張樂(lè)，吳艷芹，張珂，毛東峰，姜松，胡華偉

SDN協(xié)同控制器的智能內(nèi)生技術(shù)研究與實(shí)現(xiàn)

張樂(lè)1，吳艷芹1，張珂1，毛東峰2，姜松2，胡華偉3

（1. 中國(guó)電信股份有限公司研究院，北京 102209；2. 中國(guó)電信集團(tuán)有限公司，北京 100045； 3. 中國(guó)電信股份有限公司福建分公司，福建 福州 350001）

面對(duì)業(yè)務(wù)多樣化、數(shù)據(jù)海量化、云網(wǎng)一體化等新需求新挑戰(zhàn)，云網(wǎng)運(yùn)營(yíng)的思路和方式都在發(fā)生著變革，SDN控制器作為新一代云網(wǎng)運(yùn)營(yíng)系統(tǒng)的核心能力，與人工智能技術(shù)深度融合，研究意圖解析、云網(wǎng)智能感知、保障、優(yōu)化與自動(dòng)執(zhí)行的全流程閉環(huán)自治能力關(guān)鍵技術(shù)與應(yīng)用實(shí)踐，形成SDN控制器的智能內(nèi)生能力。首先，闡明了SDN控制器智能內(nèi)生研發(fā)的背景與意義；其次，說(shuō)明了智能內(nèi)生的能力架構(gòu)及核心能力分布，逐步形成全流程閉環(huán)的云網(wǎng)自治；最后，聚焦5G切片、SRv6新業(yè)務(wù)新技術(shù)的場(chǎng)景用例，進(jìn)一步解析了在智能感知、自主保障、自動(dòng)優(yōu)化等方面的重點(diǎn)技術(shù)及應(yīng)用效果。通過(guò)關(guān)鍵能力研發(fā)、實(shí)施驗(yàn)證及技術(shù)標(biāo)準(zhǔn)化，SDN控制器智能內(nèi)生技術(shù)逐步成熟，賦能云網(wǎng)智慧運(yùn)營(yíng)。

智能；自治；SDN控制器

1 引言

隨著云網(wǎng)融合一體化需求日益增加，云網(wǎng)一體化的網(wǎng)絡(luò)運(yùn)營(yíng)面臨數(shù)據(jù)海量、業(yè)務(wù)多樣、網(wǎng)絡(luò)復(fù)雜的現(xiàn)狀與挑戰(zhàn)。

· 數(shù)據(jù)海量有待挖掘：隨著網(wǎng)絡(luò)規(guī)模進(jìn)一步擴(kuò)大，具有一定通信、存儲(chǔ)和計(jì)算能力的智能終端和網(wǎng)元節(jié)點(diǎn)數(shù)目劇增，未來(lái)網(wǎng)絡(luò)運(yùn)營(yíng)向數(shù)據(jù)化轉(zhuǎn)型方向發(fā)展，傳統(tǒng)基于統(tǒng)計(jì)分析的數(shù)據(jù)處理方法效率低下，不能有效分析和挖掘業(yè)務(wù)、網(wǎng)絡(luò)及運(yùn)維的數(shù)據(jù)價(jià)值。

· 業(yè)務(wù)多樣靈活編排：云網(wǎng)融合業(yè)務(wù)需求多樣、垂直行業(yè)對(duì)業(yè)務(wù)的按需配置、靈活編排需求旺盛，如何根據(jù)不同業(yè)務(wù)需求進(jìn)行網(wǎng)絡(luò)資源管理與編排，提升網(wǎng)絡(luò)可重構(gòu)性以實(shí)現(xiàn)對(duì)靈活、按需、高質(zhì)量的業(yè)務(wù)支撐，依然是一個(gè)運(yùn)營(yíng)商的難題。

· 網(wǎng)絡(luò)復(fù)雜需要智控：為了充分賦能云網(wǎng)，進(jìn)行敏捷組網(wǎng)部署和智能化、自動(dòng)化運(yùn)維，需要針對(duì)差異化網(wǎng)絡(luò)模型設(shè)計(jì)具有普適性的解決方案。由此對(duì)組網(wǎng)管理優(yōu)化和故障處理速度提出了更高的要求。

軟件定義網(wǎng)絡(luò)（software?defined?network，SDN）已經(jīng)在運(yùn)營(yíng)商中得到廣泛應(yīng)用，利用SDN的簡(jiǎn)單化、快速部署與維護(hù)、靈活擴(kuò)展、開(kāi)放智能等技術(shù)特性以應(yīng)對(duì)這些挑戰(zhàn)。SDN控制器作為SDN的操作系統(tǒng)，不僅實(shí)現(xiàn)對(duì)海量業(yè)務(wù)、網(wǎng)絡(luò)、運(yùn)維數(shù)據(jù)的采集控制、開(kāi)通編排，還需要通過(guò)大數(shù)據(jù)與人工智能技術(shù)，實(shí)現(xiàn)業(yè)務(wù)可按需編排、業(yè)務(wù)和網(wǎng)絡(luò)狀態(tài)可動(dòng)態(tài)感知與保障、網(wǎng)絡(luò)能力可調(diào)整優(yōu)化的智能內(nèi)生能力。

隨愿自治能力是SDN控制器智能內(nèi)生的綜合體現(xiàn)，通過(guò)對(duì)SDN控制器智能內(nèi)生能力架構(gòu)的設(shè)計(jì)、關(guān)鍵引擎研發(fā)及應(yīng)用，以客戶(hù)為中心，充分挖掘數(shù)據(jù)價(jià)值，構(gòu)建面向跨域、跨廠(chǎng)商、跨專(zhuān)業(yè)的業(yè)務(wù)與網(wǎng)絡(luò)的智能運(yùn)營(yíng)能力，這也是運(yùn)營(yíng)商在云網(wǎng)隨愿自治領(lǐng)域的積極探索與實(shí)踐。

2 SDN協(xié)同控制器的智能內(nèi)生能力架構(gòu)

智能內(nèi)生在SDN控制器功能架構(gòu)中位置如圖1所示，智能內(nèi)生功能縱向貫穿SDN控制器各能力層，引入AI模型管理和沙箱訓(xùn)練，AI融合智能運(yùn)營(yíng)，形成面向業(yè)務(wù)的感知分析、面向網(wǎng)絡(luò)的分析優(yōu)化、面向流量的預(yù)測(cè)調(diào)優(yōu)等核心智能引擎，成為SDN控制器的智能大腦。

SDN控制器智能內(nèi)生能力架構(gòu)由感知分析、動(dòng)態(tài)保障、自適應(yīng)優(yōu)化3層功能、18個(gè)細(xì)分能力組成，SDN控制器智能內(nèi)生功能視圖如圖2所示。

· 感知分析能力：云網(wǎng)融合業(yè)務(wù)端到端感知分析，實(shí)現(xiàn)業(yè)務(wù)意圖解析與感知評(píng)測(cè)。以5G切片專(zhuān)線(xiàn)業(yè)務(wù)為例，建立5G切片業(yè)務(wù)感知分析功能，對(duì)業(yè)務(wù)感知進(jìn)行實(shí)時(shí)監(jiān)測(cè)，針對(duì)感知質(zhì)差形成優(yōu)化策略。

· 動(dòng)態(tài)保障能力：對(duì)用戶(hù)業(yè)務(wù)的服務(wù)等級(jí)協(xié)議（service level agreemet，SLA）保障情況進(jìn)行監(jiān)測(cè)，研發(fā)確定性SLA保障模型，實(shí)現(xiàn)業(yè)務(wù)質(zhì)量劣化預(yù)警，建立由感知驅(qū)動(dòng)的、面向云網(wǎng)業(yè)務(wù)SLA動(dòng)態(tài)保障能力。

· 自適應(yīng)優(yōu)化能力：通過(guò)對(duì)云網(wǎng)感知質(zhì)差進(jìn)行定界定段、流量動(dòng)態(tài)預(yù)測(cè)、網(wǎng)絡(luò)性能預(yù)測(cè)等功能，生成云網(wǎng)路徑優(yōu)化、帶寬調(diào)整及網(wǎng)絡(luò)性能優(yōu)化策略，在SDN控制器內(nèi)部驅(qū)動(dòng)端到端業(yè)務(wù)智能編排，云網(wǎng)自動(dòng)化調(diào)整、優(yōu)化、調(diào)度。

圖1 智能內(nèi)生在SDN控制器功能架構(gòu)中位置

圖2 SDN控制器智能內(nèi)生功能視圖

3 SDN協(xié)同控制器智能內(nèi)生關(guān)鍵技術(shù)應(yīng)用

3.1 自感知：5G 切片感知分析能力

5G是SDN控制器應(yīng)用的主戰(zhàn)場(chǎng)，為更好地滿(mǎn)足垂直行業(yè)多樣化、定制化、敏捷化的業(yè)務(wù)需求，構(gòu)建5G切片感知分析模型，通過(guò)對(duì)5G切片業(yè)務(wù)感知智能監(jiān)測(cè)、感知分析、質(zhì)差快速定界、感知閉環(huán)優(yōu)化等關(guān)鍵技術(shù)研發(fā)，實(shí)現(xiàn)SDN協(xié)同控制器智能感知能力。

3.1.1 切片業(yè)務(wù)感知分析關(guān)鍵技術(shù)

（1）切片業(yè)務(wù)感知評(píng)價(jià)

從業(yè)務(wù)場(chǎng)景、切片性能以及網(wǎng)絡(luò)質(zhì)量3個(gè)維度對(duì)5G切片業(yè)務(wù)感知質(zhì)量進(jìn)行評(píng)價(jià)，其中業(yè)務(wù)場(chǎng)景層面從切片特定業(yè)務(wù)角度評(píng)價(jià)用戶(hù)感知質(zhì)量，切片性能層面和網(wǎng)絡(luò)質(zhì)量層面則從網(wǎng)絡(luò)角度評(píng)價(jià)給用戶(hù)提供的服務(wù)能力。

業(yè)務(wù)場(chǎng)景分析對(duì)5G切片主流業(yè)務(wù)，包括網(wǎng)頁(yè)瀏覽業(yè)務(wù)、視頻業(yè)務(wù)、即時(shí)通信業(yè)務(wù)、游戲業(yè)務(wù)的關(guān)鍵指標(biāo)以及通用時(shí)延指標(biāo)進(jìn)行評(píng)價(jià)分析。各類(lèi)業(yè)務(wù)場(chǎng)景的關(guān)鍵指標(biāo)具體如下。

· 網(wǎng)頁(yè)瀏覽業(yè)務(wù)：頁(yè)面打開(kāi)時(shí)延、頁(yè)面首屏?xí)r延、HTTP下載速率。

· 視頻業(yè)務(wù)：視頻下載速率、視頻卡頓頻率、速率碼率比。

· 即時(shí)通信業(yè)務(wù)：消息發(fā)送成功率。

· 游戲業(yè)務(wù)：TCP建立時(shí)延。

· 通用時(shí)延指標(biāo)：上行往返時(shí)延（round-trip time，RTT）、下行RTT。

切片性能分析包括抖動(dòng)、丟包、速率、時(shí)延。

網(wǎng)絡(luò)質(zhì)量分析分別從網(wǎng)絡(luò)側(cè)和接入側(cè)評(píng)價(jià)網(wǎng)絡(luò)的服務(wù)能力，典型關(guān)鍵指標(biāo)如下。

· 網(wǎng)絡(luò)側(cè)：傳輸控制協(xié)議（transmission control protocol，TCP）重傳率。

· 接入側(cè)：CQI（channel quality indicator）優(yōu)良比、5G下切4G/3G比例、E-RAB（evolved radio access bearer）掉線(xiàn)率。

5G切片業(yè)務(wù)感知質(zhì)量以感知優(yōu)良率來(lái)衡量，計(jì)算式為：

（2）切片業(yè)務(wù)感知問(wèn)題定界、定段、定位

結(jié)合5G切片業(yè)務(wù)特性，從服務(wù)提供商（service provider，SP）、核心網(wǎng)、IP化的無(wú)線(xiàn)電接入網(wǎng)（IP radio access network，IPRAN）、終端、無(wú)線(xiàn)網(wǎng)5個(gè)維度確定端到端感知質(zhì)差環(huán)節(jié)，同時(shí)結(jié)合各專(zhuān)業(yè)網(wǎng)管性能告警、互聯(lián)網(wǎng)數(shù)據(jù)中心（internet data center，IDC）資源分布等多類(lèi)數(shù)據(jù)，準(zhǔn)確分析定位切片業(yè)務(wù)感知異常原因，5G切片業(yè)務(wù)感知質(zhì)差定界定段流程如圖3所示。

3.1.2 應(yīng)用實(shí)施

5G切片感知監(jiān)測(cè)分析引擎采集切片業(yè)務(wù)、性能、告警、故障等類(lèi)型數(shù)據(jù)，進(jìn)行過(guò)濾清洗和結(jié)構(gòu)化存儲(chǔ)，數(shù)據(jù)結(jié)構(gòu)采用緩沖存儲(chǔ)器（Cache）層→操作型數(shù)據(jù)存儲(chǔ)（operational data stort，ODS）層→數(shù)據(jù)倉(cāng)庫(kù)（data warehouse，DW）層→數(shù)據(jù)集市（data mart，DM）層架構(gòu)，如圖4所示。數(shù)據(jù)采集模塊定時(shí)將數(shù)據(jù)采集至分布式采集庫(kù)，即按照一定的時(shí)間粒度（如秒），建立目錄并上傳到分布式文件系統(tǒng)中，以支持系統(tǒng)的實(shí)時(shí)或非實(shí)時(shí)采集場(chǎng)景的需求。在Cache層中，匯聚整合模塊讀取維度表（小區(qū)資源表、服務(wù)質(zhì)量保障表等）、采集模塊采集的各系統(tǒng)數(shù)據(jù)，關(guān)聯(lián)匯總計(jì)算，生成的數(shù)據(jù)加載到ODS層，此處為小時(shí)顆粒度。ODS按照業(yè)務(wù)、城市等維度計(jì)算出各類(lèi)感知指標(biāo)，存儲(chǔ)至DW層。在DW層中，按照應(yīng)用功能層的需求匯總計(jì)算出相應(yīng)的指標(biāo)存儲(chǔ)至DM層，最終在DM層向應(yīng)用功能層提供數(shù)據(jù)服務(wù)，完成系統(tǒng)前端的展示。

3.1.3 應(yīng)用成效

目前中國(guó)電信已完成基于4G移動(dòng)互聯(lián)網(wǎng)業(yè)務(wù)感知監(jiān)測(cè)分析、5G切片感知監(jiān)測(cè)分析的SDN控制器智能內(nèi)生能力建設(shè)，全國(guó)31省市均已在核心網(wǎng)側(cè)部署DPI探針采集業(yè)務(wù)數(shù)據(jù)，覆蓋全網(wǎng)400多個(gè)地市，日均處理數(shù)據(jù)量超800 TB。該系統(tǒng)監(jiān)測(cè)分析能力覆蓋所有4G、5G用戶(hù)，業(yè)務(wù)類(lèi)型涵蓋網(wǎng)頁(yè)瀏覽、視頻播放、即時(shí)通信、手機(jī)游戲等主流toB、toC應(yīng)用。系統(tǒng)針對(duì)質(zhì)差問(wèn)題快速定界定段預(yù)定位，實(shí)現(xiàn)監(jiān)控、派單、閉環(huán)全流程自動(dòng)化，完成面向KQI、端到端、閉環(huán)的多專(zhuān)業(yè)融合網(wǎng)絡(luò)優(yōu)化流程重構(gòu)。系統(tǒng)基于大數(shù)據(jù)技術(shù)開(kāi)展移動(dòng)感知數(shù)據(jù)分析與運(yùn)營(yíng)，在無(wú)線(xiàn)資源規(guī)劃與精準(zhǔn)投放、客戶(hù)服務(wù)支撐、精細(xì)化市場(chǎng)營(yíng)銷(xiāo)等方面發(fā)揮了重要支撐作用。

圖3 5G切片業(yè)務(wù)感知質(zhì)差定界定段流程

圖4 5G切片感知監(jiān)測(cè)分析系統(tǒng)數(shù)據(jù)結(jié)構(gòu)

3.2 自保障：SRv6業(yè)務(wù)質(zhì)量智能評(píng)估

近幾年對(duì)業(yè)務(wù)流進(jìn)行測(cè)量的隨流檢測(cè)被動(dòng)測(cè)量方式成為熱點(diǎn)，這種帶內(nèi)隨流檢測(cè)技術(shù)已經(jīng)在設(shè)備層面得到實(shí)現(xiàn)，但基于隨流檢測(cè)結(jié)果的端到端業(yè)務(wù)故障定位尚未有成熟技術(shù)。通過(guò)研發(fā)基于隨流檢測(cè)的SRv6業(yè)務(wù)質(zhì)量智能評(píng)估、客戶(hù)SLA智能評(píng)估、SRv6路徑擁塞智能評(píng)估等關(guān)鍵技術(shù)，解決因客戶(hù)業(yè)務(wù)流量激增，導(dǎo)致線(xiàn)路擁塞或中斷、SLA指標(biāo)劣化的問(wèn)題，實(shí)現(xiàn)SDN控制器針對(duì)SRv6業(yè)務(wù)的智能保障能力。

SRv6業(yè)務(wù)質(zhì)量保障方案架構(gòu)如圖5所示，針對(duì)客戶(hù)設(shè)備到客戶(hù)業(yè)務(wù)中心之間的線(xiàn)路數(shù)據(jù)進(jìn)行采集，包括配置數(shù)據(jù)和性能數(shù)據(jù)，數(shù)據(jù)清洗后存儲(chǔ)到數(shù)據(jù)庫(kù)中，對(duì)配置了隨流檢測(cè)的VPN業(yè)務(wù)電路進(jìn)行隨流檢測(cè)業(yè)務(wù)質(zhì)量評(píng)估，對(duì)全網(wǎng)電路分別進(jìn)行SLA性能指標(biāo)評(píng)估和路徑擁塞分析。最后將分析結(jié)果輸出到SRv6路徑調(diào)整和優(yōu)化模塊中，對(duì)問(wèn)題路徑進(jìn)行進(jìn)一步調(diào)整和優(yōu)化。

SRv6業(yè)務(wù)質(zhì)量智能評(píng)估，是SDN控制器智能內(nèi)生在智能保障方面的創(chuàng)新實(shí)踐，在實(shí)際應(yīng)用中，主要包括以下幾方面的能力。

（1）基于隨流檢測(cè)的VPN業(yè)務(wù)質(zhì)量智能評(píng)估

· 端到端業(yè)務(wù)質(zhì)量智能評(píng)估：根據(jù)隨流檢測(cè)上報(bào)的性能數(shù)據(jù)和設(shè)備數(shù)據(jù)利用基于AI技術(shù)構(gòu)建的端到端質(zhì)量智能評(píng)估模型評(píng)估端到端業(yè)務(wù)質(zhì)量，檢測(cè)業(yè)務(wù)狀態(tài)。

圖5 SRv6業(yè)務(wù)質(zhì)量保障方案架構(gòu)

· 分段質(zhì)量評(píng)估：檢測(cè)到業(yè)務(wù)質(zhì)差或故障時(shí)，進(jìn)一步結(jié)合逐跳檢測(cè)數(shù)據(jù)和設(shè)備數(shù)據(jù)基于分段質(zhì)量智能評(píng)估模型評(píng)估分段業(yè)務(wù)質(zhì)量，檢測(cè)業(yè)務(wù)分段狀態(tài)。

· 質(zhì)差問(wèn)題定界定段：對(duì)于質(zhì)量差或故障的段落，基于智能質(zhì)差定位模型確定具體質(zhì)差或故障發(fā)生的鏈路和端口，再確定定位質(zhì)差或故障發(fā)生的區(qū)域，以便于確定業(yè)務(wù)質(zhì)量?jī)?yōu)化執(zhí)行責(zé)任區(qū)域。

（2）客戶(hù)SLA越限智能評(píng)估

客戶(hù)SLA性能指標(biāo)主要包括時(shí)延、丟包率、帶寬利用率，利用AI技術(shù)構(gòu)建路徑性能評(píng)估模型計(jì)算路徑端到端時(shí)延、丟包率和帶寬利用率，與客戶(hù)SLA指標(biāo)值進(jìn)行對(duì)比，結(jié)合時(shí)間、空間特征差異化判斷SLA是否越限，并根據(jù)客戶(hù)業(yè)務(wù)特征，動(dòng)態(tài)調(diào)整觸發(fā)預(yù)警通知時(shí)間點(diǎn)，通知路徑調(diào)整優(yōu)化模塊，以便進(jìn)行路徑調(diào)整或優(yōu)化。

（3）路徑擁塞智能評(píng)估

基于路徑的流量、性能、承載業(yè)務(wù)類(lèi)型、時(shí)間等眾多指標(biāo)建立了路徑擁塞智能檢測(cè)模型，可以智能挖掘路徑不同情況下的指標(biāo)空間分布特征，針對(duì)不同分布的特征數(shù)據(jù)應(yīng)用不同模型策略進(jìn)行擁塞路徑檢測(cè)判定，并進(jìn)一步結(jié)合關(guān)鍵指標(biāo)評(píng)估路徑擁塞情況。最終根據(jù)客戶(hù)業(yè)務(wù)需求及時(shí)觸發(fā)路徑擁塞預(yù)警，通知路徑調(diào)整優(yōu)化模塊，以便進(jìn)行路徑調(diào)整或優(yōu)化。

3.3 自?xún)?yōu)化：SRv6路徑智能調(diào)整與優(yōu)化

目前，針對(duì)業(yè)務(wù)質(zhì)量劣化或故障，SDN控制器研發(fā)動(dòng)態(tài)流量預(yù)測(cè)與智能路徑調(diào)優(yōu)能力，對(duì)路徑流量進(jìn)行預(yù)測(cè)，生成相應(yīng)的路徑動(dòng)態(tài)帶寬調(diào)整策略，增強(qiáng)主動(dòng)運(yùn)維能力，實(shí)現(xiàn)業(yè)務(wù)智能敏捷提供。

中國(guó)電信提出并實(shí)施的SRv6的路徑調(diào)整與優(yōu)化流程如圖6所示，基于動(dòng)態(tài)流量區(qū)間預(yù)測(cè)，輸出路徑調(diào)整優(yōu)化策略，針對(duì)流量擁塞預(yù)測(cè)，輸出最佳路徑評(píng)估策略，再進(jìn)行帶寬調(diào)整和路徑計(jì)算，進(jìn)一步下發(fā)到網(wǎng)絡(luò)設(shè)備層，觸發(fā)方案執(zhí)行。

IP業(yè)務(wù)流是雙向的，需要分別對(duì)上下行流量區(qū)間進(jìn)行預(yù)測(cè)，基于預(yù)測(cè)的流量區(qū)間進(jìn)行帶寬調(diào)整，并應(yīng)用到網(wǎng)絡(luò)運(yùn)維系統(tǒng)。路徑調(diào)整方案主要包括以下技術(shù)創(chuàng)新與實(shí)踐。

· 特征全面性考慮。傳統(tǒng)的流量預(yù)測(cè)模型通常從時(shí)間序列模型出發(fā)，只考慮了流量特征以及時(shí)間特征。網(wǎng)絡(luò)流量影響因素包含多種，如帶寬、時(shí)延、丟包率等，同時(shí)包括用戶(hù)個(gè)性化使用的時(shí)空等多種特征，基于多種指標(biāo)多特征進(jìn)行模型訓(xùn)練進(jìn)而能有效提升預(yù)測(cè)結(jié)果的準(zhǔn)確率。

圖6 SRV6的路徑調(diào)整與優(yōu)化流程

· 模型融合研究應(yīng)用。目前多數(shù)流量預(yù)測(cè)模型仍然使用單一模型進(jìn)行訓(xùn)練和實(shí)現(xiàn)，存在效率低、準(zhǔn)確率不穩(wěn)定等短板。模型編排過(guò)程中研究了多模型融合的方式，可根據(jù)具體場(chǎng)景和需求進(jìn)行模型融合策略的制定和選取。

· 流量區(qū)間預(yù)測(cè)研究應(yīng)用。歷史同期流量預(yù)測(cè)的偏差程度可以在一定程度上反映當(dāng)前預(yù)測(cè)偏差程度，進(jìn)而實(shí)現(xiàn)流量區(qū)間的預(yù)測(cè)。

· 動(dòng)態(tài)帶寬調(diào)整策略的研究應(yīng)用。根據(jù)歷史用戶(hù)需求及網(wǎng)絡(luò)流量特點(diǎn)，對(duì)基于流量區(qū)間預(yù)測(cè)的結(jié)果制定相應(yīng)的動(dòng)態(tài)帶寬調(diào)整策略進(jìn)行了研究，如針對(duì)重點(diǎn)客戶(hù)保證帶寬高于流量區(qū)間的上限。執(zhí)行過(guò)程中可以基于系統(tǒng)的反饋信息，對(duì)帶寬調(diào)整策略進(jìn)行進(jìn)一步優(yōu)化調(diào)整。

路徑優(yōu)化方案中最佳路徑評(píng)估策略提供了備選路徑的選取規(guī)則，對(duì)業(yè)務(wù)原始主路徑的業(yè)務(wù)質(zhì)量進(jìn)行跟蹤和狀態(tài)預(yù)測(cè)，若發(fā)生流量擁塞則需要對(duì)其中主要業(yè)務(wù)進(jìn)行路徑更換，若發(fā)生中斷，則需要對(duì)路徑中承載的所有業(yè)務(wù)進(jìn)行路徑更換。主要包括以下技術(shù)創(chuàng)新與實(shí)踐。

· 主路徑監(jiān)測(cè)技術(shù)。主路徑業(yè)務(wù)質(zhì)量實(shí)時(shí)監(jiān)測(cè)功能和預(yù)測(cè)監(jiān)測(cè)技術(shù)從中斷、擁塞兩個(gè)維度對(duì)路徑狀態(tài)進(jìn)行預(yù)判，預(yù)測(cè)為中斷狀態(tài)的路徑，將當(dāng)前承載的所有業(yè)務(wù)流量疊加到備選路徑中，預(yù)測(cè)為中擁塞狀態(tài)的路徑，將當(dāng)前承載的主要業(yè)務(wù)流量疊加到備選路徑中，進(jìn)行下一步備選路徑的評(píng)估和推薦。

· 備選路徑評(píng)估技術(shù)。預(yù)測(cè)所需疊加流量值，即原始主路徑的流量預(yù)測(cè)，疊加流量的過(guò)程中判斷備選路徑與原始主路徑傳輸?shù)臄?shù)據(jù)報(bào)文協(xié)議類(lèi)型是否相同，類(lèi)型不同的需要基于備選報(bào)文協(xié)議類(lèi)型生成新的所疊加流量值，對(duì)疊加流量后的備選路徑性能進(jìn)行預(yù)測(cè)，評(píng)估備選路徑質(zhì)量。

· 備選路徑推薦技術(shù)。推薦路徑需滿(mǎn)足用戶(hù)的SLA要求以及個(gè)性化需求，基于備選路徑評(píng)估后的結(jié)果，按最短距離、最短時(shí)延等方案進(jìn)行組合排序。在滿(mǎn)足用戶(hù)SLA要求前提下，根據(jù)客戶(hù)個(gè)性化需求推薦最佳備選路徑。

4 結(jié)束語(yǔ)

隨愿自治是SDN控制器智能內(nèi)生的發(fā)展目標(biāo)，當(dāng)前在自治領(lǐng)域國(guó)際標(biāo)準(zhǔn)、國(guó)內(nèi)標(biāo)準(zhǔn)已逐步建立和豐富自治分級(jí)、智能化運(yùn)營(yíng)管理系統(tǒng)設(shè)計(jì)、技術(shù)架構(gòu)、場(chǎng)景用例等方面的標(biāo)準(zhǔn)布局。在電信管理論壇（Telecom Management Forum，TMF），由中國(guó)電信聯(lián)合多家國(guó)內(nèi)外運(yùn)營(yíng)商和廠(chǎng)商完成AIOps系列標(biāo)準(zhǔn)；在ITU-T，由中國(guó)電信主導(dǎo)提出“基于AI增強(qiáng)的電信運(yùn)維架構(gòu)”（AITOM）；在歐洲電信標(biāo)準(zhǔn)化協(xié)會(huì)（European Telecommunications Standards Institute，ETSI），提出《基于意愿感知的網(wǎng)絡(luò)自治標(biāo)準(zhǔn)》。在中國(guó)通信標(biāo)準(zhǔn)化協(xié)會(huì)（China Communications Standards Association，CCSA），中國(guó)電信、中國(guó)移動(dòng)、中國(guó)聯(lián)通、北京郵電大學(xué)等聯(lián)合推進(jìn)“電信運(yùn)營(yíng)管理智能化系統(tǒng)參考架構(gòu)”、《信息通信網(wǎng)運(yùn)營(yíng)管理智能化水平通用分級(jí)技術(shù)要求》標(biāo)準(zhǔn)項(xiàng)目立項(xiàng)。

隨愿自治首先要實(shí)現(xiàn)產(chǎn)業(yè)共識(shí)和有效實(shí)踐的分級(jí)指標(biāo)和代際演進(jìn)評(píng)估模型，運(yùn)營(yíng)商和產(chǎn)業(yè)合作伙伴根據(jù)網(wǎng)絡(luò)及其業(yè)務(wù)的智能化演進(jìn)需求，從意圖解析、運(yùn)營(yíng)級(jí)自治和網(wǎng)絡(luò)級(jí)自治3個(gè)層面，逐步形成自感知、自保障、自?xún)?yōu)化全流程的閉環(huán)自治代際評(píng)估模型，指導(dǎo)和推進(jìn)SDN控制器為核心的新一代云網(wǎng)運(yùn)營(yíng)系統(tǒng)的能力建設(shè)，識(shí)別短板，分階段演進(jìn)，匯集產(chǎn)業(yè)力量，共同推進(jìn)云網(wǎng)自治的發(fā)展。

未來(lái)，隨著SDN控制器與人工智能技術(shù)結(jié)合更加緊密、行業(yè)標(biāo)準(zhǔn)逐步成熟，SDN控制器智能內(nèi)生將得到更快速更廣泛的應(yīng)用部署，滿(mǎn)足復(fù)雜多樣業(yè)務(wù)需求、提升網(wǎng)絡(luò)自治水平。

[1] 孫建, 張梅琴, 張順頤, 等. 一種IP網(wǎng)絡(luò)下基于業(yè)務(wù)流QoS監(jiān)測(cè)的故障定位方法: CN102404137A[P]. 2012.

SUN J, ZHANG M Q, ZHANG S Y, et al. A fault location method based on service flow QoS monitoring in IP network: CN102404137A[P]. 2012.

[2] LOPEZ-MARTIN M, CARRO B, SANCHEZ-ESGUEVILLAS A. Neural network architecture based on gradient boosting for IoT traffic prediction[J]. Future Generation Computer Systems, 2019, 100: 656-673.

[3] AIBIN M. Traffic prediction based on machine learning for elastic optical networks[J]. Optical Switching and Networking, 2018, 30: 33-39.

[4] 張迪, 黃琛燦, 肖冬. 一種流量預(yù)測(cè)方法和裝置: CN107171848B[P]. 2020.

ZHANG D, HUANG C C, XIAO D. A flow prediction method and device: CN107171848B[P]. 2020.

[5] 蔣文棟. 一種段路由策略的路徑選擇方法及裝置: CN112532518A[P]. 2021.

JIANG W D. A path selection method and device of segment routing strategy: CN112532518A[P]. 2021.

[6] 陳思光, 竇浩銘, 王堃, 等. 基于負(fù)載均衡與QoE度量值的SDN網(wǎng)絡(luò)路徑選擇方法: CN110290065B[P]. 2021.

CHEN S G, DOU H M, WANG K, et al. SDN network path selection method based on load balancing and QoE metric values: CN110290065B[P]. 2021.

[7] 河?xùn)|晴子. 網(wǎng)絡(luò)路徑選擇方法以及通信系統(tǒng): CN101588618[P]. 2009.

HEDONG Q Z. Network path selection method and communication system CN101588618 [P]. 2009.

[8] 李福亮, 范廣宇, 王興偉, 等. 基于意圖的網(wǎng)絡(luò)研究綜述[J]. 軟件學(xué)報(bào), 2020, 31(8): 2574-2587.

LI F L, FAN G Y, WANG X W, et al. State-of-the-art survey of intent-based Networking Chinese full text[J]. Journal of Software, 2020, 31(8): 2574-2587.

[9] 張彤, 任奕璟, 閆實(shí), 等. 人工智能驅(qū)動(dòng)的6G網(wǎng)絡(luò)：智慧內(nèi)生[J]. 電信科學(xué), 2020, 36(9): 14-22.

ZHANG T, REN Y J, YAN S, et al. Artificial intelligence driven 6G networks: endogenous intelligence Chinese Full Text[J]. Telecommunications Science, 2020, 36(9): 14-22.

[10] 索士強(qiáng), 王映民. 未來(lái)6G網(wǎng)絡(luò)內(nèi)生智能的探討與分析[J]. 移動(dòng)通信, 2020, 44(6): 126-130.

SUO S Q, WANG Y M. Discussion and analysis on the native intelligence for the future 6G Network Chinese full text[J]. Mobile Communications, 2020, 44(6): 126-130.

Research and implementation of intelligent endogenous technology for SDN cooperative controller

ZHANG Le1, WU Yanqin1, ZHANG Ke1, MAO Dongfeng2, JIANG Song2, HU Huawei3

1. Research Institute of China Telecom Co., Ltd., Beijing 102209, China 2. China Telecom Co., Ltd., Beijing 100045, China 3. Fujian Branch of China Telecom Co., Ltd., Fuzhou 350001, China

In the face of new demands and challenges such as business diversification, data quantification and cloud network integration, the ideas and methods of cloud network operation are changing. As the core capability of the new generation of cloud network operation system, SDN controller was deeply integrated with artificial intelligence technology. The key technologies and application practices of full-process closed-loop autonomy capability including intention analysis, cloud network intelligence perception, guarantee, optimization and automatic execution were studied to form intelligent endogenous capability of SDN controller. Firstly, the SDN controller intelligent endogenous development background and significance were clarified. And then, the ability of intelligent endogenous architecture and distribution of core competence were illustrated, which gradually form the whole process of the closed loop cloud network autonomy. Finally, focusing on 5G slice, SRv6 scene of new technology new business use cases, the intelligent perception, independent guarantee, automatic optimization of the key aspects of technology, and the effect of implementation and application were resolved. Through capability architecture design, key capability research and development, implementation verification and layout in standardization, the internal intelligence of SDN controller would gradually mature and enable smart operation of cloud network.

intelligent, autonomy, SDN controller

TP393

A

10.11959/j.issn.1000?0801.2021275

2021?10?20；

2021?12?10

張樂(lè)（1981? ），女，中國(guó)電信股份有限公司研究院高級(jí)工程師，主要研究方向?yàn)樵凭W(wǎng)融合、網(wǎng)絡(luò)自治、智能化運(yùn)營(yíng)管理等。

吳艷芹（1978? ），女，中國(guó)電信股份有限公司研究院高級(jí)工程師，主要研究方向?yàn)樾畔⑼ㄐ啪W(wǎng)運(yùn)營(yíng)管理、客戶(hù)體驗(yàn)質(zhì)量管理、大數(shù)據(jù)及人工智能在信息通信網(wǎng)運(yùn)營(yíng)管理中的應(yīng)用等。

張珂（1980? ），男，中國(guó)電信股份有限公司研究院高級(jí)工程師，主要研究方向?yàn)榫W(wǎng)絡(luò)智能運(yùn)維、客戶(hù)體驗(yàn)管理、5G切片管理、SDN編排控制等。

毛東峰（1973? ），男，博士，中國(guó)電信集團(tuán)有限公司云網(wǎng)運(yùn)營(yíng)部（大數(shù)據(jù)和AI中心）副總經(jīng)理，主要研究方向?yàn)榫W(wǎng)絡(luò)運(yùn)行維護(hù)管理及云網(wǎng)融合。

姜松（1978? ），男，中國(guó)電信集團(tuán)有限公司高級(jí)工程師、云網(wǎng)運(yùn)營(yíng)部（大數(shù)據(jù)和AI中心）應(yīng)用運(yùn)行處副處長(zhǎng)，主要研究方向?yàn)榫W(wǎng)絡(luò)運(yùn)行維護(hù)管理及云網(wǎng)融合。

胡華偉（1979? ），男，中國(guó)電信股份有限公司福建分公司高級(jí)工程師，主要研究方向?yàn)殡娦啪W(wǎng)絡(luò)智能運(yùn)營(yíng)及云網(wǎng)協(xié)同智能調(diào)度、機(jī)器學(xué)習(xí)在網(wǎng)絡(luò)告警判斷應(yīng)用等。