試分析面向異構(gòu)算力的網(wǎng)絡(luò)調(diào)度

【摘" 要】 傳統(tǒng)網(wǎng)絡(luò)無法有效地滿足計算密集型應(yīng)用服務(wù)對于資源的實際需求。而算力網(wǎng)絡(luò)作為一種新型的網(wǎng)絡(luò)范式，可以有效整合云計算、邊緣計算以及智能設(shè)備的異構(gòu)計算資源，可以實現(xiàn)高效便捷的網(wǎng)絡(luò)化計算、存儲以及信息的傳輸?；诖?，文章主要分析了面向異構(gòu)算力的網(wǎng)絡(luò)調(diào)度，從網(wǎng)絡(luò)概念及發(fā)展現(xiàn)狀，到面向異構(gòu)算力網(wǎng)絡(luò)傳輸聯(lián)合優(yōu)化方式。

【關(guān)鍵詞】 面向異構(gòu)算力網(wǎng)絡(luò)；調(diào)度；POLYAKHEAVY-βALL梯度下降法

隨著數(shù)據(jù)處理對算力需求的日益增加，傳統(tǒng)的數(shù)據(jù)中心無法有效滿足不同行業(yè)對于算力的需求。而利用云-邊-端的異構(gòu)算力網(wǎng)絡(luò)進行處理，可以有效滿足數(shù)據(jù)處理的實際需求，這也是今后算力網(wǎng)絡(luò)協(xié)同發(fā)展的主要發(fā)展方向。通過異構(gòu)算力網(wǎng)絡(luò)對計算能力進行調(diào)度以及管理，構(gòu)建異構(gòu)數(shù)據(jù)算力網(wǎng)絡(luò)調(diào)度機制，可以有效滿足不同的場景需求。

一、面向異構(gòu)算力網(wǎng)絡(luò)調(diào)度

（一）異構(gòu)算力網(wǎng)絡(luò)概念

計算域網(wǎng)絡(luò)的融合形成了異構(gòu)算力網(wǎng)絡(luò)結(jié)構(gòu)，異構(gòu)算力網(wǎng)絡(luò)主要包括聯(lián)網(wǎng)元素、云網(wǎng)元素以及算網(wǎng)元素。其中聯(lián)網(wǎng)是基礎(chǔ)性網(wǎng)絡(luò)，通過應(yīng)用超低時延技術(shù)以及端到端的網(wǎng)絡(luò)確定性技術(shù)可以有效滿足工業(yè)計算等相關(guān)垂直行業(yè)的實際需求。而云網(wǎng)元素則主要包括智能、云化以及網(wǎng)絡(luò)業(yè)務(wù)快速交付的實現(xiàn)、網(wǎng)絡(luò)智能運維管理、管理與故障檢測等相關(guān)內(nèi)容。算網(wǎng)則主要包括了算力生產(chǎn)、算力調(diào)度以及算力交易三個方面的因素。

（二）計算優(yōu)先網(wǎng)絡(luò)CFN

CFN是基于分布式網(wǎng)絡(luò)結(jié)構(gòu)的計算網(wǎng)絡(luò)融合的新架構(gòu)系統(tǒng)?？梢詫⒂嬎隳芰σ约熬W(wǎng)絡(luò)狀況作為路由信息進行處理，并且將其發(fā)布到網(wǎng)絡(luò)系統(tǒng)中，通過網(wǎng)絡(luò)對報文路由到對應(yīng)的節(jié)點進行計算處理，可以提高網(wǎng)絡(luò)的運行效率。

二、異構(gòu)算力網(wǎng)絡(luò)優(yōu)化模型

（一）通用應(yīng)用服務(wù)模型

通過分析網(wǎng)絡(luò)服務(wù)功能鏈模型以及通用應(yīng)用服務(wù)的模型可以發(fā)現(xiàn)在此鏈狀結(jié)構(gòu)之下，數(shù)據(jù)流主要就是先通過不同的網(wǎng)絡(luò)服務(wù)功能對其進行順序處理，最后達到目的終端。在處理中算力網(wǎng)絡(luò)應(yīng)用服務(wù)主要包括工業(yè)互聯(lián)網(wǎng)、元宇宙以及無人駕駛等場景，對此要做好鏈狀模型的優(yōu)化。通過網(wǎng)絡(luò)節(jié)點為任務(wù)的完成提供計算資源，可以在子任務(wù)中的不同網(wǎng)絡(luò)節(jié)點中進行處理，再利用網(wǎng)絡(luò)路徑進行傳輸處理，到達節(jié)點中，最后，拆分單個子任務(wù)，通過多個網(wǎng)絡(luò)節(jié)點進行協(xié)同處理，可以有效地提供算力網(wǎng)絡(luò)的協(xié)同能力。

（二）面向資源負載隊列模型

在離散時間系統(tǒng)中網(wǎng)絡(luò)節(jié)點進行計算以及傳輸?shù)呢撦d處理中主要通過虛擬隊列模型的方式開展，如圖1所示。

三、面向異構(gòu)算力網(wǎng)絡(luò)傳輸聯(lián)合優(yōu)化方式

算力網(wǎng)絡(luò)屬于全新的網(wǎng)絡(luò)架構(gòu)，在發(fā)展中還是存在異構(gòu)適配、調(diào)度技術(shù)以及算力標(biāo)準(zhǔn)等相關(guān)問題，而為了優(yōu)化算力網(wǎng)絡(luò)，必須做好面向異構(gòu)算力網(wǎng)絡(luò)傳輸聯(lián)合的優(yōu)化方式分析。

（一）POLYAKHEAVY-β ALL梯度下降法

（二）實驗設(shè)置與性能評估

1. 實驗與參數(shù)設(shè)置

通過設(shè)置數(shù)值仿真實驗的方式驗證算法的理論性能，通過INET工具則可以形成一個包括1010個網(wǎng)絡(luò)節(jié)點的異構(gòu)網(wǎng)絡(luò)拓撲結(jié)構(gòu)，根據(jù)節(jié)點設(shè)置則可以將其設(shè)置為三類不同的網(wǎng)絡(luò)節(jié)點，其主要涵蓋服務(wù)提供者、網(wǎng)絡(luò)轉(zhuǎn)發(fā)者以及內(nèi)容消費者。通過搭建小型原型系統(tǒng)的方式對優(yōu)化策略進行對比分析，在原型系統(tǒng)中進行通用服務(wù)系統(tǒng)的設(shè)置，達到仿真分析的目的。

2. 數(shù)值仿真結(jié)果

（1）不同V以及β條件下隊列長度變化

（2）不同V以及β條件下θ變化

（三）原型系統(tǒng)結(jié)果

1. 性能對比

通過三種不同的設(shè)備對比異構(gòu)算力網(wǎng)絡(luò)系統(tǒng)的性能。在原型系統(tǒng)中生產(chǎn)虛擬視頻性能，藍色虛線表示長度與運行的時間關(guān)系。綠色、紅色虛線以及黃色標(biāo)記則表示三臺臺式工作站的性能，如圖2所示.

2. 發(fā)送速率以及系統(tǒng)總效用

通過實驗發(fā)現(xiàn)速率會隨著算法迭代而出現(xiàn)變化，其相對較為穩(wěn)定，可以快速地收斂，到達穩(wěn)定值，在穩(wěn)定數(shù)值附近進行波動，總體的波動振幅也較??；在測試環(huán)境中受到外界因素的綜合影響，其具有不確定性的特征，在處理中收斂較為困難，而通過分析累積平均值則可以發(fā)現(xiàn)其理論數(shù)值由于測試結(jié)果，但是二者沒有顯著的差異。隨著時間的累積，其測試獲得的數(shù)值逐漸達到理論數(shù)值。表明此方法在原型系統(tǒng)環(huán)境中具有一定穩(wěn)健性。

3. 總效用隨算法迭代變化狀況

通過分析實驗數(shù)據(jù)可以發(fā)現(xiàn)，算法在原型系統(tǒng)中整體上來說具有較大的振幅，其累積均值會逐漸平穩(wěn)，達到理論數(shù)值?？梢源_定系統(tǒng)總效用U通過原型系統(tǒng)實驗分析其具體較為顯著的穩(wěn)健性。

（四）負載對比

應(yīng)用HEAVY-βALL方法對四種高性能服務(wù)器以及臺式工作站、筆記本電腦中的工作負載進行對比分析，可以發(fā)現(xiàn)其整體分配較為均勻。其在處理中主要應(yīng)用動量概念算法，在分配過程中可以對各臺設(shè)備在運行中的負載狀況進行系統(tǒng)的分析，也會綜合分析工作狀態(tài)中的負載變化速率，達到預(yù)測分析的目的。

（五）下載性能對比

通過分析四種優(yōu)化算法在平均下載時間、卡頓時間以及評價視頻碼率、資源消耗等性能，可以發(fā)現(xiàn)HEAVY-βALL算法的各項性能均顯著優(yōu)異，其具體如圖4所示。

四、結(jié)束語

異構(gòu)算力網(wǎng)絡(luò)的融合調(diào)度在本質(zhì)上來說就是一種將網(wǎng)絡(luò)與算力融合的技術(shù)手段，通過將不同類型的算力資源進行整合，將其高效率、精準(zhǔn)地調(diào)度到有需求的資源節(jié)點之上，滿足其實際運行的不同需求。異構(gòu)算力網(wǎng)絡(luò)調(diào)度技術(shù)其主要包括分析感知用戶的需求以及全網(wǎng)的算力網(wǎng)絡(luò)資源、編排以及路由策略等。而通過基于波利亞中重球法的梯度下降算法進行優(yōu)化分析，通過數(shù)值仿真測試以及原型系統(tǒng)實驗的方式進行驗算，則可以確定此算法在服務(wù)性能以及資源系統(tǒng)開銷等方面具有顯著的優(yōu)勢。對此，在實踐中要基于異構(gòu)算力網(wǎng)絡(luò)的融合調(diào)度，對其進行系統(tǒng)優(yōu)化，在實際的應(yīng)用環(huán)節(jié)中合理部署，這樣才可以創(chuàng)造更大的社會以及商業(yè)效益。

參考文獻：

［1］ 姜海洋，李勇. 端邊云場景下的算力度量方法［J］. 電信工程技術(shù)與標(biāo)準(zhǔn)化，2023，36（07）：79-83.

［2］ 張慷，桑潔麗，吳美希. 面向異構(gòu)算力網(wǎng)絡(luò)調(diào)度的研究［J］. 信息通信技術(shù)與政策，2023，49（05）：42-47.

［3］ 賴鋮，韓佳容，王暉. MSAdapter：面向異構(gòu)AI算力的深度學(xué)習(xí)框架代碼高效轉(zhuǎn)換工具［J］. 人工智能，2023（03）：18-25.