算力網(wǎng)絡(luò)場景需求及算網(wǎng)融合調(diào)度機制探討

莫益軍

華中科技大學(xué)計算機科學(xué)與技術(shù)學(xué)院 武漢 430074

引言

近年來隨著大數(shù)據(jù)治理、智慧城市、智能制造、自動/遠程駕駛、AR/VR/XR導(dǎo)航和區(qū)塊鏈共識等新一代信息技術(shù)應(yīng)用的蓬勃發(fā)展，新型計算模式層出不窮，算力資源需求日益旺盛，驅(qū)動數(shù)據(jù)中心高速發(fā)展。截至2022年初，我國已建成數(shù)據(jù)中心500萬標準機架，整體算力達到130EFLOPS。受限于算力需求差異、網(wǎng)絡(luò)傳輸性能和算力成本質(zhì)量，國內(nèi)數(shù)據(jù)中心的平均利用率僅為55%左右。為降低能耗和算力成本，微軟和臉書選擇在海底或北極建設(shè)數(shù)據(jù)中心，阿里、騰訊、百度和華為等也選擇在云貴等西部地區(qū)建設(shè)數(shù)據(jù)中心?？紤]到能源就近供給算力的大趨勢，及能源供給分布和算力需求不均衡的現(xiàn)狀，我國“東數(shù)西算”戰(zhàn)略通過八大算力樞紐節(jié)點和十個數(shù)據(jù)中心集群，建立一體化大數(shù)據(jù)中心體系。在此跨地理空間的數(shù)據(jù)中心集群上提供算力的服務(wù)有強管道、強平臺和算力網(wǎng)絡(luò)三種模式。前兩種模式的算力協(xié)同調(diào)度挑戰(zhàn)在于算力資源選擇、底層網(wǎng)絡(luò)擁塞調(diào)度及服務(wù)時延保障。而算力網(wǎng)絡(luò)模式基于軟件定義網(wǎng)絡(luò)、IPv6+和路由強化等機制，通過弱平臺強網(wǎng)絡(luò)實現(xiàn)分布式路由資源協(xié)同調(diào)度，將顛覆傳統(tǒng)數(shù)據(jù)中心資源集中調(diào)度和邊緣卸載緩存的服務(wù)模式。

為促進算力網(wǎng)絡(luò)的快速發(fā)展，CCSA成立了算網(wǎng)融合技術(shù)推進委員會、TC614算力網(wǎng)絡(luò)特別工作組、TC3算力網(wǎng)絡(luò)標準工作組，對算力網(wǎng)絡(luò)應(yīng)用場景、技術(shù)要求、技術(shù)方案、控制器、交易平臺、標識解析、編排管理、度量與建模等方面展開研究。國際電信聯(lián)盟電信標準分局(ITU-T)和IMT-2030(6G)推進組開展了算力網(wǎng)絡(luò)需求、框架與架構(gòu)等標準化工作。中國聯(lián)通算力網(wǎng)絡(luò)產(chǎn)業(yè)技術(shù)聯(lián)盟、“東數(shù)西算”產(chǎn)業(yè)聯(lián)盟和寬帶論壇(Broadband Forum，BBF)等聯(lián)盟也就算力網(wǎng)絡(luò)體系架構(gòu)、功能模塊、接口定義和部署落地展開研究協(xié)作[1]。

學(xué)術(shù)界對算力網(wǎng)絡(luò)的研究可追溯自2013年的B4系統(tǒng)[2]，通過路由代理進行Qugga控制器和OpenFlow交換機的連接，完成路由更新，協(xié)議報文轉(zhuǎn)發(fā)和接口更新，實現(xiàn)跨數(shù)據(jù)中心之間的算力服務(wù)協(xié)作。在此基礎(chǔ)上，學(xué)術(shù)界提出了覆蓋層任務(wù)分解和算力映射方案、網(wǎng)絡(luò)底層路由協(xié)議擴展方案、跨層的統(tǒng)一計算網(wǎng)絡(luò)控制方案。各類方案從不同角度出發(fā)，各有優(yōu)缺點，在網(wǎng)絡(luò)開銷、服務(wù)延時和服務(wù)質(zhì)量上表現(xiàn)也各不相同。

1 算力網(wǎng)絡(luò)概念澄清

算力網(wǎng)絡(luò)自2019年在通信業(yè)內(nèi)提出以來，其名詞、定義、內(nèi)涵和外延并未達成共識。從其內(nèi)涵范圍自小到大來看，IETF和華為將算力網(wǎng)絡(luò)(Computing First Network，CFN1)定義為面向計算與網(wǎng)絡(luò)融合的新架構(gòu)、新協(xié)議和新技術(shù)，定位于網(wǎng)絡(luò)層之上的計算任務(wù)動態(tài)路由能力，根據(jù)業(yè)務(wù)需求，基于實時的計算資源性能、網(wǎng)絡(luò)性能、成本等多維因素，動態(tài)、靈活地計算任務(wù)調(diào)度框架；中國電信將算力網(wǎng)絡(luò)(Computing Power Network，CPN)定義為一種根據(jù)業(yè)務(wù)需求，在云、網(wǎng)、邊之間按需分配和靈活調(diào)度計算資源、存儲資源以及網(wǎng)絡(luò)資源的新型信息基礎(chǔ)設(shè)施[3]；中國聯(lián)通的算力網(wǎng)絡(luò)(CFN1/CPN)由云網(wǎng)協(xié)同演進而來的服務(wù)于算網(wǎng)協(xié)同和算網(wǎng)一體化需求的一體化新型網(wǎng)絡(luò)架構(gòu)，包括AI網(wǎng)絡(luò)聯(lián)接服務(wù)、用戶數(shù)據(jù)算力聯(lián)接網(wǎng)絡(luò)、城域光網(wǎng)和5G URLLC網(wǎng)絡(luò)、算力服務(wù)新型網(wǎng)絡(luò)設(shè)備和超融合設(shè)備[4]；中國移動的算力網(wǎng)絡(luò)(Computing Force Network，CFN2)是以算力為中心、以網(wǎng)絡(luò)為根基的網(wǎng)、云、數(shù)、智、安、邊、端、鏈(ABCDNETS)等多要素融合的新型信息基礎(chǔ)設(shè)施，是泛在的“一點接入、即取即用”的社會級服務(wù)[5]。

上述算力網(wǎng)絡(luò)概念定義的不同內(nèi)涵體現(xiàn)了其發(fā)展的不同階段，算力網(wǎng)絡(luò)的發(fā)展將經(jīng)歷網(wǎng)絡(luò)服務(wù)算力(Network for Computing)、網(wǎng)絡(luò)化算力(Networked Computing)和網(wǎng)絡(luò)內(nèi)生算力(Network Intrinsic Computing)三個階段。網(wǎng)絡(luò)服務(wù)算力階段以網(wǎng)絡(luò)為中心，擴展算力登記簽約、編排服務(wù)和尋址路由，實現(xiàn)網(wǎng)絡(luò)對算力的泛在化承載；網(wǎng)絡(luò)化算力階段是面向協(xié)同推理、聯(lián)邦學(xué)習(xí)和區(qū)塊共識等位置分散式計算場景，強化算力任務(wù)和數(shù)據(jù)的調(diào)度協(xié)同，實現(xiàn)網(wǎng)絡(luò)與算力的融合共生；網(wǎng)絡(luò)內(nèi)生算力階段是升級網(wǎng)絡(luò)設(shè)備自身算力，以帶內(nèi)隨路方式在網(wǎng)絡(luò)協(xié)議層面透明地支撐算力場景下的資源動態(tài)選擇、任務(wù)按需調(diào)度、數(shù)據(jù)高效轉(zhuǎn)發(fā)和服務(wù)有界保障，實現(xiàn)算網(wǎng)一體化。

本文將以算力網(wǎng)絡(luò)前兩階段的需求場景入手，探討算力網(wǎng)絡(luò)的路由資源融合調(diào)度通用范式和機制，并對算網(wǎng)一體的網(wǎng)絡(luò)協(xié)議發(fā)展方向進行展望。

2 算力網(wǎng)絡(luò)場景任務(wù)分析

算力網(wǎng)絡(luò)中資源與用戶需求是多樣的，具體包括資源節(jié)點的多樣性、資源歸屬的多樣性，業(yè)務(wù)需求的多樣性和算力類型的多樣性。算力網(wǎng)絡(luò)利用這些多樣性特征綜合選擇滿足業(yè)務(wù)需求與成本支出的最佳算力資源與最優(yōu)算力路徑。

根據(jù)算力場景的時延需求，算力網(wǎng)絡(luò)應(yīng)用場景可分為時延非相關(guān)場景和時延敏感性場景。時延非相關(guān)場景包括后臺加工、離線分析和視頻渲染等場景，對算力資源位置和響應(yīng)時間無明確需求，可遷移卸載至長距離遠端算力資源上運行；時延敏感性場景包括自動駕駛、遠程醫(yī)療、工業(yè)互聯(lián)網(wǎng)、智慧城市和實時量化交易等場景，對響應(yīng)時間有明確的上下界要求，需就近選擇與數(shù)據(jù)生產(chǎn)位置一致的算力資源以滿足其服務(wù)質(zhì)量需求。

根據(jù)算力類型的共性特點，算力網(wǎng)絡(luò)應(yīng)用場景可分為檢索查詢類、渲染交互類、深度學(xué)習(xí)類和區(qū)塊共識類四類場景。檢索查詢類場景包括分布式搜索和推薦服務(wù)等場景，用戶向集中或分布式資源池請求服務(wù)，其算力資源池主要由代數(shù)運算或字符運算類算力組成；渲染交互類場景包括遠程駕駛、遠程醫(yī)療、云游戲和游戲直播等場景，服務(wù)端將圖片視頻推送至離用戶較近的算力資源上進行拼接渲染，其算力資源主要由圖形拼接轉(zhuǎn)換渲染等浮點類算力組成；深度學(xué)習(xí)類場景包括視頻分析、目標檢測、目標跟蹤、智能對話和故障診斷場景，AIoT設(shè)備或用戶將感知數(shù)據(jù)和任務(wù)卸載到云邊資源池進行訓(xùn)練和推理，其算力資源主要由卷積激活池化算子等神經(jīng)網(wǎng)絡(luò)類算力組成；區(qū)塊共識類場景包括分布式賬本、加密貨幣和智能合約等場景，區(qū)塊應(yīng)用利用分布在全網(wǎng)的算力資源建立不可抵賴的共識機制，其算力資源主要由分布式哈希算力組成。各種算力網(wǎng)絡(luò)場景在請求響應(yīng)模式、數(shù)據(jù)帶寬需求、數(shù)據(jù)傳輸方向、參與算力節(jié)點和節(jié)點組網(wǎng)拓撲等特性上表現(xiàn)迥異，具體差異如表1所示。

表1 四種算力場景算力網(wǎng)絡(luò)典型特性差異

探討通用的算網(wǎng)融合調(diào)度機制不僅需考慮網(wǎng)絡(luò)層面的模式特征，還需考慮其算力網(wǎng)絡(luò)工作流水。不失一般性，算力網(wǎng)絡(luò)場景應(yīng)用流程都可抽象為算力發(fā)布簽約、算力任務(wù)匹配和算力路由調(diào)度三個相互依賴的流水。

算力發(fā)布簽約：該流水是算力需求方和算力供給方未形成實際業(yè)務(wù)交互前，算力資源向算力網(wǎng)絡(luò)進行注冊并發(fā)布其能力和成本，算力用戶根據(jù)自身需求與算力資源進行注冊簽約的過程。算網(wǎng)融合調(diào)度受限于用戶簽約的算力資源和算力能力。

算力任務(wù)匹配：該流水是在算力需求方發(fā)起應(yīng)用請求后，根據(jù)場景任務(wù)的算力類型需求，從簽約算力資源及其關(guān)聯(lián)編排資源中匹配資源候選集。

算力路由調(diào)度：該流水是在完成算力任務(wù)預(yù)匹配后，根據(jù)任務(wù)需求，算力服務(wù)資源鏈上的資源狀態(tài)和鏈路狀態(tài)，實時動態(tài)地進行任務(wù)分解、任務(wù)復(fù)制，路由更新和數(shù)據(jù)轉(zhuǎn)發(fā)，實現(xiàn)算網(wǎng)融合的路由資源調(diào)度。

算力發(fā)布簽約與算力任務(wù)匹配流水是算力網(wǎng)絡(luò)運行的前提，本質(zhì)是進行算力資源和網(wǎng)絡(luò)資源的映射解析，直觀來看，可以直接在DNS協(xié)議和解析映射機制之上擴展實現(xiàn)相應(yīng)流程。算力路由調(diào)度流水中算力任務(wù)執(zhí)行是在應(yīng)用層或覆蓋層完成，任務(wù)執(zhí)行過程中的數(shù)據(jù)傳輸交換有覆蓋層(Overlay)和底層(Underlay)兩類方案。Overlay方案與特定應(yīng)用相關(guān)，數(shù)據(jù)復(fù)制冗余度高，底層鏈路擁塞概率較高。Underlay方案涉及到底層路由協(xié)議擴展，需兼顧協(xié)議的前后兼容性和普適性。本文以現(xiàn)有協(xié)議改動最小為原則，重點探討應(yīng)用層任務(wù)分解分發(fā)與Underlay路由優(yōu)化和報文復(fù)制消除相結(jié)合的算網(wǎng)融合調(diào)度機制。

3 算網(wǎng)融合調(diào)度技術(shù)現(xiàn)狀

算力網(wǎng)絡(luò)目標在于采用云網(wǎng)融合、可編程網(wǎng)絡(luò)、算力感知、算力編排和算力路由等技術(shù)，提高地域分散的異構(gòu)算力資源的整體利用率，降低算力運營成本和開銷。

算網(wǎng)融合調(diào)度框架方面：ITU-T Y.2501提供了典型的算力網(wǎng)絡(luò)系統(tǒng)框架，該框架包括算力網(wǎng)絡(luò)資源層、算力網(wǎng)絡(luò)控制層、算力網(wǎng)絡(luò)服務(wù)層和算力網(wǎng)絡(luò)編排管理。算力網(wǎng)絡(luò)編排和管理負責(zé)算力網(wǎng)絡(luò)的編排、安全、建模、操作維護管理；算力網(wǎng)絡(luò)服務(wù)層負責(zé)用戶資源需求處理和平臺與資源節(jié)點交易；算力網(wǎng)絡(luò)控制層負責(zé)從資源層收集信息，提供給服務(wù)層進行可編程處理，實現(xiàn)資源預(yù)留和網(wǎng)絡(luò)連接；算力網(wǎng)絡(luò)資源層包括算力網(wǎng)絡(luò)中的服務(wù)器、交換機和路由器等多種資源。各層相互協(xié)作，為用戶提供多樣化的服務(wù)模式，保證資源的最優(yōu)化配置。網(wǎng)絡(luò)5.0創(chuàng)新聯(lián)盟算力網(wǎng)絡(luò)工作小組提出了基于DNS的OverLay架構(gòu)。IETF提出分布式方案架構(gòu)。中國電信的算力網(wǎng)絡(luò)架構(gòu)分為應(yīng)用層、算力資源調(diào)度平臺層和路由層。該框架以算力資源調(diào)度中心擁有全局資源信息為前提，其中應(yīng)用層完成算力的分解和申請，算力資源調(diào)度平臺層完成算力的分配，路由層完成算力轉(zhuǎn)發(fā)。

算網(wǎng)融合路由方面，算力資源節(jié)點通過擴展BGP和OSPF等路由協(xié)議在路由信息中宣告算力類型和可用量等算力資源信息，其他網(wǎng)絡(luò)節(jié)點轉(zhuǎn)發(fā)收到的算力資源公告，邊緣網(wǎng)絡(luò)節(jié)點收到用戶請求后根據(jù)算力資源視圖智能選擇算力資源節(jié)點，計算算力路由，其路由要求滿足帶寬、路徑和時延等確定性需求。

學(xué)術(shù)界對算力網(wǎng)絡(luò)的研究可追溯自2013年的B4系統(tǒng)[5]，為提高跨數(shù)據(jù)中心之間協(xié)作的鏈路利用率，B4系統(tǒng)在集群間引入BGP/ISIS協(xié)議，通過路由代理進行Qugga控制器和OpenFlow交換機的連接，完成路由更新，協(xié)議報文轉(zhuǎn)發(fā)和接口更新，將應(yīng)用流拆分到多條路徑上，以均衡應(yīng)用負載和應(yīng)用優(yōu)先級。在此基礎(chǔ)上，DECO[6]和Jupiter[7]等從覆蓋層角度對算力任務(wù)圖進行分解，分別采用HEFT DAG、Pegasus、CIRCE和WAVE等調(diào)度策略將任務(wù)分解映射到相應(yīng)算力網(wǎng)元，覆蓋層采用BGP或OSPF選路，若遇到擁塞重新進行選路。針對覆蓋層調(diào)度存在的變化快、應(yīng)用相關(guān)、擴展性差和容易擁塞等問題，Qroute[8]、OpenPATH[9]和SRUF[10]從網(wǎng)絡(luò)底層出發(fā)，對BGP、OSPF、VxLAN和SRv6進行擴展，借助心跳機制來獲取網(wǎng)絡(luò)底層的狀態(tài)變化，并引入時延約束和優(yōu)化調(diào)度策略以提高算力網(wǎng)絡(luò)效率。為進一步提高算力服務(wù)質(zhì)量，UCNC[11]犧牲部分網(wǎng)絡(luò)性能，增加冗余服務(wù)資源，提出面向單播和多播流聯(lián)合優(yōu)化的統(tǒng)一計算網(wǎng)絡(luò)控制機制，針對任意服務(wù)鏈，采用統(tǒng)一算力網(wǎng)絡(luò)控制策略，確定路由和處理節(jié)點位置，并引入報文復(fù)制、路由策略和虛擬排隊機制將任務(wù)和數(shù)據(jù)分發(fā)到特定冗余算力資源。

4 路由資源融合調(diào)度機制

鑒于上述算力網(wǎng)絡(luò)需求和發(fā)展現(xiàn)狀分析，本文算力網(wǎng)絡(luò)路由資源融合調(diào)度機制以對現(xiàn)有協(xié)議改動最小為原則，采用以網(wǎng)絡(luò)為中心任務(wù)觸發(fā)的融合方式，在應(yīng)用層由特定算力任務(wù)完成算力資源發(fā)布和算力任務(wù)預(yù)配，在Underlay擴展BGP和SRv6路由協(xié)議，優(yōu)化DetNet路由協(xié)議和報文復(fù)制消除機制，實現(xiàn)高效的算網(wǎng)融合調(diào)度機制。在此算力網(wǎng)絡(luò)路由資源融合調(diào)度框架下，本節(jié)重點探討算力資源發(fā)布、算力任務(wù)預(yù)配和算網(wǎng)融合調(diào)度的協(xié)議流程。

1)算力資源發(fā)布

由表1所示，各類算力網(wǎng)絡(luò)場景所需算力資源類型相去甚遠，相應(yīng)算力資源運行特性也有較大差異。算力資源入網(wǎng)向算力解析服務(wù)器登記時，借鑒DNS解析映射機制，將算力資源層次抽象后按域名組織規(guī)則和URI規(guī)則進行編碼、注冊和管理。算力資源抽象層次樹，從根結(jié)點向下逐層為算力處理器架構(gòu)、算力資源運算類型、算力預(yù)算模型和算力算子操作等，資源抽象樹的葉子為具體的實例化名稱。入網(wǎng)算力資源可以是已加載具體算力模型的資源，也可以是未運行任何實例的彈性空載資源，相應(yīng)的資源抽象樹缺乏相應(yīng)的層次編碼。

算力解析服務(wù)器登記包括算力資源簇記錄、算力資源交換記錄、算力資源服務(wù)等級記錄、算力資源解析服務(wù)器記錄、算力資源反向記錄和算力資源實例記錄等。其中算力資源簇記錄指定了多個算力資源構(gòu)建成一個簇，簇內(nèi)算力資源共同完成任務(wù)或進行算力資源負載均衡，反映了算力集群和算力組合場景；算力資源交換記錄指定了算力任務(wù)執(zhí)行過程中，用于接力完成任務(wù)，且與其進行數(shù)據(jù)交換的算力資源，反映了算力任務(wù)卸載分解場景；算力資源服務(wù)等級記錄指定了在同類算力資源中提供算力服務(wù)的優(yōu)先級及服務(wù)狀態(tài)；算力資源解析服務(wù)器記錄指定了參與特定算力資源解析的服務(wù)器，避免算力資源解析出現(xiàn)單點故障；算力資源方向記錄則是指定了特定IP地址對應(yīng)的多個算力資源記錄，目的是為在數(shù)據(jù)面進行流表轉(zhuǎn)發(fā)控制時能快速解析所需算力資源類型；算力資源實例記錄則記錄了資源實例名稱與特定IP地址的對應(yīng)關(guān)系，用于算力資源解析和尋址。

算力資源發(fā)布后，必須與用戶簽約后才可提供相關(guān)的算力服務(wù)。用戶可與任意抽象等級的一個或多個算力資源簽約，或按某種規(guī)則與算力網(wǎng)絡(luò)簽約以動態(tài)獲取相關(guān)算力資源。

2)算力任務(wù)預(yù)配

算力任務(wù)預(yù)配是根據(jù)算力資源發(fā)布狀態(tài)和底層網(wǎng)絡(luò)拓撲狀態(tài)成本，在用戶發(fā)起算力任務(wù)時，按算力資源標識最長后綴匹配機制，從算力解析服務(wù)器搜索相應(yīng)可用算力資源列表。然后根據(jù)算力資源列表與用戶間的網(wǎng)絡(luò)拓撲、距離跳數(shù)和算力服務(wù)優(yōu)先級進行綜合排序，生成相應(yīng)算力任務(wù)的多條預(yù)配資源鏈表。算網(wǎng)融合調(diào)度以此預(yù)分配資源鏈表為基礎(chǔ)進行調(diào)度。網(wǎng)絡(luò)拓撲和算力資源發(fā)生變化時，需及時更新算力解析服務(wù)器記錄，避免出現(xiàn)預(yù)匹配資源鏈表失效的情況。

3)算網(wǎng)融合調(diào)度

用戶發(fā)起算力任務(wù)完成預(yù)配后，算力網(wǎng)絡(luò)將根據(jù)用戶實際需求實時動態(tài)進行任務(wù)調(diào)度分發(fā)和數(shù)據(jù)交換轉(zhuǎn)發(fā)。本文以現(xiàn)有協(xié)議改動最小為原則，在應(yīng)用層進行任務(wù)分解和轉(zhuǎn)發(fā)，利用到遠端數(shù)據(jù)中心路徑上的邊、網(wǎng)和云設(shè)備，在底層進行報文復(fù)制消除和路由優(yōu)化，以實現(xiàn)數(shù)據(jù)算力位置匹配的就近調(diào)度，降低算力網(wǎng)絡(luò)資源開銷和算力任務(wù)時延，保證算力服務(wù)質(zhì)量。

為覆蓋更多的算網(wǎng)融合調(diào)度場景，本文以遠程駕駛為例進行探討，尤其是遠程駕駛既涉及到遠程感知視頻的拼接重建和渲染展示，又涉及到在端邊設(shè)備上的目標識別和跟蹤，對請求帶寬、響應(yīng)帶寬和交換帶寬都有較高要求。

如圖遠程駕駛算力網(wǎng)絡(luò)示例中步驟1、2所示，駕駛用戶對車輛進行控制時，駕駛用戶和受控車輛向算力解析服務(wù)器發(fā)起算力資源請求，算力解析服務(wù)器通過路由器A返回渲染重建算力資源列表，通過路由器A、D反饋目標識別跟蹤算力資源列表。

駕駛用戶查看車輛現(xiàn)場畫面時，如步驟3、4所示，根據(jù)反饋的渲染重建算力資源列表，發(fā)起帶算力任務(wù)ID的視頻解碼重建渲染任務(wù)。路由器A收到渲染任務(wù)ID和資源列表后，將任務(wù)轉(zhuǎn)發(fā)至就近邊緣渲染算力。邊緣渲染算力同意接受渲染任務(wù)后，向駕駛用戶返回確認請求。

駕駛用戶以邊緣渲染算力為代理向受控車輛請求現(xiàn)場感知數(shù)據(jù)，如步驟5、6、7所示，邊緣渲染代理發(fā)起帶算力數(shù)據(jù)ID的請求，路由器A收到數(shù)據(jù)ID和受控車輛地址后，采用最短路徑路由，通過路由器D尋址轉(zhuǎn)發(fā)數(shù)據(jù)請求，從受控車輛拉取感知視頻流，完成邊緣渲染任務(wù)，并將渲染結(jié)果推送至駕駛用戶。

若邊緣渲染算力負載過重，算力應(yīng)用發(fā)起帶渲染任務(wù)ID的邊緣渲染算力替換請求，路由器A根據(jù)渲染任務(wù)ID和資源列表，向任務(wù)轉(zhuǎn)發(fā)至路徑上候選邊緣渲染算力，由中心渲染算力替代邊緣渲染算力完成后續(xù)的數(shù)據(jù)拉取和渲染任務(wù)。

當(dāng)?shù)讓泳W(wǎng)絡(luò)感知到路由器A、路由D或A～D間鏈路發(fā)生負載擁塞時，路由器A和路由器D采用擴展BGP協(xié)議重新選路為A-B-C-D。對于更加復(fù)雜跨多自治域路由重選，可采用SRv6路由協(xié)議，在此不再展開。

在此過程中，駕駛用戶還需接受駕駛現(xiàn)場的行人、車輛和標識等實時分析事件。與重建渲染任務(wù)類似，駕駛用戶需發(fā)起帶目標識別跟蹤任務(wù)ID的深度學(xué)習(xí)任務(wù)請求。雖然網(wǎng)絡(luò)中存在A、B、C三個深度學(xué)習(xí)算力，但因重建渲染任務(wù)和目標識別跟蹤任務(wù)請求的數(shù)據(jù)ID相同，存在多任務(wù)共流需求，路由器D在任務(wù)ID和數(shù)據(jù)ID后，由路由器D進行數(shù)據(jù)復(fù)制，并將其轉(zhuǎn)交給深度學(xué)習(xí)算力C進行目標識別跟蹤。

5 總結(jié)展望

本文對算力網(wǎng)絡(luò)場景需求特性進行了分析，并以簡單的遠程駕駛?cè)蝿?wù)為例，討論了算網(wǎng)融合調(diào)度的應(yīng)用層任務(wù)分解和底層網(wǎng)絡(luò)資源融合調(diào)度方案，尤其是舉例說明了算力過載和網(wǎng)絡(luò)擁塞條件下的算網(wǎng)融合調(diào)度機制，以及共流多算力任務(wù)的資源調(diào)度和報文復(fù)制消除機制。對于更加普適的統(tǒng)一算網(wǎng)調(diào)度機制和算網(wǎng)融合路由協(xié)議字段擴展還需更進一步討論?？傮w來說，應(yīng)用層解決算力任務(wù)分解分發(fā)問題，底層網(wǎng)絡(luò)解決路由優(yōu)化和報文復(fù)制消除問題，是最有效且兼容性擴展性最好的算網(wǎng)融合統(tǒng)一調(diào)度機制。