韓政鑫，黃 蓉，賈雪琴，李先達(dá)，張雪貝（中國聯(lián)通研究院，北京 100048）

0 引言

數(shù)字化浪潮下行業(yè)領(lǐng)域涌現(xiàn)出了大量智能化業(yè)務(wù)應(yīng)用，運(yùn)動(dòng)控制、人機(jī)交互、虛擬現(xiàn)實(shí)等行業(yè)場景對網(wǎng)絡(luò)的依賴性及性能要求日趨增強(qiáng)。傳統(tǒng)“盡力而為”的網(wǎng)絡(luò)難以滿足業(yè)務(wù)對時(shí)延、丟包、速率的確定性SLA 需求［1］，確定網(wǎng)絡(luò)成為業(yè)界關(guān)注的熱點(diǎn)。隨著網(wǎng)絡(luò)中部署的高要求業(yè)務(wù)不斷增加，網(wǎng)絡(luò)負(fù)載也不斷增加，在復(fù)雜的混合業(yè)務(wù)場景下，如何合理進(jìn)行網(wǎng)絡(luò)資源規(guī)劃構(gòu)建確定性網(wǎng)絡(luò)，為業(yè)務(wù)提供精細(xì)化SLA保障，最大化資源利用率和商業(yè)價(jià)值是個(gè)非常值得探討的問題。

確定性網(wǎng)絡(luò)是指通過使用一系列網(wǎng)絡(luò)技術(shù)（如uRLLC、TSN、MEC 等）來提升和保證網(wǎng)絡(luò)的通信質(zhì)量，滿足業(yè)務(wù)的確定性SLA 保障需求［1］。網(wǎng)絡(luò)演算理論能夠根據(jù)服務(wù)曲線和到達(dá)曲線，計(jì)算出網(wǎng)絡(luò)的時(shí)延及緩存容量上限［2］。確定性網(wǎng)絡(luò)可利用網(wǎng)絡(luò)演算模型進(jìn)行資源的調(diào)度和規(guī)劃［3］。

本文將結(jié)合運(yùn)營商網(wǎng)絡(luò)能力，研究網(wǎng)絡(luò)演算理論，探索基于網(wǎng)絡(luò)演算實(shí)現(xiàn)5G 網(wǎng)絡(luò)確定性的方案，并面向工業(yè)互聯(lián)網(wǎng)場景下的多類業(yè)務(wù)進(jìn)行聯(lián)合驗(yàn)證，測試驗(yàn)證方案在5G 承載網(wǎng)絡(luò)帶寬、時(shí)延、丟包率等網(wǎng)絡(luò)性能指標(biāo)的綜合保障能力，滿足不同業(yè)務(wù)的差異化網(wǎng)絡(luò)要求。

1 技術(shù)基礎(chǔ)

網(wǎng)絡(luò)演算也稱為網(wǎng)絡(luò)微積分，是一套通過數(shù)學(xué)框架定性、定量研究通信網(wǎng)絡(luò)的系統(tǒng)理論。網(wǎng)絡(luò)演算將復(fù)雜的非線性通信系統(tǒng)通過線性系統(tǒng)替代，基于最小加和最大加代數(shù)［4］，分析網(wǎng)絡(luò)的性能保障，計(jì)算出網(wǎng)絡(luò)的時(shí)延上界及緩存區(qū)要求，可應(yīng)用于分析單獨(dú)隊(duì)列、節(jié)點(diǎn)及整個(gè)網(wǎng)絡(luò)。

網(wǎng)絡(luò)演算的主要工具及概念包括到達(dá)曲線、服務(wù)曲線、時(shí)延及緩沖上界，它們之間的關(guān)系如圖1 所示，R(t)為流量的累積到達(dá)函數(shù)，R*(t)是該節(jié)點(diǎn)/網(wǎng)絡(luò)系統(tǒng)的輸出流量函數(shù)［5］。

圖1 網(wǎng)絡(luò)演算模型中各要素關(guān)系

到達(dá)曲線α(t)：用來描述流量特征的上界，是R(t)的上包絡(luò)，可表示為：α(t)=kt+b，其中斜率k代表流量在一段時(shí)間的平均速率，b表示流量的最大突發(fā)量。

服務(wù)曲線β(t)：用來描述網(wǎng)絡(luò)設(shè)備/網(wǎng)絡(luò)系統(tǒng)的服務(wù)能力下限，可以具體到描述設(shè)備中特定隊(duì)列的服務(wù)能力，是網(wǎng)絡(luò)服務(wù)能力的下包絡(luò)，可描述為：β(t)=m(t-T)，其中斜率m代表網(wǎng)絡(luò)設(shè)備的平均調(diào)度速率，T表示流量到達(dá)后需等待調(diào)度的最長時(shí)間。節(jié)點(diǎn)/網(wǎng)絡(luò)設(shè)備實(shí)際輸出的流量，受到達(dá)流量和網(wǎng)絡(luò)服務(wù)能力的限制，需滿足［5］：R*(t)≥R(t)?β(t)。

若網(wǎng)絡(luò)中存在多個(gè)系統(tǒng)串聯(lián)，服務(wù)曲線分別為β1、β2、β3，業(yè)務(wù)流量的網(wǎng)絡(luò)總服務(wù)曲線為各服務(wù)曲線的卷積［6］：β=β1?β2?β3。

時(shí)延及緩沖上界：如圖1所示，到達(dá)曲線α(t)與服務(wù)曲線β(t)的最大水平距離為業(yè)務(wù)流在此網(wǎng)絡(luò)中的最大時(shí)延上限，2 個(gè)曲線的最大垂直距離為該流量在此設(shè)備節(jié)點(diǎn)/網(wǎng)絡(luò)系統(tǒng)中可占有的緩存上限。

網(wǎng)絡(luò)演算大體上分為確定性網(wǎng)絡(luò)演算（DNC）和隨機(jī)性網(wǎng)絡(luò)演算（SNC）兩大類［7-8］。確定性網(wǎng)絡(luò)演算基于到達(dá)曲線與服務(wù)曲線，求解網(wǎng)絡(luò)的性能邊界絕對值，如網(wǎng)絡(luò)時(shí)延的最壞情況，通過選取合適的算法使時(shí)延上界值更精確，緊密貼近真實(shí)值。隨機(jī)性網(wǎng)絡(luò)演算是在確定性網(wǎng)絡(luò)演算的基礎(chǔ)上結(jié)合統(tǒng)計(jì)及概率模型，求解網(wǎng)絡(luò)在一定概率條件下如滿足99.99%時(shí)延及丟包率情況下網(wǎng)絡(luò)性能的統(tǒng)計(jì)邊界，更符合目前業(yè)務(wù)應(yīng)用及網(wǎng)絡(luò)資源的調(diào)度利用。

2 基于網(wǎng)絡(luò)演算的5G確定性網(wǎng)絡(luò)方案

根據(jù)網(wǎng)絡(luò)演算理論，在獲知業(yè)務(wù)流量模型的基礎(chǔ)上，當(dāng)網(wǎng)絡(luò)服務(wù)能力確定了，即輸入網(wǎng)絡(luò)服務(wù)曲線，可以求解出業(yè)務(wù)在網(wǎng)絡(luò)中的時(shí)延，從而量化得到網(wǎng)絡(luò)所能提供的時(shí)延保障能力；同樣當(dāng)業(yè)務(wù)時(shí)延要求確定了，即輸入時(shí)延上界，則可量化得到滿足業(yè)務(wù)性能需求的整網(wǎng)及各網(wǎng)絡(luò)節(jié)點(diǎn)需具備的承載能力。

在5G 網(wǎng)絡(luò)應(yīng)用網(wǎng)絡(luò)演算理論進(jìn)行網(wǎng)絡(luò)資源的規(guī)劃和調(diào)度，綜合考慮時(shí)延和帶寬約束［9］，采用控制面時(shí)延編排算法與設(shè)備轉(zhuǎn)發(fā)面進(jìn)行時(shí)延隊(duì)列調(diào)度的方式，無需依賴網(wǎng)絡(luò)輕載，即可實(shí)現(xiàn)網(wǎng)絡(luò)確定性承載和SLA保障?；诰W(wǎng)絡(luò)演算的5G 確定性網(wǎng)絡(luò)方案的架構(gòu)如圖2 所示，其中確定性網(wǎng)絡(luò)管控系統(tǒng)包括用戶業(yè)務(wù)管理和網(wǎng)絡(luò)編排控制器2個(gè)功能模塊。

圖2 基于網(wǎng)絡(luò)演算的5G確定性網(wǎng)絡(luò)方案架構(gòu)圖

用戶業(yè)務(wù)管理模塊：獲取業(yè)務(wù)流量特征，分析形成業(yè)務(wù)流量模型（到達(dá)曲線），將業(yè)務(wù)流量模型及業(yè)務(wù)時(shí)延性能要求信息傳送給網(wǎng)絡(luò)編排控制器，為網(wǎng)絡(luò)提供業(yè)務(wù)感知，是網(wǎng)絡(luò)針對業(yè)務(wù)進(jìn)行SLA 保障的前提基礎(chǔ)。其中業(yè)務(wù)流量特征包括數(shù)據(jù)包大小、突發(fā)量、發(fā)送頻率等信息，不涉及業(yè)務(wù)的有效負(fù)載；業(yè)務(wù)流量特征的獲取可通過技術(shù)人員的經(jīng)驗(yàn)值輸入、業(yè)務(wù)終端自行上報(bào)、業(yè)務(wù)流鏡像、采樣以及通過人工智能算法進(jìn)行流量特征自動(dòng)學(xué)習(xí)等多種技術(shù)來實(shí)現(xiàn)。

網(wǎng)絡(luò)編排控制器：支持確定性網(wǎng)絡(luò)演算、隨機(jī)性網(wǎng)絡(luò)演算等多種算法，基于業(yè)務(wù)流量特征模型、網(wǎng)絡(luò)拓?fù)湫畔?、業(yè)務(wù)需求信息等，通過網(wǎng)絡(luò)演算算法計(jì)算網(wǎng)絡(luò)設(shè)備相關(guān)端口時(shí)延隊(duì)列預(yù)留資源［10］，以及隊(duì)列級的規(guī)劃路徑，將規(guī)劃結(jié)果及自動(dòng)生成的相應(yīng)配置下發(fā)至各節(jié)點(diǎn)設(shè)備，新業(yè)務(wù)的規(guī)劃會(huì)對當(dāng)前設(shè)備轉(zhuǎn)發(fā)面的部分QoS配置進(jìn)行調(diào)整修正。

本方案目標(biāo)是通過匹配業(yè)務(wù)需求與網(wǎng)絡(luò)服務(wù)能力，對網(wǎng)絡(luò)承載能力進(jìn)行量化評估和規(guī)劃；對關(guān)鍵業(yè)務(wù)實(shí)現(xiàn)隊(duì)列級隔離；為時(shí)間敏感業(yè)務(wù)配置合理的緩存資源，避免由于突發(fā)流量出現(xiàn)擁塞丟包，提供端到端可承諾的時(shí)延上界；讓非時(shí)間敏感業(yè)務(wù)充分利用網(wǎng)絡(luò)帶寬資源，在保障業(yè)務(wù)SLA 的同時(shí)提高網(wǎng)絡(luò)資源利用率。

方案采取網(wǎng)絡(luò)單節(jié)點(diǎn)及業(yè)務(wù)鏈路全局視角進(jìn)行時(shí)延隊(duì)列規(guī)劃：在端到端時(shí)延及網(wǎng)絡(luò)有效帶寬資源等約束條件下，計(jì)算劃分節(jié)點(diǎn)時(shí)延；基于網(wǎng)絡(luò)演算理論及相關(guān)算法對各節(jié)點(diǎn)進(jìn)行時(shí)延隊(duì)列規(guī)劃；之后以鏈路視角通過全局規(guī)劃算法進(jìn)行路徑規(guī)劃，合并部分隊(duì)列，優(yōu)化鏈路路徑規(guī)劃結(jié)果。

本方案適用于對保障帶寬、時(shí)延上限、丟包率等網(wǎng)絡(luò)性能指標(biāo)有嚴(yán)苛需求的業(yè)務(wù)場景，在多業(yè)務(wù)場景下可根據(jù)需求提供不同等級的網(wǎng)絡(luò)時(shí)延保障。此外，該方案可與網(wǎng)絡(luò)切片、TSN、uRLLC 等確定性網(wǎng)絡(luò)技術(shù)結(jié)合［11］，提供端到端確定性網(wǎng)絡(luò)服務(wù)保障。

3 測試驗(yàn)證

在中國聯(lián)通CUBE-Net3.0 大灣區(qū)示范基地，中國聯(lián)通聯(lián)合某設(shè)備廠家開展5G 承載網(wǎng)“TSN-IP”確定性網(wǎng)絡(luò)技術(shù)方案測試，以驗(yàn)證網(wǎng)絡(luò)演算理論及算法在綜合業(yè)務(wù)承載網(wǎng)的效果。

測試面向工業(yè)互聯(lián)網(wǎng)場景，選取智能電網(wǎng)、智慧港口和工廠自動(dòng)化三大綜合業(yè)務(wù)場景，包含運(yùn)動(dòng)控制、移動(dòng)機(jī)器人、配電自動(dòng)化、高級計(jì)量、智能巡檢、吊車遠(yuǎn)程控制、無人駕駛集卡、園區(qū)視頻監(jiān)控等多個(gè)細(xì)分業(yè)務(wù)場景。業(yè)務(wù)的流量模型和網(wǎng)絡(luò)需求參考3GPP TS 22.104［12］以及相關(guān)白皮書定義［13-14］，測試方案拓?fù)淙鐖D3所示。

圖3 中，MAR1（ATN1）、MAR2（ATN2）、MER1、MER2、MER3、MER4 為5G 承載試驗(yàn)網(wǎng)設(shè)備；ATN1 和ATN2 分別提供4 個(gè)GE 接口與12×GE 測試儀相連，模擬業(yè)務(wù)流量；此外ATN1 和ATN2 分別提供4 個(gè)10GE接口與8×10GE測試儀相連，用來模擬現(xiàn)網(wǎng)背景流量。

圖3 測試方案拓?fù)?/p>

ATN1—MER1、MER1—MER2、MER2—ATN2、ATN1—ATN2 間鏈路為50GE 鏈路，MER1-MER3、MER3—MER4間為GE鏈路，MER4—MER2間為10GE鏈路，模擬網(wǎng)絡(luò)中多種帶寬鏈路網(wǎng)絡(luò)場景下的規(guī)劃部署能力。

各設(shè)備節(jié)點(diǎn)處理時(shí)延約為20 μs，遠(yuǎn)東機(jī)房內(nèi)部光纖時(shí)延約等于0，遠(yuǎn)東機(jī)房到七所機(jī)房之間鏈路的單向時(shí)延約為55 μs。在本次測試中，這些數(shù)據(jù)隨同拓?fù)湮募黄痨o態(tài)導(dǎo)入，未來該數(shù)據(jù)可從網(wǎng)絡(luò)控制器中動(dòng)態(tài)獲取。

測試工作包括3 個(gè)部分：一是通過業(yè)務(wù)流量特征學(xué)習(xí)獲取業(yè)務(wù)流量模型，二是綜合場景下多業(yè)務(wù)確定性SLA 保障，三是基于網(wǎng)絡(luò)演算的“TSN-IP”確定性網(wǎng)絡(luò)方案與傳統(tǒng)QoS方案的效果對比。

3.1 業(yè)務(wù)流量特征學(xué)習(xí)

目標(biāo)是驗(yàn)證流量特征采集及自動(dòng)建模的準(zhǔn)確性，未來在實(shí)際行業(yè)應(yīng)用中，如果行業(yè)客戶無法準(zhǔn)確描述其業(yè)務(wù)特征，可以采用相應(yīng)人工智能算法對業(yè)務(wù)流量特征進(jìn)行學(xué)習(xí)及建模，獲得業(yè)務(wù)流量的量化參數(shù)，為業(yè)務(wù)SLA保障提供基礎(chǔ)［15］。

基于前期從3GPP 標(biāo)準(zhǔn)以及相關(guān)白皮書中收集到的流量模型特征，配置測試儀的包長、發(fā)包周期等參數(shù)來模擬業(yè)務(wù)流；觀察測試儀構(gòu)造流量所入隊(duì)列的特征采集和建模結(jié)果，驗(yàn)證特征采集和建模結(jié)果的準(zhǔn)確性。

對智能電網(wǎng)、智慧港口、工廠自動(dòng)化三大場景下15 種不同業(yè)務(wù)流量按上述測試方法進(jìn)行特征采集，均能夠準(zhǔn)確地采集特征并可視化呈現(xiàn)，業(yè)務(wù)流量提取及建模結(jié)果如圖4 所示，建模曲線（圖4 中橙色線）能夠緊密包絡(luò)目標(biāo)業(yè)務(wù)到達(dá)曲線（藍(lán)色線），輸出業(yè)務(wù)流量峰值速率、平均速率，包長和突發(fā)等參數(shù)與測試業(yè)務(wù)匹配，滿足業(yè)務(wù)流量模型自動(dòng)學(xué)習(xí)要求。

圖4 業(yè)務(wù)流量特征提取及建模

業(yè)務(wù)流量特征建模成功所經(jīng)歷的學(xué)習(xí)次數(shù)及總學(xué)習(xí)時(shí)間，與流量自身的規(guī)律性、周期性等因素強(qiáng)相關(guān)。在本次測試中視頻類業(yè)務(wù)經(jīng)過6輪學(xué)習(xí)驗(yàn)證得到最終結(jié)果，總時(shí)間小于1 s；集卡控制類業(yè)務(wù)經(jīng)過5 輪學(xué)習(xí)，總學(xué)習(xí)時(shí)間小于5 s；對于以40 s 為周期的采集類業(yè)務(wù)經(jīng)過2輪學(xué)習(xí)，總的學(xué)習(xí)時(shí)間為10～20 min。

3.2 業(yè)務(wù)確定性保障

對智能電網(wǎng)、智慧港口、工廠自動(dòng)化三大場景下的15種具體業(yè)務(wù)進(jìn)行相應(yīng)組合后，驗(yàn)證在三大綜合場景下每種測試業(yè)務(wù)的實(shí)際SLA保障情況。

導(dǎo)入流量特征建模結(jié)果、業(yè)務(wù)需求、網(wǎng)絡(luò)拓?fù)涞认嚓P(guān)信息，調(diào)用網(wǎng)絡(luò)演算“TSN-IP”算法進(jìn)行隊(duì)列規(guī)劃、算路以及資源預(yù)留，完成規(guī)劃后向網(wǎng)絡(luò)節(jié)點(diǎn)設(shè)備下發(fā)生成的配置［16］。配置12×GE 測試儀參數(shù)，通過不同接口構(gòu)造模擬多個(gè)業(yè)務(wù)流量，另一臺8×10GE 測試儀模擬現(xiàn)網(wǎng)背景流量，觀察業(yè)務(wù)SLA保障的效果。

圖5 為智能電網(wǎng)綜合場景下差動(dòng)保護(hù)（上下行）、三遙（上下行）、高級計(jì)量、巡檢監(jiān)控業(yè)務(wù)的時(shí)延保障效果。

圖5 智能電網(wǎng)綜合場景業(yè)務(wù)SLA保障效果

測試結(jié)果表明，“TSN-IP”網(wǎng)絡(luò)演算技術(shù)滿足5G承載網(wǎng)絡(luò)確定性保障相關(guān)要求，對各業(yè)務(wù)均能夠保障帶寬、時(shí)延、丟包率等網(wǎng)絡(luò)性能要求。業(yè)務(wù)最大時(shí)延始終低于需求時(shí)延和規(guī)劃時(shí)延，保障時(shí)延有界；設(shè)備時(shí)延隊(duì)列規(guī)劃結(jié)果，資源預(yù)留數(shù)據(jù)量化呈現(xiàn)，業(yè)務(wù)隊(duì)列級路徑清晰可視；業(yè)務(wù)間呈現(xiàn)差異化時(shí)延保障效果；在背景流量突發(fā)、擁塞等場景下，仍然能夠保障時(shí)延上界。

通過對比多個(gè)測試用例的結(jié)果發(fā)現(xiàn)：網(wǎng)絡(luò)資源預(yù)留量與業(yè)務(wù)特征和時(shí)延需求、網(wǎng)絡(luò)拓?fù)涞葟?qiáng)相關(guān)，隨著業(yè)務(wù)的峰值速率相比平均速率的倍數(shù)越高，即突發(fā)速率越高，預(yù)留的資源會(huì)上升，時(shí)延需求越嚴(yán)苛，預(yù)留的資源也會(huì)越高；一般從業(yè)務(wù)入口到出口，每個(gè)節(jié)點(diǎn)端口預(yù)留資源會(huì)逐級減少，總體上預(yù)留資源量約是業(yè)務(wù)平均速率的2倍。

3.3 與傳統(tǒng)QoS方案對比測試

在擁塞場景下，刪除基于算法規(guī)劃的HQoS 配置，將SLA 保障業(yè)務(wù)和背景業(yè)務(wù)流量混跑在端口EF 隊(duì)列里，觀察到所有業(yè)務(wù)時(shí)延值接近，業(yè)務(wù)時(shí)延同時(shí)上升，并且產(chǎn)生丟包，部分業(yè)務(wù)已經(jīng)不能滿足需求時(shí)延。

另外，構(gòu)造業(yè)務(wù)具有瞬時(shí)突發(fā)，但整體平均流量小于端口速率的輕載網(wǎng)絡(luò)場景，當(dāng)業(yè)務(wù)的瞬時(shí)突發(fā)流量較大時(shí)，會(huì)造成EF中業(yè)務(wù)的時(shí)延上升，甚至丟包。

但在上述場景下，通過網(wǎng)絡(luò)演算“TSN-IP”方案進(jìn)行規(guī)劃保障，仍可有效保證業(yè)務(wù)需求。

現(xiàn)有的QoS 機(jī)制通常在單點(diǎn)進(jìn)行優(yōu)先級調(diào)度［17］，缺乏端到端的規(guī)劃和資源預(yù)留，較難做到量化的全局端到端SLA保障；基于傳統(tǒng)的QoS機(jī)制處理，所有的高價(jià)值業(yè)務(wù)統(tǒng)一基于EF 轉(zhuǎn)發(fā)，無細(xì)分差異化保障能力，最終實(shí)現(xiàn)的SLA 保障指標(biāo)近似，對后續(xù)還能部署多少新的SLA保障業(yè)務(wù)難以量化評估。

4 總結(jié)及建議

5G 賦能千行百業(yè)，行業(yè)應(yīng)用業(yè)務(wù)的日益增多，在新業(yè)務(wù)部署時(shí)，根據(jù)業(yè)務(wù)流量特征，可利用網(wǎng)絡(luò)演算理論及相關(guān)算法對網(wǎng)絡(luò)的承載能力進(jìn)行評估，為業(yè)務(wù)提供確定性網(wǎng)絡(luò)服務(wù)。網(wǎng)業(yè)協(xié)同，使網(wǎng)絡(luò)能力與業(yè)務(wù)需求相匹配，為不同業(yè)務(wù)提供精細(xì)化的SLA 保障，滿足業(yè)務(wù)差異化需求，同時(shí)避免輕載網(wǎng)絡(luò)及資源過配置，優(yōu)化網(wǎng)絡(luò)資源利用率及成本。

業(yè)務(wù)流量特征及明確的業(yè)務(wù)需求是業(yè)務(wù)SLA 保障的前提要素，需要通信行業(yè)與產(chǎn)業(yè)界協(xié)同，對齊業(yè)務(wù)需求，探索網(wǎng)絡(luò)對業(yè)務(wù)的感知。此外，需進(jìn)一步研究探索5G 無線網(wǎng)絡(luò)、承載網(wǎng)、核心網(wǎng)的協(xié)同及端到端的確定性保障，網(wǎng)絡(luò)演算與網(wǎng)絡(luò)切片、TSN 調(diào)度機(jī)制、Flex E 等確定性網(wǎng)絡(luò)技術(shù)的結(jié)合應(yīng)用，并在制定確定性網(wǎng)絡(luò)方案時(shí)，綜合考慮資源規(guī)劃粒度與工程實(shí)現(xiàn)的復(fù)雜性。