0 引言

    隨著5G移動通信技術的快速發(fā)展，移動通信用戶數(shù)量增加,，業(yè)務需求逐漸呈現(xiàn)多樣化的趨勢,。為滿足未來用戶和業(yè)務的差異化需求，運營商需要合理設計網(wǎng)絡管理系統(tǒng),，根據(jù)不同業(yè)務的需求可以實現(xiàn)靈活快速部署,，以提高網(wǎng)絡管理效率,。網(wǎng)絡管理^[1]是向用戶提供一定標準質量的業(yè)務而對網(wǎng)絡進行初始化、監(jiān)視,、分析和控制等行為的總稱^[2],。網(wǎng)絡管理系統(tǒng)通過收集網(wǎng)絡狀態(tài)反饋信息，根據(jù)網(wǎng)絡中所發(fā)生的情況,，映射為對于網(wǎng)絡物理鏈路的設計并結合調度算法實現(xiàn)網(wǎng)絡鏈路自動化調整,，生成合理的網(wǎng)絡改善建議。網(wǎng)絡管理系統(tǒng)廣泛應用于交通,、金融,、應急、警力一線,、云GIS^[3],、視頻音頻等各行業(yè)。建立可靠的網(wǎng)絡管理系統(tǒng)能夠有效利用網(wǎng)絡資源,，降低運營成本,，提供高質量的服務。

    基于意圖的網(wǎng)絡(Intent-based Network,，IBN)由美國LENROW D在2015年提出,，是一種目前在世界范圍內(nèi)引起熱議的新型網(wǎng)絡架構。2017年Gartner提出的關于IBN的定義^[4]并概括為4個關鍵部分：翻譯和驗證,、自動實施,、對網(wǎng)絡狀態(tài)的了解和保證以及動態(tài)優(yōu)化/補救。IBN實現(xiàn)了從意圖到特定基礎設施的自動轉化,，不需要人工干預就能夠監(jiān)控網(wǎng)絡的整體性能,、識別問題并自動解決問題。思科的意圖網(wǎng)絡^[5-6]主要包括五個部分：意圖的表達和收集,、轉譯和驗證,、自動化實施、網(wǎng)絡狀態(tài)感知,、自動調優(yōu),。

    本文基于IBN的網(wǎng)絡管理系統(tǒng)架構，提出一種快速調度算法,，并在MATLAB仿真平臺中實現(xiàn)和驗證,。快速調度算法的實現(xiàn),，將網(wǎng)絡智能化技術和管理調度系統(tǒng)相結合,，實現(xiàn)對網(wǎng)絡資源的自動化管理和任務的快速調度，改變了傳統(tǒng)網(wǎng)絡資源的調度以及業(yè)務的部署需要大量人工手動實施的情況,，面對5G時代數(shù)量和種類龐大的網(wǎng)絡業(yè)務,，運營商可以實現(xiàn)高效的網(wǎng)絡管理和快速業(yè)務部署,。

1 基于IBN的網(wǎng)絡管理架構

1.1 網(wǎng)絡管理調度系統(tǒng)架構

    基于意圖的網(wǎng)絡是基于用戶意圖去構建和操作網(wǎng)絡的閉環(huán)系統(tǒng)，提供網(wǎng)絡基礎設施全生命周期的管理,，包括網(wǎng)絡設計,、實施、配置和運維,，可提升網(wǎng)絡可用性和敏捷性^[5],。IBN網(wǎng)絡以用戶意圖為導向進行統(tǒng)一管控，在大規(guī)模的網(wǎng)絡管理與運營中實現(xiàn)將用戶的業(yè)務策略（用戶意圖）轉換為網(wǎng)絡配置,，并在網(wǎng)絡模型上驗證配置是否能滿足業(yè)務策略,，驗證完成后通過自動化配置或網(wǎng)絡智能編排完成基礎設施上的配置^[6]。IBN自動化配置不關注底層網(wǎng)絡差異,，由API向底層設備下發(fā)驗證的意圖配置,。IBN網(wǎng)絡架構如圖1所示。

    在IBN網(wǎng)絡架構的基礎上,，設計了基于意圖網(wǎng)絡的網(wǎng)絡管理調度系統(tǒng)架構,，如圖2所示。網(wǎng)絡管理調度系統(tǒng)主要由應用層,、IBN網(wǎng)絡層、編排管控層和基礎設施層構成,。其中,，應用層主要擬定下發(fā)業(yè)務；IBN網(wǎng)絡層結合大數(shù)據(jù)庫將收集的用戶意愿轉譯成可調整的網(wǎng)絡參數(shù)和相關的基礎設施調整策略,，并對意圖命令進行分析驗證,；編排管控層實現(xiàn)編排管理的自動化實施和快速調度；基礎設施層則是由一些可以調整的網(wǎng)元設備和管理模塊構成,，主要負責數(shù)據(jù)轉發(fā),。

1.2 IBN網(wǎng)絡層設計

    IBN網(wǎng)絡層實現(xiàn)將用戶業(yè)務部署意圖轉化成標準網(wǎng)絡配置信息并對其進行網(wǎng)絡參數(shù)驗證。IBN網(wǎng)絡層主要由意圖收集組件,、意圖轉譯組件和意圖驗證組件3個模塊構成,，其結構如圖3所示。

    意圖收集組件主要收集用戶網(wǎng)絡業(yè)務部署意圖,，根據(jù)常見的網(wǎng)絡標準問題,，將用戶意圖轉換為標準的網(wǎng)絡數(shù)據(jù)信息。意圖收集組件的功能：(1)接收網(wǎng)絡應用層的用戶反饋信息,，即用戶意圖,；(2)根據(jù)歷史處理數(shù)據(jù)形成用戶意圖和網(wǎng)絡標準術語映射關系網(wǎng)；(3)結合映射關系網(wǎng)將用戶意圖轉化為常見網(wǎng)絡問題,，并進行分類匯總,。

    轉譯組件將總結的網(wǎng)絡意圖轉譯為可實現(xiàn)的網(wǎng)絡任務,，生成任務處理數(shù)據(jù)塊，進行任務傳遞和下發(fā),。任務數(shù)據(jù)塊應包含：網(wǎng)絡任務類型,、網(wǎng)絡任務所屬層級、網(wǎng)絡處理優(yōu)先級,、預估網(wǎng)絡處理時間等,。這里的預處理時間包括響應時間和要求服務時間，關系到網(wǎng)絡處理的優(yōu)先權的計算,。轉譯組件功能有：(1)網(wǎng)絡任務類型,，如網(wǎng)絡監(jiān)控、網(wǎng)絡故障,、業(yè)務配置,、工程變更等；(2)任務所屬網(wǎng)絡層級,，包括物理層問題,、數(shù)據(jù)鏈路層問題、網(wǎng)絡層問題,、運輸層問題,、應用層問題；(3)網(wǎng)絡緊急程度,，包括一般,、緊急、立刻處理等,；(4)網(wǎng)絡預處理時間,，根據(jù)經(jīng)驗模型獲取。

    驗證組件將實現(xiàn)對于網(wǎng)絡處理的驗證和經(jīng)驗模型的修正過程,，針對不同的網(wǎng)絡任務,，抽樣實現(xiàn)并計算任務分析準確性，任務實現(xiàn)過程中,，不算調整經(jīng)驗模型參數(shù),，當準確性低于某個閾值時，重新進行分析,。驗證組件功能有：(1)對同等級網(wǎng)絡任務抽樣實現(xiàn),，在數(shù)據(jù)庫進行存儲；(2)計算任務分析,；(3)修改經(jīng)驗模型和數(shù)據(jù)庫,。

2 調度算法分析

    圖4所示為基于IBN網(wǎng)絡管理架構下的調度模型，分為三個部分：用戶意圖層、IBN轉化層和任務調度層,，本文的調度算法是基于任務調度層實現(xiàn)的,。

2.1 IBN資源分配層

    由于網(wǎng)絡任務由一個一個的任務單元組成，每一個任務根據(jù)其對網(wǎng)絡的影響程度的不同,，其處理的優(yōu)先級就會有所不同,。因此當面對一個龐大的任務處理問題時，把任務作為一個可離散化處理的變量,，離散化為多個小任務,，與此同時任務處理機的處理資源也離散化處理，要把主要資源用于處理關鍵重要的緊急任務,。

    其中任務優(yōu)先級依據(jù)任務等級分配,，r_s為資源剩余率，因此為了保證網(wǎng)絡始終平穩(wěn)運行且保證網(wǎng)絡資源最大化調度,，需要滿足式(1)～式(3)^[7]：

其中,，S是整個處理單元的集合，R_s為所有處理單元s的處理效率,；U是任務處理單元的集合,，r_u為單個任務單元u實際獲得的處理資源，R為處理機所能提供的總的處理資源,。

    任務處理機資源也要離散化處理,，這樣高效的調度算法才能準確高效實施。

2.2 任務調度層

    對于不同的任務單元,，假定任務處理速度相同且始終保持最大為v_max,。定義q_u為每個任務單元的體驗質量，ρ_u為每個任務單元的實際優(yōu)先級,如式(4)～式(9)^[7]所示,。

其中,，n為任務單元的序號,，T_n為任務所需處理時間,，T_u為任務實際處理時間，r_u為任務單元實際獲得的處理資源,，r_n為任務理論上應該得到的滿足最佳服務所需的處理資源,，R為系統(tǒng)所能提供的總的處理資源。所有任務單元的服務質量之和為Q,，所有任務的處理時間之和為T,，E(Q)定義為平均服務質量，如式(10),、式(11)^[7]所示：

2.3 多級任務調度算法分析

    網(wǎng)絡任務由一個一個的小任務組成,，每一個任務根據(jù)其對網(wǎng)絡的影響程度的不同，其處理的優(yōu)先級就會有所不同。離散化處理要把主要資源用于處理關鍵重要的緊急任務,，而不是先來先處理,，這樣高效的調度算法才能準確高效實施。

    根據(jù)不同隊列的優(yōu)先級賦予各個隊列中進程執(zhí)行時間片的大小也各不相同,，圖5所示為多級任務處理算法示意圖,，在優(yōu)先級越高的隊列中，每個進程的運行時間片就越小,。例如,，第2級隊列的時間片要比第1級隊列的時間片長一倍。當一個長進程從第1級隊列依次降到第n級隊列后,，在第n級隊列中采用時間片輪轉的方式運行,。僅當?shù)?級隊列為空時，調度程序才調度第2級隊列中的進程運行,；如果處理機正在執(zhí)行第i級隊列中的某進程時,，又有新進程進入優(yōu)先級較高的隊列(第1~(i-1)中的任何一個隊列)，則此時新進程將搶占正在運行進程的處理機,，即由調度程序把正在運行的進程放回到第i級隊列的末尾,，把處理機分配給新到的更高優(yōu)先級的進程。

    這里還結合現(xiàn)存的兩種調度算法——FCFS算法和短作業(yè)優(yōu)先算法進行比較,。調度算法實施過程如下：

    (1)按網(wǎng)絡任務類型將網(wǎng)絡任務分類,，分配不同的默認初始值，初始值越大,，表示任務重要性越大,，越易優(yōu)先處理。

    (2)結合任務對于網(wǎng)絡的影響程度,，分配初始影響因子,，影響因子越大，對優(yōu)先級的影響越大,。

    (3)針對不同的任務信令,，按初始值乘以影響因子，計算網(wǎng)絡優(yōu)先級,，設置多個排隊隊列,。

    (4)處理優(yōu)先級高的隊列按任務量優(yōu)先分配處理資源，低優(yōu)先級獲取固定少量處理資源和剩余處理資源,，當高優(yōu)先級任務量較小時,，低優(yōu)先級才可占用高優(yōu)先級處理資源。

    (5)各個任務信令按照兩種算法分配任務處理概率,，分配的概率越大,，越易優(yōu)先處理。

    (6)隊列不斷更新，當任務信令距離死亡時間(也就是任務截止時間)越近,，任務分配影響因子越大,。

    (7)當任務執(zhí)行失敗，調整任務默認初始值,。

2.4 同級任務調度算法分析

    多級調度算法實現(xiàn)了高優(yōu)先級的快速處理,，對于同一優(yōu)先級的任務的處理方法主要有：

    (1)先來先服務算法(First Come First Service，F(xiàn)CFS)：如圖6所示,，按照先進隊列先處理,，直到發(fā)生阻塞后才放棄，當采用該算法時,，每次調度從后備多個任務作業(yè)隊列中各選擇一個或多個最先進入該隊列的任務,，將他們調入內(nèi)存，后為其分配資源,，創(chuàng)建進程,，然后放入就緒隊列。

    (2)短任務優(yōu)先：指對短作業(yè)或短進程優(yōu)先調度的算法,，其實現(xiàn)機制與FCFS相似,，只是任務處理時長越短，處理順序越靠前,。對于同優(yōu)先級的各個任務,，按照短任務優(yōu)先進入就緒隊列的方法，設置就緒隊列,，如圖7所示,。

    本文采用無序最大化的算法，如圖8所示,。該算法的核心思想是有位置即坐,，有空閑處理能力即利用，保證處理機時刻最大負載運行,，實現(xiàn)處理資源利用率的最大化,。假設處理機一次可以處理的資源有限且當某個任務單元超出剩余處理資源時，即為超出處理能力,，處理機拒絕提供服務,。

3 算法仿真與分析

    將不同用戶意圖按任務等級生成任務信令,，并結合多級概率調度算法,，實現(xiàn)了基于意圖網(wǎng)絡的快速調度系統(tǒng)，除此之外將多級概率調度算法和短任務算法相結合,，使得任務處理效率大大提高,，處理時間大大縮短。

    假設處理機一次可以處理任務量為150，按任務等級分配處理資源,，一級分配50,，二級40，三級30,，四級20,，五級10。任務數(shù)為500,，總任務量為2 659,，按照多級任務處理方法處理。

    圖9所示的仿真結果表明,，高優(yōu)先級的任務實現(xiàn)了優(yōu)先處理,，當高優(yōu)先級任務處理完成后，多余的處理能力用來處理低優(yōu)先級的任務,。在多級調度時,，高優(yōu)先級的處理速度較快，相同的任務數(shù)高優(yōu)先級被優(yōu)先處理完,。隨著高優(yōu)先級的處理完成,，處理資源被用于低優(yōu)先級，低優(yōu)先級的任務處理速度變快,。

    多級調度算法實現(xiàn)了高優(yōu)先級的快速處理,，但是對于同優(yōu)先級的任務，如何處理才能實現(xiàn)高效是要考慮的另一個問題,。下面對此進行了詳細的探究,。

    假設總任務量為573，圖10所示為同級任務處理算法運行對比情況,，可以看出無序最大化的任務處理方法可以實現(xiàn)任務的快速處理,。同等級任務處理有優(yōu)化的空間，對于同等級任務,，無需最大化處理實現(xiàn)的效率的提升,，近15 s左右。

    圖11反映了同等級任務處理的任務剩余量與處理時間的關系,。由圖可以看出,，短任務優(yōu)先在一定時間內(nèi)實現(xiàn)了任務數(shù)的快速下降，但是當短任務處理完成時,，處理速度發(fā)生大幅下降,，無序最大化的處理方法整體上實現(xiàn)了最優(yōu)。

    圖12所示為多級調度和同級調度算法的比較,，通過分析發(fā)現(xiàn),，將資源多級調度多級處理在實現(xiàn)任務處理上表現(xiàn)出優(yōu)越性,，在快速處理資源調度上具有明顯的優(yōu)勢。

4 結論

    本文基于IBN的網(wǎng)絡架構提出了網(wǎng)絡管理系統(tǒng),，面對5G網(wǎng)絡下數(shù)量龐大和種類繁多的用戶及網(wǎng)絡業(yè)務需求,，基于該系統(tǒng)對多級調度和同級調度算法作深度研究，通過MATLAB平臺仿真將算法進行實現(xiàn)和對比分析,。通過將不同用戶意圖按任務等級生成任務信令,，結合多級調度算法，實現(xiàn)基于意圖網(wǎng)絡的快速調度系統(tǒng),，將多級調度算法和同級調度算法相結合,，任務處理效率大大提高，處理時間大大縮短,。當優(yōu)先級高的任務較多時,，可能會導致低優(yōu)先級的任務無法快速處理，從而導致低優(yōu)先級任務堆積或者失敗,，故算法有待改進,。

參考文獻

[1] 孟洛明，亓峰.現(xiàn)代網(wǎng)絡管理技術(修訂版)[M].北京：北京郵電大學出版社,，2001.

[2] 王冬.基于任務調度的高適應性適配器的研究與應用[D].北京：北京郵電大學,，2006.

[3] 楊柳.基于云計算的GIS應用模式研究[D].開封：河南大學，2011.

[4] Gartner.Intent-based networking[EB/OL].(2017-02-07)[2019-08-18].https：//blogs.gartner.com/andrew-lerner/2017/02/07/intent-based-networking/.

[5] Veriflow.Intent-based networking：top 10 questions and answers[EB/OL].[2019-08-18].https：//www.veriflow.net/_downloads/Intent-based%20Top%20questions.pdf.

[6] Veriflow.Verification and intent-based networking：closing the control looph[EB/OL].(2017-07-11)[2019-08-18].https：//www.veriflow.net/verification-intent-based-networking-closing-control-loop/.

[7] 陳強,，劉彩霞,，李凌書.基于改進式貪婪算法的5G網(wǎng)絡切片動態(tài)資源調度策略[J].網(wǎng)絡與信息安全學報，2018,，4(7)：60-68.

作者信息:

王海寧,，賈  鵬，曹宇詩,，楊馥聰,，裴天天，曾  宇

(中國電信股份有限公司戰(zhàn)略與創(chuàng)新研究院新興信息技術研究所 網(wǎng)絡AI研究中心,，北京102209)