《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 通信與網(wǎng)絡(luò) > 設(shè)計應(yīng)用 > 基于IBN的5G網(wǎng)絡(luò)管理系統(tǒng)的調(diào)度算法研究
基于IBN的5G網(wǎng)絡(luò)管理系統(tǒng)的調(diào)度算法研究
2019年電子技術(shù)應(yīng)用第10期
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(shù)研究所 網(wǎng)絡(luò)AI研究中心,,北京102209
摘要: 隨著5G時代的到來,多種應(yīng)用場景和差異化的業(yè)務(wù)需求不斷涌現(xiàn),對運(yùn)營商網(wǎng)絡(luò)資源和業(yè)務(wù)需求調(diào)度分配的能力提出更高的要求,。通過對5G網(wǎng)絡(luò)新特征的分析,,提出一種基于意圖的網(wǎng)絡(luò)管理調(diào)度系統(tǒng),結(jié)合IBN的網(wǎng)絡(luò)架構(gòu)將多種形式的業(yè)務(wù)意愿收集并翻譯成所需的網(wǎng)絡(luò)操作和配置,,實(shí)現(xiàn)網(wǎng)絡(luò)的快速自動部署實(shí)施,。基于該系統(tǒng)提出了一個快速調(diào)度算法,,對任務(wù)進(jìn)行有效的多級調(diào)度和同級調(diào)度,,仿真實(shí)驗(yàn)表明,基于意圖網(wǎng)絡(luò)的快速調(diào)度系統(tǒng)使得任務(wù)處理效率提高,,任務(wù)調(diào)度處理時間減少,,對于發(fā)生重大事件等通信場景的業(yè)務(wù)需求調(diào)度保障有重要意義。
中圖分類號: TN919
文獻(xiàn)標(biāo)識碼: A
DOI:10.16157/j.issn.0258-7998.190922
中文引用格式: 王海寧,,賈鵬,,曹宇詩,等. 基于IBN的5G網(wǎng)絡(luò)管理系統(tǒng)的調(diào)度算法研究[J].電子技術(shù)應(yīng)用,,2019,,45(10):5-10.
英文引用格式: Wang Haining,Jia Peng,,Cao Yushi,,et al. Research on scheduling algorithm of 5G network management system based on IBN[J]. Application of Electronic Technique,2019,,45(10):5-10.
Research on scheduling algorithm of 5G network management system based on IBN
Wang Haining,,Jia Peng,,Cao Yushi,,Yang Fucong,Pei Tiantian,,Zeng Yu
Network AI Research Center,,Research Institute of Emerging Information Technology, Institute of Strategic and Innovative Research of China Telecom Co.,,Ltd.,,Beijing 102209,,China
Abstract: With the advent of 5G era, a variety of application scenarios and differentiated service requirements are emerging, which puts forward higher requirements for the ability of operators to schedule network resources and service requirements. Based on the analysis of the new features of 5G network, this paper proposes an intent-based network(IBN) management scheduling system. Combined with the network architecture of IBN, various forms of service intentions are collected and translated into the required network operation and configuration, so as to realize the rapid and automatic deployment of the network. A fast scheduling algorithm is proposed based on this system to effectively schedule tasks at multiple levels and peer levels. The simulation experiments show that the fast scheduling system based on IBN improves the task processing efficiency and reduces the task scheduling processing time, which is of great significance to the service requirement scheduling guarantee of communication scenarios such as major events.
Key words : 5G;IBN,;network management,;scheduling algorithm

0 引言

    隨著5G移動通信技術(shù)的快速發(fā)展,移動通信用戶數(shù)量增加,,業(yè)務(wù)需求逐漸呈現(xiàn)多樣化的趨勢,。為滿足未來用戶和業(yè)務(wù)的差異化需求,運(yùn)營商需要合理設(shè)計網(wǎng)絡(luò)管理系統(tǒng),,根據(jù)不同業(yè)務(wù)的需求可以實(shí)現(xiàn)靈活快速部署,,以提高網(wǎng)絡(luò)管理效率。網(wǎng)絡(luò)管理[1]是向用戶提供一定標(biāo)準(zhǔn)質(zhì)量的業(yè)務(wù)而對網(wǎng)絡(luò)進(jìn)行初始化,、監(jiān)視,、分析和控制等行為的總稱[2]。網(wǎng)絡(luò)管理系統(tǒng)通過收集網(wǎng)絡(luò)狀態(tài)反饋信息,,根據(jù)網(wǎng)絡(luò)中所發(fā)生的情況,,映射為對于網(wǎng)絡(luò)物理鏈路的設(shè)計并結(jié)合調(diào)度算法實(shí)現(xiàn)網(wǎng)絡(luò)鏈路自動化調(diào)整,生成合理的網(wǎng)絡(luò)改善建議,。網(wǎng)絡(luò)管理系統(tǒng)廣泛應(yīng)用于交通,、金融、應(yīng)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(luò)管理系統(tǒng)能夠有效利用網(wǎng)絡(luò)資源,,降低運(yùn)營成本,提供高質(zhì)量的服務(wù),。

    基于意圖的網(wǎng)絡(luò)(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(luò)架構(gòu),。2017年Gartner提出的關(guān)于IBN的定義[4]并概括為4個關(guān)鍵部分:翻譯和驗(yàn)證,、自動實(shí)施、對網(wǎng)絡(luò)狀態(tài)的了解和保證以及動態(tài)優(yōu)化/補(bǔ)救,。IBN實(shí)現(xiàn)了從意圖到特定基礎(chǔ)設(shè)施的自動轉(zhuǎn)化,,不需要人工干預(yù)就能夠監(jiān)控網(wǎng)絡(luò)的整體性能、識別問題并自動解決問題,。思科的意圖網(wǎng)絡(luò)[5-6]主要包括五個部分:意圖的表達(dá)和收集,、轉(zhuǎn)譯和驗(yàn)證、自動化實(shí)施、網(wǎng)絡(luò)狀態(tài)感知,、自動調(diào)優(yōu),。

    本文基于IBN的網(wǎng)絡(luò)管理系統(tǒng)架構(gòu),提出一種快速調(diào)度算法,,并在MATLAB仿真平臺中實(shí)現(xiàn)和驗(yàn)證,。快速調(diào)度算法的實(shí)現(xiàn),,將網(wǎng)絡(luò)智能化技術(shù)和管理調(diào)度系統(tǒng)相結(jié)合,,實(shí)現(xiàn)對網(wǎng)絡(luò)資源的自動化管理和任務(wù)的快速調(diào)度,改變了傳統(tǒng)網(wǎng)絡(luò)資源的調(diào)度以及業(yè)務(wù)的部署需要大量人工手動實(shí)施的情況,,面對5G時代數(shù)量和種類龐大的網(wǎng)絡(luò)業(yè)務(wù),,運(yùn)營商可以實(shí)現(xiàn)高效的網(wǎng)絡(luò)管理和快速業(yè)務(wù)部署。

1 基于IBN的網(wǎng)絡(luò)管理架構(gòu)

1.1 網(wǎng)絡(luò)管理調(diào)度系統(tǒng)架構(gòu)

    基于意圖的網(wǎng)絡(luò)是基于用戶意圖去構(gòu)建和操作網(wǎng)絡(luò)的閉環(huán)系統(tǒng),,提供網(wǎng)絡(luò)基礎(chǔ)設(shè)施全生命周期的管理,,包括網(wǎng)絡(luò)設(shè)計、實(shí)施,、配置和運(yùn)維,,可提升網(wǎng)絡(luò)可用性和敏捷性[5]。IBN網(wǎng)絡(luò)以用戶意圖為導(dǎo)向進(jìn)行統(tǒng)一管控,,在大規(guī)模的網(wǎng)絡(luò)管理與運(yùn)營中實(shí)現(xiàn)將用戶的業(yè)務(wù)策略(用戶意圖)轉(zhuǎn)換為網(wǎng)絡(luò)配置,,并在網(wǎng)絡(luò)模型上驗(yàn)證配置是否能滿足業(yè)務(wù)策略,驗(yàn)證完成后通過自動化配置或網(wǎng)絡(luò)智能編排完成基礎(chǔ)設(shè)施上的配置[6],。IBN自動化配置不關(guān)注底層網(wǎng)絡(luò)差異,,由API向底層設(shè)備下發(fā)驗(yàn)證的意圖配置。IBN網(wǎng)絡(luò)架構(gòu)如圖1所示,。

rgzn2-t1.gif

    在IBN網(wǎng)絡(luò)架構(gòu)的基礎(chǔ)上,,設(shè)計了基于意圖網(wǎng)絡(luò)的網(wǎng)絡(luò)管理調(diào)度系統(tǒng)架構(gòu),如圖2所示,。網(wǎng)絡(luò)管理調(diào)度系統(tǒng)主要由應(yīng)用層,、IBN網(wǎng)絡(luò)層、編排管控層和基礎(chǔ)設(shè)施層構(gòu)成,。其中,,應(yīng)用層主要擬定下發(fā)業(yè)務(wù);IBN網(wǎng)絡(luò)層結(jié)合大數(shù)據(jù)庫將收集的用戶意愿轉(zhuǎn)譯成可調(diào)整的網(wǎng)絡(luò)參數(shù)和相關(guān)的基礎(chǔ)設(shè)施調(diào)整策略,,并對意圖命令進(jìn)行分析驗(yàn)證,;編排管控層實(shí)現(xiàn)編排管理的自動化實(shí)施和快速調(diào)度;基礎(chǔ)設(shè)施層則是由一些可以調(diào)整的網(wǎng)元設(shè)備和管理模塊構(gòu)成,,主要負(fù)責(zé)數(shù)據(jù)轉(zhuǎn)發(fā),。

rgzn2-t2.gif

1.2 IBN網(wǎng)絡(luò)層設(shè)計

    IBN網(wǎng)絡(luò)層實(shí)現(xiàn)將用戶業(yè)務(wù)部署意圖轉(zhuǎn)化成標(biāo)準(zhǔn)網(wǎng)絡(luò)配置信息并對其進(jìn)行網(wǎng)絡(luò)參數(shù)驗(yàn)證,。IBN網(wǎng)絡(luò)層主要由意圖收集組件,、意圖轉(zhuǎn)譯組件和意圖驗(yàn)證組件3個模塊構(gòu)成,,其結(jié)構(gòu)如圖3所示。

rgzn2-t3.gif

    意圖收集組件主要收集用戶網(wǎng)絡(luò)業(yè)務(wù)部署意圖,,根據(jù)常見的網(wǎng)絡(luò)標(biāo)準(zhǔn)問題,,將用戶意圖轉(zhuǎn)換為標(biāo)準(zhǔn)的網(wǎng)絡(luò)數(shù)據(jù)信息。意圖收集組件的功能:(1)接收網(wǎng)絡(luò)應(yīng)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(luò)標(biāo)準(zhǔn)術(shù)語映射關(guān)系網(wǎng);(3)結(jié)合映射關(guān)系網(wǎng)將用戶意圖轉(zhuǎn)化為常見網(wǎng)絡(luò)問題,,并進(jìn)行分類匯總,。

    轉(zhuǎn)譯組件將總結(jié)的網(wǎng)絡(luò)意圖轉(zhuǎn)譯為可實(shí)現(xiàn)的網(wǎng)絡(luò)任務(wù),生成任務(wù)處理數(shù)據(jù)塊,,進(jìn)行任務(wù)傳遞和下發(fā),。任務(wù)數(shù)據(jù)塊應(yīng)包含:網(wǎng)絡(luò)任務(wù)類型、網(wǎng)絡(luò)任務(wù)所屬層級,、網(wǎng)絡(luò)處理優(yōu)先級,、預(yù)估網(wǎng)絡(luò)處理時間等。這里的預(yù)處理時間包括響應(yīng)時間和要求服務(wù)時間,,關(guān)系到網(wǎng)絡(luò)處理的優(yōu)先權(quán)的計算,。轉(zhuǎn)譯組件功能有:(1)網(wǎng)絡(luò)任務(wù)類型,如網(wǎng)絡(luò)監(jiān)控,、網(wǎng)絡(luò)故障,、業(yè)務(wù)配置、工程變更等,;(2)任務(wù)所屬網(wǎng)絡(luò)層級,,包括物理層問題、數(shù)據(jù)鏈路層問題,、網(wǎng)絡(luò)層問題,、運(yùn)輸層問題、應(yīng)用層問題,;(3)網(wǎng)絡(luò)緊急程度,,包括一般、緊急,、立刻處理等,;(4)網(wǎng)絡(luò)預(yù)處理時間,根據(jù)經(jīng)驗(yàn)?zāi)P瞳@取,。

    驗(yàn)證組件將實(shí)現(xiàn)對于網(wǎng)絡(luò)處理的驗(yàn)證和經(jīng)驗(yàn)?zāi)P偷男拚^程,,針對不同的網(wǎng)絡(luò)任務(wù),,抽樣實(shí)現(xiàn)并計算任務(wù)分析準(zhǔn)確性,任務(wù)實(shí)現(xiàn)過程中,,不算調(diào)整經(jīng)驗(yàn)?zāi)P蛥?shù),,當(dāng)準(zhǔn)確性低于某個閾值時,重新進(jìn)行分析,。驗(yàn)證組件功能有:(1)對同等級網(wǎng)絡(luò)任務(wù)抽樣實(shí)現(xiàn),,在數(shù)據(jù)庫進(jìn)行存儲;(2)計算任務(wù)分析,;(3)修改經(jīng)驗(yàn)?zāi)P秃蛿?shù)據(jù)庫,。

2 調(diào)度算法分析

    圖4所示為基于IBN網(wǎng)絡(luò)管理架構(gòu)下的調(diào)度模型,分為三個部分:用戶意圖層,、IBN轉(zhuǎn)化層和任務(wù)調(diào)度層,,本文的調(diào)度算法是基于任務(wù)調(diào)度層實(shí)現(xiàn)的。

rgzn2-t4.gif

2.1 IBN資源分配層

    由于網(wǎng)絡(luò)任務(wù)由一個一個的任務(wù)單元組成,,每一個任務(wù)根據(jù)其對網(wǎng)絡(luò)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(dāng)面對一個龐大的任務(wù)處理問題時,,把任務(wù)作為一個可離散化處理的變量,,離散化為多個小任務(wù),與此同時任務(wù)處理機(jī)的處理資源也離散化處理,,要把主要資源用于處理關(guān)鍵重要的緊急任務(wù),。

    其中任務(wù)優(yōu)先級依據(jù)任務(wù)等級分配,rs為資源剩余率,,因此為了保證網(wǎng)絡(luò)始終平穩(wěn)運(yùn)行且保證網(wǎng)絡(luò)資源最大化調(diào)度,,需要滿足式(1)~式(3)[7]

    rgzn2-gs1-2.gif

    rgzn2-gs3.gif

其中,S是整個處理單元的集合,,Rs為所有處理單元s的處理效率,;U是任務(wù)處理單元的集合,ru為單個任務(wù)單元u實(shí)際獲得的處理資源,,R為處理機(jī)所能提供的總的處理資源,。

    任務(wù)處理機(jī)資源也要離散化處理,這樣高效的調(diào)度算法才能準(zhǔn)確高效實(shí)施,。

2.2 任務(wù)調(diào)度層

    對于不同的任務(wù)單元,,假定任務(wù)處理速度相同且始終保持最大為vmax。定義qu為每個任務(wù)單元的體驗(yàn)質(zhì)量,,ρu為每個任務(wù)單元的實(shí)際優(yōu)先級,如式(4)~式(9)[7]所示,。

     rgzn2-gs4-9.gif

其中,n為任務(wù)單元的序號,,Tn為任務(wù)所需處理時間,,Tu為任務(wù)實(shí)際處理時間,,ru為任務(wù)單元實(shí)際獲得的處理資源,rn為任務(wù)理論上應(yīng)該得到的滿足最佳服務(wù)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(wù)單元的服務(wù)質(zhì)量之和為Q,所有任務(wù)的處理時間之和為T,,E(Q)定義為平均服務(wù)質(zhì)量,,如式(10),、式(11)[7]所示:

 rgzn2-gs10-12.gif

2.3 多級任務(wù)調(diào)度算法分析

    網(wǎng)絡(luò)任務(wù)由一個一個的小任務(wù)組成,,每一個任務(wù)根據(jù)其對網(wǎng)絡(luò)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(guān)鍵重要的緊急任務(wù),,而不是先來先處理,這樣高效的調(diào)度算法才能準(zhǔn)確高效實(shí)施,。

    根據(jù)不同隊列的優(yōu)先級賦予各個隊列中進(jìn)程執(zhí)行時間片的大小也各不相同,,圖5所示為多級任務(wù)處理算法示意圖,在優(yōu)先級越高的隊列中,,每個進(jìn)程的運(yùn)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(dāng)一個長進(jìn)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(zhuǎn)的方式運(yùn)行。僅當(dāng)?shù)?級隊列為空時,,調(diào)度程序才調(diào)度第2級隊列中的進(jìn)程運(yùn)行,;如果處理機(jī)正在執(zhí)行第i級隊列中的某進(jìn)程時,又有新進(jìn)程進(jìn)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(jìn)程將搶占正在運(yùn)行進(jìn)程的處理機(jī),,即由調(diào)度程序把正在運(yùn)行的進(jìn)程放回到第i級隊列的末尾,把處理機(jī)分配給新到的更高優(yōu)先級的進(jìn)程,。

rgzn2-t5.gif

    這里還結(jié)合現(xiàn)存的兩種調(diào)度算法——FCFS算法和短作業(yè)優(yōu)先算法進(jìn)行比較,。調(diào)度算法實(shí)施過程如下:

    (1)按網(wǎng)絡(luò)任務(wù)類型將網(wǎng)絡(luò)任務(wù)分類,分配不同的默認(rèn)初始值,,初始值越大,,表示任務(wù)重要性越大,越易優(yōu)先處理,。

    (2)結(jié)合任務(wù)對于網(wǎng)絡(luò)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(wù)信令,,按初始值乘以影響因子,計算網(wǎng)絡(luò)優(yōu)先級,,設(shè)置多個排隊隊列,。

    (4)處理優(yōu)先級高的隊列按任務(wù)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(dāng)高優(yōu)先級任務(wù)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(wù)信令按照兩種算法分配任務(wù)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(dāng)任務(wù)信令距離死亡時間(也就是任務(wù)截止時間)越近,,任務(wù)分配影響因子越大。

    (7)當(dāng)任務(wù)執(zhí)行失敗,,調(diào)整任務(wù)默認(rèn)初始值,。

2.4 同級任務(wù)調(diào)度算法分析

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

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

rgzn2-t6.gif

    (2)短任務(wù)優(yōu)先:指對短作業(yè)或短進(jìn)程優(yōu)先調(diào)度的算法,,其實(shí)現(xiàn)機(jī)制與FCFS相似,只是任務(wù)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(wù),按照短任務(wù)優(yōu)先進(jìn)入就緒隊列的方法,,設(shè)置就緒隊列,,如圖7所示。

rgzn2-t7.gif

    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(jī)時刻最大負(fù)載運(yùn)行,,實(shí)現(xiàn)處理資源利用率的最大化,。假設(shè)處理機(jī)一次可以處理的資源有限且當(dāng)某個任務(wù)單元超出剩余處理資源時,即為超出處理能力,,處理機(jī)拒絕提供服務(wù),。

rgzn2-t8.gif

3 算法仿真與分析

    將不同用戶意圖按任務(wù)等級生成任務(wù)信令,并結(jié)合多級概率調(diào)度算法,,實(shí)現(xiàn)了基于意圖網(wǎng)絡(luò)的快速調(diào)度系統(tǒng),,除此之外將多級概率調(diào)度算法和短任務(wù)算法相結(jié)合,使得任務(wù)處理效率大大提高,,處理時間大大縮短,。

    假設(shè)處理機(jī)一次可以處理任務(wù)量為150,按任務(wù)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(wù)數(shù)為500,,總?cè)蝿?wù)量為2 659,按照多級任務(wù)處理方法處理,。

    圖9所示的仿真結(jié)果表明,,高優(yōu)先級的任務(wù)實(shí)現(xiàn)了優(yōu)先處理,當(dāng)高優(yōu)先級任務(wù)處理完成后,,多余的處理能力用來處理低優(yōu)先級的任務(wù),。在多級調(diào)度時,高優(yōu)先級的處理速度較快,,相同的任務(wù)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(wù)處理速度變快,。

rgzn2-t9.gif

    多級調(diào)度算法實(shí)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(wù),,如何處理才能實(shí)現(xiàn)高效是要考慮的另一個問題,。下面對此進(jìn)行了詳細(xì)的探究。

    假設(shè)總?cè)蝿?wù)量為573,,圖10所示為同級任務(wù)處理算法運(yùn)行對比情況,,可以看出無序最大化的任務(wù)處理方法可以實(shí)現(xiàn)任務(wù)的快速處理。同等級任務(wù)處理有優(yōu)化的空間,,對于同等級任務(wù),,無需最大化處理實(shí)現(xiàn)的效率的提升,,近15 s左右。

rgzn2-t10.gif

    圖11反映了同等級任務(wù)處理的任務(wù)剩余量與處理時間的關(guān)系,。由圖可以看出,,短任務(wù)優(yōu)先在一定時間內(nèi)實(shí)現(xiàn)了任務(wù)數(shù)的快速下降,但是當(dāng)短任務(wù)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(shí)現(xiàn)了最優(yōu)。

rgzn2-t11.gif

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

rgzn2-t12.gif

4 結(jié)論

    本文基于IBN的網(wǎng)絡(luò)架構(gòu)提出了網(wǎng)絡(luò)管理系統(tǒng),,面對5G網(wǎng)絡(luò)下數(shù)量龐大和種類繁多的用戶及網(wǎng)絡(luò)業(yè)務(wù)需求,基于該系統(tǒng)對多級調(diào)度和同級調(diào)度算法作深度研究,,通過MATLAB平臺仿真將算法進(jìn)行實(shí)現(xiàn)和對比分析,。通過將不同用戶意圖按任務(wù)等級生成任務(wù)信令,結(jié)合多級調(diào)度算法,,實(shí)現(xiàn)基于意圖網(wǎng)絡(luò)的快速調(diào)度系統(tǒng),,將多級調(diào)度算法和同級調(diào)度算法相結(jié)合,任務(wù)處理效率大大提高,,處理時間大大縮短,。當(dāng)優(yōu)先級高的任務(wù)較多時,可能會導(dǎo)致低優(yōu)先級的任務(wù)無法快速處理,,從而導(dǎo)致低優(yōu)先級任務(wù)堆積或者失敗,,故算法有待改進(jìn)。

參考文獻(xiàn)

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

[2] 王冬.基于任務(wù)調(diào)度的高適應(yīng)性適配器的研究與應(yīng)用[D].北京:北京郵電大學(xué),2006.

[3] 楊柳.基于云計算的GIS應(yīng)用模式研究[D].開封:河南大學(xué),,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(qiáng),,劉彩霞,李凌書.基于改進(jìn)式貪婪算法的5G網(wǎng)絡(luò)切片動態(tài)資源調(diào)度策略[J].網(wǎng)絡(luò)與信息安全學(xué)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(shù)研究所 網(wǎng)絡(luò)AI研究中心,,北京102209)

此內(nèi)容為AET網(wǎng)站原創(chuàng),,未經(jīng)授權(quán)禁止轉(zhuǎn)載。