎng)絡(luò)，又叫算力感知網(wǎng)絡(luò)(Computing Awareness Network)，為了滿足人工智能時代社會對信息處理的巨大計算處理需求，需要將大量邊緣節(jié)點的算力進(jìn)行綜合調(diào)度，通過核心網(wǎng)絡(luò)的路由策略將分布在云中心、邊緣云和終端的各類算力資源進(jìn)行有效整合，形成池化算力資源，將應(yīng)用提出的算力需求通過計算度量后，分解成多個原子算力服務(wù)節(jié)點，減輕了云中心的算力壓力，同時減少了網(wǎng)絡(luò)擁塞產(chǎn)生的時延，提升了算力資源利用率[3]。

如圖1所示，算力網(wǎng)絡(luò)整體系統(tǒng)架構(gòu)從下向上，劃分為基礎(chǔ)設(shè)施層、平臺資源層和業(yè)務(wù)應(yīng)用層?；A(chǔ)設(shè)施層將計算資源、存儲資源和網(wǎng)絡(luò)基礎(chǔ)設(shè)施統(tǒng)一為整體，以虛擬機(jī)或容器(Controller)的形式為平臺資源層提供接口，通過編排器調(diào)度邊緣節(jié)點資源提供給用戶；平臺資源層在對下層資源進(jìn)行管理和調(diào)度的同時，以組件的方式為上層應(yīng)用提供接口服務(wù)；業(yè)務(wù)應(yīng)用層通過對下層資源的調(diào)用，為用戶提供最終應(yīng)用服務(wù)，實現(xiàn)其業(yè)務(wù)功能。

1.2 算網(wǎng)融合發(fā)展現(xiàn)狀及趨勢

目前，分布式的海量航天科研數(shù)據(jù)，只能通過互聯(lián)網(wǎng)絡(luò)進(jìn)行傳輸至云中心處理，導(dǎo)致相關(guān)應(yīng)用服務(wù)對網(wǎng)絡(luò)性能參數(shù)，如傳輸速率、時延和抖動等有較高的要求。基于人工智能應(yīng)用服務(wù)需要深度學(xué)習(xí)訓(xùn)練，大量的數(shù)據(jù)需要進(jìn)行計算處理，如果能夠在靠近數(shù)據(jù)源邊緣云就對數(shù)據(jù)進(jìn)行處理，則大大縮短計算時間。現(xiàn)代的通信網(wǎng)絡(luò)不僅需要高速的數(shù)據(jù)傳輸速率，還需要從根本上產(chǎn)生新的網(wǎng)絡(luò)協(xié)議才能滿足大數(shù)據(jù)的傳輸。而TCP協(xié)議無法適應(yīng)這樣的海量數(shù)據(jù)傳輸，比如在40 Gbps帶寬環(huán)境下?lián)砣翱诨謴?fù)時間長達(dá)46小時[4]。此外，隨著人工智能應(yīng)用的發(fā)展，用戶終端在網(wǎng)絡(luò)邊緣云交換的數(shù)據(jù)量就已經(jīng)達(dá)到ZB級；而AR/VR、智能機(jī)器人、機(jī)器視覺等應(yīng)用，對時延抖動、丟包率和數(shù)據(jù)安全性等提出了較高要求[5]。

圖1 算力網(wǎng)絡(luò)整體架構(gòu)

圖2 邊緣計算流量預(yù)測

邊緣計算在靠近用戶網(wǎng)絡(luò)邊緣提供輕量級的云計算、存儲和安全服務(wù)，用戶原本需要上傳至云中心的數(shù)據(jù)得以就近計算處理，避免了傳輸時延大影響服務(wù)質(zhì)量，同時也優(yōu)化了網(wǎng)絡(luò)路由策略。此外思科及IDC分別估計，未來將有超過70%～75%的數(shù)據(jù)在網(wǎng)絡(luò)邊緣就可處理[6](見圖2)。這將對未來的云數(shù)據(jù)中心運(yùn)行模式、網(wǎng)絡(luò)流量模型產(chǎn)生重大改變。到2025年，麥肯錫預(yù)計邊緣計算的價值將會增加至1 750億～2 150億美元[7]。

因此，從上面事例可以看到，邊緣計算與算力網(wǎng)絡(luò)的融合，是未來發(fā)展新型航天智慧云架構(gòu)的發(fā)展趨勢。

2 航天智慧云對算力網(wǎng)絡(luò)的需求

航天智慧云服務(wù)目前采用“云計算中心+有線專網(wǎng)接入”模式，面向當(dāng)前階段多種類型用戶需求，能提供性能很好的計算存儲服務(wù)和高速的網(wǎng)絡(luò)接入條件。但是，隨著大數(shù)據(jù)、人工智能應(yīng)用的發(fā)展，連接的智能設(shè)備終端類型與數(shù)量增多，需處理的數(shù)據(jù)量劇增、對實時性要求會更高，如遠(yuǎn)程控制、無人測試、AR/VR 等新型測試手段也將不斷涌現(xiàn)，必然對現(xiàn)有智慧云服務(wù)的計算存儲、網(wǎng)絡(luò)傳輸性能、低時延抖動等能力提出更高要求。未來應(yīng)用服務(wù)將對算力網(wǎng)絡(luò)從以下幾個方面提出新需求。

(1)計算存儲能力。對于用戶處理業(yè)務(wù)應(yīng)用，只需要應(yīng)用以低成本高效率完成數(shù)據(jù)處理，并不在意數(shù)據(jù)處理的地點。若智慧云服務(wù)架構(gòu)采用云數(shù)據(jù)中心的模式，數(shù)據(jù)處理效率低，主要受限于網(wǎng)絡(luò)傳輸質(zhì)量和云中心的處理能力；采用算力網(wǎng)絡(luò)的架構(gòu)，計算任務(wù)可分配到多個資源空閑的邊緣云來處理，傳輸帶寬減少了擁塞，數(shù)據(jù)處理效率將大為提升。同時，存儲能力在數(shù)據(jù)處理過程中也很重要，在很大程度上會影響計算機(jī)的處理速率。

(2) 網(wǎng)絡(luò)傳輸性能。網(wǎng)絡(luò)性能是提升實時性業(yè)務(wù)服務(wù)質(zhì)量(QoS)方面的重要指標(biāo)。傳統(tǒng)云服務(wù)模式下，無法對不同業(yè)務(wù)流數(shù)據(jù)均按最優(yōu)先計算處理。在算力網(wǎng)絡(luò)中，針對不同種類的業(yè)務(wù)流，可以采用NFV的模式，在邊緣節(jié)點上增加傳輸優(yōu)化模塊，采用專有協(xié)議、優(yōu)化路由策略，靈活調(diào)度網(wǎng)絡(luò)資源以滿足不同業(yè)務(wù)對時延和抖動的需求。

(3) 網(wǎng)絡(luò)接入方式增加。未來航天科研活動使用的移動終端會增加，導(dǎo)致對無線接入方式需求會增多。隨著物聯(lián)網(wǎng)的發(fā)展，海量傳感器需要傳輸處理數(shù)據(jù)。算力網(wǎng)絡(luò)中融入5G技術(shù)，利用5G技術(shù)有低時延、大帶寬的特點，將5G接入作為航天智慧云服務(wù)的重要補(bǔ)充，增加了智能終端接入云的類型。

(4)業(yè)務(wù)體驗服務(wù)能力。集中式的云服務(wù)模式下，各種應(yīng)用(如文件存儲、自動辦公、視頻會議等)都部署在云中心，當(dāng)有用戶距離云中心較遠(yuǎn)時，則存在因為網(wǎng)絡(luò)時延大，丟包數(shù)增加等因素導(dǎo)致用戶體驗較差。在算力網(wǎng)絡(luò)中，除了計算存儲能力和網(wǎng)絡(luò)性能，編解碼能力、每秒傳輸幀數(shù)(FPS)、吞吐量也是決定業(yè)務(wù)體驗的聯(lián)合能力。因此，利用機(jī)器學(xué)習(xí)的算法，將用戶常訪問的數(shù)據(jù)預(yù)先判斷后緩存至邊緣云存儲，這樣提升了用戶的訪問速度，也降低了整個網(wǎng)絡(luò)帶寬流量。

3 基于算力網(wǎng)絡(luò)的航天智慧云服務(wù)架構(gòu)

3.1 算力網(wǎng)絡(luò)集中式系統(tǒng)架構(gòu)

航天智慧云服務(wù)集中式算力網(wǎng)絡(luò)架構(gòu)下，根據(jù)技術(shù)中心、實驗裝置、測試場區(qū)、保障場區(qū)等不同科研試驗場景的應(yīng)用需求，將網(wǎng)絡(luò)能力與應(yīng)用服務(wù)能力下移到應(yīng)用邊緣。端、邊、云的算力和網(wǎng)絡(luò)資源及節(jié)點信息由集中式編排器NFVO (Network Function Virtualization Orchestrator) 統(tǒng)一管理，集中式編排器調(diào)度全網(wǎng)算力資源和網(wǎng)絡(luò)狀態(tài)，按照應(yīng)用需求，編排最優(yōu)的算力服務(wù)轉(zhuǎn)發(fā)路徑，并下發(fā)至原子算力節(jié)點，提升數(shù)據(jù)傳輸處理效率，為用戶提供現(xiàn)場級、智能化的計算服務(wù)能力，如圖3所示。

圖3 算力網(wǎng)絡(luò)集中式的航天智慧云架構(gòu)

算力資源分別部署于網(wǎng)絡(luò)基礎(chǔ)設(shè)施上，如邊緣計算節(jié)點、數(shù)據(jù)中心等，算力資源節(jié)點與NFVO進(jìn)行垂直交互。應(yīng)用從邊緣節(jié)點接入，集中編排器在感知應(yīng)用的算力和網(wǎng)絡(luò)需求，進(jìn)行路由策略控制，針對典型應(yīng)用NFVO可預(yù)配置后下發(fā)至算力節(jié)點，邊緣節(jié)點對預(yù)配置生成路由信息后，轉(zhuǎn)發(fā)應(yīng)用流量。集中式算力網(wǎng)絡(luò)架構(gòu)對現(xiàn)網(wǎng)設(shè)備和協(xié)議的改動最小，部署周期短。針對非典型應(yīng)用，需要算力網(wǎng)絡(luò)入口節(jié)點通過指令接口向集中編排器通告，增加了應(yīng)用請求響應(yīng)的延遲。

此外，由于接入智慧云節(jié)點增多，傳統(tǒng)集中編排器無法下沉到邊緣，通過輕量級虛擬化VIM(Virtual Infrastructure Manager)部署邊緣編排器，減少邊緣節(jié)點直接與智慧云的集中編排器交互，邊緣云數(shù)據(jù)中心的VIM針對本地可執(zhí)行路由策略編排的應(yīng)用場景，直接下發(fā)編排策略，提升了本地應(yīng)用請求響應(yīng)速度和執(zhí)行效率，起到層次化分擔(dān)流量。

3.2 算力網(wǎng)絡(luò)混合式系統(tǒng)架構(gòu)

在實際網(wǎng)絡(luò)部署中，算力資源節(jié)點向鄰近算力網(wǎng)絡(luò)節(jié)點上報(更新、刪除)算力資源信息、節(jié)點標(biāo)識、算力原子服務(wù)實例標(biāo)識等。算力網(wǎng)絡(luò)節(jié)點通過IGP&BGP路由協(xié)議將本節(jié)點的算力資源狀態(tài)信息洪泛通告至鄰居節(jié)點，達(dá)到全網(wǎng)算力節(jié)點形成統(tǒng)一的算力資源狀態(tài)信息數(shù)據(jù)庫。

算力網(wǎng)絡(luò)分布式架構(gòu)如圖4所示。對于支持同樣算力原子服務(wù)的實例或節(jié)點可能分布在多個算力網(wǎng)絡(luò)轉(zhuǎn)發(fā)節(jié)點管理域內(nèi)，轉(zhuǎn)發(fā)和路由設(shè)備根據(jù)網(wǎng)絡(luò)和算力資源狀態(tài)進(jìn)行全局路由決策，選擇最優(yōu)的算力節(jié)點進(jìn)行應(yīng)用流轉(zhuǎn)發(fā)。由于每個轉(zhuǎn)發(fā)路由設(shè)備均包含全網(wǎng)統(tǒng)一的算力資源狀態(tài)信息數(shù)據(jù)庫，因此可以掌握全網(wǎng)的算力資源信息來指導(dǎo)應(yīng)用流量轉(zhuǎn)發(fā)，不需要NFVO參與，算力服務(wù)響應(yīng)速度更快。分布式算力網(wǎng)絡(luò)架構(gòu)的優(yōu)點是收斂快，特別適合時延敏感應(yīng)用，缺點是對現(xiàn)網(wǎng)設(shè)備和協(xié)議調(diào)整范圍大，改動的周期長。

本文采用一種既有集中式交互機(jī)制又有分布式交互機(jī)制的混合式架構(gòu)，平衡部署代價、收斂速度各方面的需求。在不超過20個左右的網(wǎng)絡(luò)節(jié)點的中小規(guī)模邊緣算力網(wǎng)，算力節(jié)點創(chuàng)建本地算力資源信息數(shù)據(jù)庫，算力資源通告和同步通過分布式協(xié)議IGP&BGP實現(xiàn)。更大范圍的全局算力網(wǎng)絡(luò)資源同步，則由局域網(wǎng)中的代理節(jié)點向中央集中編排器交互，發(fā)揮集中式架構(gòu)調(diào)度全網(wǎng)資源信息的優(yōu)勢，重要的算力節(jié)點比如測試場區(qū)、實驗裝置場區(qū)等，則選擇兩種資源同步方式共存，如圖5所示。

圖4 算力網(wǎng)絡(luò)分布式系統(tǒng)架構(gòu)

圖5 算力網(wǎng)絡(luò)混合式架構(gòu)

4 典型應(yīng)用場景與服務(wù)能力

4.1 虛擬組網(wǎng)與優(yōu)化傳輸

針對重大聯(lián)合項目組、新型實驗裝置等需要專用網(wǎng)絡(luò)保障的科研應(yīng)用，在局域網(wǎng)出口處，部署SDN交換機(jī)及邊緣云節(jié)點，加載虛擬智能邊緣網(wǎng)關(guān)(vCPE)，支持WiFi、光纖、以太網(wǎng)接入并可擴(kuò)展支持5G、eMTC、NB-IoT及LoRa等接入方式，實現(xiàn)對各種物聯(lián)網(wǎng)傳感器的接入，對流量進(jìn)行統(tǒng)一管理，控制應(yīng)用流量引入加速虛擬專網(wǎng)，并通過云服務(wù)的形式實現(xiàn)用戶自主管理，如圖6所示。

圖6 基于算力網(wǎng)絡(luò)的虛擬組網(wǎng)

4.2 5G融合接入

現(xiàn)有場區(qū)局域網(wǎng)出于數(shù)據(jù)安全性的考慮，與運(yùn)營商移動網(wǎng)絡(luò)物理隔離，這樣場區(qū)中移動用戶終端產(chǎn)生的4G流量就不會進(jìn)入場區(qū)局域網(wǎng)，但是也導(dǎo)致科研試驗部分應(yīng)用無法直接使用移動網(wǎng)絡(luò)。在5G技術(shù)中，通過聯(lián)通場區(qū)5G基站與邊緣云之間的接口，可以將場區(qū)內(nèi)產(chǎn)生的特定5G流量分流到本地邊緣云，實現(xiàn)流量的“內(nèi)網(wǎng)化”。通過邊5G流量本地分流的方式，將5G應(yīng)用到未來的智慧云中，解決現(xiàn)有網(wǎng)絡(luò)在部分移動應(yīng)用場景中的網(wǎng)絡(luò)性能不足問題。

4.3 航天智慧云應(yīng)用服務(wù)

現(xiàn)有科研云平臺上有大量功能各異的云服務(wù)，用戶通過區(qū)域內(nèi)網(wǎng)進(jìn)行訪問，特別是在長途鏈路環(huán)境下，網(wǎng)絡(luò)帶寬、時延、抖動等因素有可能會導(dǎo)致服務(wù)質(zhì)量不穩(wěn)定。算力網(wǎng)絡(luò)將計算存儲資源下沉到靠近用戶側(cè)的邊緣網(wǎng)絡(luò)，用戶根據(jù)應(yīng)用算力需求可以就近處理信息或者通過NFVO路由決策到最優(yōu)路徑上。同時，在邊緣側(cè)，融合5G的移動接入方式，用戶可以通過各類移動終端，隨時隨地高效訪問智慧云服務(wù)，開展科研試驗工作?？梢蕴峁┮韵聨追N典型的智慧云應(yīng)用服務(wù)，如圖7所示。

圖7 航天智慧云應(yīng)用服務(wù)

(1)AR/VR：移動AR/VR業(yè)務(wù)是一種云、端相結(jié)合的方式，其本質(zhì)是一種交互式在線視頻[8]。在云側(cè)超算平臺完成海量數(shù)據(jù)處理，在邊緣算力點完成圖像渲染和交互，再通過網(wǎng)絡(luò)傳輸給用戶輸入設(shè)備(手機(jī)、PC、PAD、虛擬鍵盤、手柄等),對業(yè)務(wù)進(jìn)行實時操作。

(2)無線辦公：利用邊緣云實現(xiàn)智能設(shè)備管理(如云打印、云投影等)，開展無線辦公。

(3)智慧靶場：根據(jù)5G和人工智能應(yīng)用特點，算力網(wǎng)絡(luò)需同時具備極低傳輸時延和超強(qiáng)算力。智能駕駛、機(jī)械臂、無人加注等是智慧靶場重要組成部分，可通過海量數(shù)據(jù)的訓(xùn)練完成深度學(xué)習(xí)，在特殊環(huán)境下實現(xiàn)遠(yuǎn)程無人化的操控。

(4)視頻會議：利用算力網(wǎng)絡(luò)實現(xiàn)虛擬化視頻會議MCU功能，配合視頻傳輸優(yōu)化服務(wù)，實現(xiàn)高質(zhì)量、可動態(tài)擴(kuò)展的云化視頻會議服務(wù)。在算力網(wǎng)絡(luò)的支撐下，視頻培訓(xùn)、遠(yuǎn)程故障診斷、視頻客戶服務(wù)、在線直播等一系列新興視頻應(yīng)用迅速普及[9]。

(5)存儲同步：根據(jù)用戶訪問趨勢，自主地將智慧云存儲中的高頻訪問數(shù)據(jù)緩存在網(wǎng)絡(luò)邊緣并自動同步更新，提升用戶數(shù)據(jù)訪問速度。

5 結(jié)語

算力網(wǎng)絡(luò)在大數(shù)據(jù)、人工智能背景應(yīng)用下，能夠有效解決云中心與邊緣節(jié)點之間算力調(diào)度，適應(yīng)多種業(yè)務(wù)網(wǎng)絡(luò)性能需求，用戶業(yè)務(wù)體驗得到極大提升，是未來航天智慧云服務(wù)處理大數(shù)據(jù)、連接多種智能終端的發(fā)展趨勢。本文分析了大數(shù)據(jù)、人工智能應(yīng)用的普及給網(wǎng)絡(luò)與計算帶來的挑戰(zhàn)，以及航天智慧云服務(wù)對算力網(wǎng)絡(luò)的需求，結(jié)合現(xiàn)網(wǎng)基礎(chǔ)現(xiàn)狀，提出并闡述了兩種算力網(wǎng)絡(luò)應(yīng)用下的航天智慧云服務(wù)架構(gòu)和特點，并給出其適用的典型應(yīng)用場景與服務(wù)能力。后續(xù)仍需要根據(jù)智慧云服務(wù)運(yùn)行模式的發(fā)展和用戶應(yīng)用需求變化來不斷完善，以適應(yīng)未來多樣化業(yè)務(wù)場景。