摘 要：傳統(tǒng)互聯(lián)網(wǎng)為實(shí)現(xiàn)端到端安全、可靠、實(shí)時(shí)的網(wǎng)絡(luò)業(yè)務(wù)保障，需要在網(wǎng)元節(jié)點(diǎn)部署多類組網(wǎng)服務(wù)。然而，現(xiàn)有大多數(shù)網(wǎng)絡(luò)設(shè)備只提供網(wǎng)絡(luò)接入和路由等服務(wù)功能，缺乏安全、可靠、實(shí)時(shí)的服務(wù)設(shè)計(jì)。基于開源網(wǎng)絡(luò)操作系統(tǒng)（software for open networking in the cloud， SONiC）、容器技術(shù)和行為樹設(shè)計(jì)一種組網(wǎng)服務(wù)管控架構(gòu)及調(diào)度方法，實(shí)現(xiàn)面向網(wǎng)絡(luò)業(yè)務(wù)保障的組網(wǎng)服務(wù)部署，將組網(wǎng)服務(wù)部署可編程網(wǎng)絡(luò)設(shè)備進(jìn)行統(tǒng)一管理和調(diào)度，并進(jìn)行仿真測試。所述組網(wǎng)服務(wù)管控架構(gòu)及調(diào)度方法進(jìn)一步增強(qiáng)了網(wǎng)絡(luò)設(shè)備能力，利用行為樹高效協(xié)調(diào)管控調(diào)度過程中的狀態(tài)轉(zhuǎn)化，保障組網(wǎng)服務(wù)的交付質(zhì)量。

關(guān)鍵詞： 行為樹; 容器技術(shù); SONiC; 組網(wǎng)服務(wù)調(diào)度

中圖分類號： TP 273 文獻(xiàn)標(biāo)志碼： A""" DOI：10.12305/j.issn.1001-506X.2024.10.31

Behavior tree based management and control architecture and

scheduling method for networking service

SONG Ruitao GAO Xianming HUANG Jiaorui YANG Chungang^1，3， HUANG Tao³， LI Yuanyuan¹

（1. School of Telcommunication Engineering， Xidian University， Xi’an 71007 China;

2. Institute of Systems Engineering， Academy of Military Sciences， Beijing 100039， China;

3. Hangzhou Institute of Technology， Xidian University， Hangzhou 311200， China）

Abstract： In order to achieve end-to-end security， reliability， and real-time network business support， traditional internet requires the deployment of multiple types of networking service at network element nodes. However， most existing network devices only provide network access， routing and other service functions， lacking safe， reliable， real-time and other service design. Based on the open source network operating system software for open networking in the cloud （SONiC）， a management and control architecture and scheduling method for networking service based on container technology and behavior tree is designed. It realizes the deployment of networking service for network service support， which is then deploy to programmable network devices for unified management and scheduling， and simulation testing is carried out. The networking service management and control architecture and scheduling method further enhance the capability of network equipment， and use the behavior tree to efficiently coordinate and schedule the status transformation in the management， control and scheduling process to ensure the delivery quality of networking service.

Keywords： behavior tree; container technology; software for open networking in the cloud （SONiC）; networking service scheduling

0 引 言

傳統(tǒng)互聯(lián)網(wǎng)在安全可靠方面面臨越來越多的不足，通過在網(wǎng)元節(jié)點(diǎn)上部署多類組網(wǎng)服務(wù)，例如路由服務(wù)、認(rèn)證服務(wù)、密鑰管理服務(wù)等^［1］，可有效應(yīng)對上述安全、可靠服務(wù)的不足。然而，傳統(tǒng)網(wǎng)絡(luò)設(shè)備軟件與硬件緊密捆綁，只能提供特定的網(wǎng)絡(luò)服務(wù)與功能，無法滿足上述需求^［2］。在此背景下，可編程網(wǎng)絡(luò)技術(shù)可實(shí)現(xiàn)網(wǎng)絡(luò)設(shè)備的軟、硬件分離，通過服務(wù)功能的虛擬化，使網(wǎng)絡(luò)設(shè)備能夠承載多類組網(wǎng)服務(wù)^［34］。微軟向開放計(jì)算項(xiàng)目（open compute project，OCP）貢獻(xiàn)一組交換機(jī)專用集成電路（application specific integrated circuit，ASIC）芯片的交換機(jī)抽象接口（switch abstraction interface，SAI），適配各硬件廠商提供的軟件工具開發(fā)包（software development kit，SDK），實(shí)現(xiàn)以統(tǒng)一的方式控制不同廠商、不同芯片的交換機(jī)^［5］。開放網(wǎng)絡(luò)操作系統(tǒng)（open network linux，ONL）是網(wǎng)絡(luò)操作系統(tǒng)開源化的第一個(gè)里程碑，為白盒交換機(jī)提供了必要的軟件集合，開源網(wǎng)絡(luò)操作系統(tǒng)（software for open networking in the cloud， SONiC）是以其為基礎(chǔ)的第一個(gè)重大突破^［6］。SONiC采用SAI芯片標(biāo)準(zhǔn)化接口，實(shí)現(xiàn)底層芯片和上層應(yīng)用的解耦，充分利用虛擬化技術(shù)及數(shù)據(jù)庫技術(shù)，支持模塊化、應(yīng)用容器化以及交換機(jī)狀態(tài)數(shù)據(jù)庫化^［7］。

進(jìn)一步，虛擬化技術(shù)可將物理資源，如服務(wù)器、存儲設(shè)備、網(wǎng)絡(luò)等，進(jìn)行抽象和隔離，可通過軟件或硬件等方式，在一臺物理設(shè)備上創(chuàng)建多個(gè)虛擬環(huán)境，使每個(gè)虛擬環(huán)境都具有獨(dú)立的操作系統(tǒng)、應(yīng)用程序和資源^［811］。再有，容器技術(shù)可實(shí)現(xiàn)輕量級虛擬化，使網(wǎng)絡(luò)設(shè)備能夠便捷地承載不同的網(wǎng)元功能^［1214］。綜上，容器技術(shù)和虛擬機(jī)技術(shù)通過將硬件配置與應(yīng)用程序隔離來實(shí)現(xiàn)虛擬化，以創(chuàng)建應(yīng)用程序?qū)Φ讓佑布o感的虛擬環(huán)境，從而實(shí)現(xiàn)“一處構(gòu)建，隨處運(yùn)行”的特性。然而，虛擬機(jī)技術(shù)更依賴于Hypervisor層和物理機(jī)之間的關(guān)聯(lián)關(guān)系^［1516］。相比之下，容器技術(shù)在外部環(huán)境上的運(yùn)行較為孤立，鑒于容器技術(shù)的靈活性、快速性和高效性，如何有效地管控和調(diào)度各類容器化的組網(wǎng)服務(wù)，以充分利用網(wǎng)絡(luò)設(shè)備的各類資源成為一個(gè)重要問題^［1720］。

針對組網(wǎng)服務(wù)的容器調(diào)度問題，各類容器編排工具應(yīng)運(yùn)而生，如：Mesos、Kubernets、Docker Swarm等，其提供了容器自動(dòng)部署、容器遷移、服務(wù)發(fā)現(xiàn)、資源調(diào)度與分配、滾動(dòng)升級、彈性伸縮等功能^［21］。然而，上述容器編排工具或多或少存在不足，如由于調(diào)度策略是基于資源提供而實(shí)現(xiàn)的兩層調(diào)度，在資源的高利用率、數(shù)據(jù)共享等方面的表現(xiàn)不足;Kubernetes調(diào)度算法基于Brog優(yōu)化的兩階段最大評分節(jié)點(diǎn)選取方法，是一種靜態(tài)的調(diào)度算法，故而無法應(yīng)對容器云環(huán)境下復(fù)雜且動(dòng)態(tài)的資源分配與調(diào)整;Swarm對用戶的計(jì)算機(jī)水平要求不高且便于二次開發(fā)，相較而言其調(diào)度策略過于簡單，更加無法滿足容器調(diào)度需求^［21］。文獻(xiàn)［22］提出一種面向算力網(wǎng)絡(luò)的邊緣資源調(diào)度解決方案，該方案使用Kubernetes作為各個(gè)服務(wù)容器的管理調(diào)度中心，但還是存在一些問題。目前，Kubernetes不支持進(jìn)階精簡指令集設(shè)備（advanced reduced instruction set computing machine，ARM），且對資源的消耗、尤其是內(nèi)存和中央處理器（central processing unit，CPU）的消耗，是網(wǎng)絡(luò)設(shè)備無法承受的，難以適應(yīng)對網(wǎng)絡(luò)設(shè)備中容器的管理。

其次，上述容器編排工具在調(diào)度中采用類似有限狀態(tài)機(jī)的構(gòu)建方法，在服務(wù)節(jié)點(diǎn)出現(xiàn)異常事件后，產(chǎn)生相應(yīng)的動(dòng)作，從而引起狀態(tài)的轉(zhuǎn)移，轉(zhuǎn)移到新狀態(tài)或維持當(dāng)前狀態(tài)。例如，在對正在運(yùn)行的服務(wù)進(jìn)行調(diào)度時(shí)，通常會造成服務(wù)的中斷，需要對系統(tǒng)進(jìn)行功能擴(kuò)展，對系統(tǒng)原有代碼進(jìn)行修改，工程量較大。

針對上述問題，本文基于開源操作系統(tǒng)SONiC和行為樹設(shè)計(jì)一種組網(wǎng)服務(wù)管控架構(gòu)和調(diào)度方法，支持對運(yùn)行在網(wǎng)元節(jié)點(diǎn)上的各類組網(wǎng)服務(wù)進(jìn)行靈活調(diào)度。本文的主要貢獻(xiàn)如下：

首先，針對現(xiàn)有容器編排工具體量大且難以適應(yīng)網(wǎng)絡(luò)場景的問題，基于SONiC網(wǎng)絡(luò)操作系統(tǒng)對其原生容器進(jìn)行功能擴(kuò)展，設(shè)計(jì)基于行為樹的組網(wǎng)服務(wù)管控架構(gòu)，只設(shè)計(jì)必要功能，減少對網(wǎng)絡(luò)設(shè)備中各類資源的消耗，便于對網(wǎng)絡(luò)中的各個(gè)組網(wǎng)服務(wù)進(jìn)行靈活調(diào)度。

其次，針對基于有限狀態(tài)機(jī)進(jìn)行功能擴(kuò)展需要重構(gòu)代碼、工程量較大的問題，基于行為樹設(shè)計(jì)一種組網(wǎng)服務(wù)調(diào)度策略生成方法，通過行為樹將各個(gè)功能進(jìn)行組織，并將其以容器化的形式嵌入SONiC系統(tǒng)，作為網(wǎng)絡(luò)中的組網(wǎng)服務(wù)管控平臺，便于組網(wǎng)服務(wù)遷移等功能的擴(kuò)展。

最后，在典型場景下，對系統(tǒng)框架進(jìn)行了用例分析，利用服務(wù)器搭建3個(gè)運(yùn)行SONiC系統(tǒng)的節(jié)點(diǎn)，將其作為仿真環(huán)境，并通過調(diào)用接口，向網(wǎng)絡(luò)中部署密鑰管理服務(wù)，模擬節(jié)點(diǎn)資源不足的情況，測試該架構(gòu)對于組網(wǎng)服務(wù)的遷移調(diào)度能力，并對后續(xù)工作進(jìn)行簡要介紹。

1 相關(guān)技術(shù)

1.1 SONiC網(wǎng)絡(luò)操作系統(tǒng)

SONiC基于Linux系統(tǒng)進(jìn)行開發(fā)，其利用鍵值數(shù)據(jù)庫和容器技術(shù)實(shí)現(xiàn)各個(gè)模塊的封裝和解耦，并與硬件層建立SAI，該接口使得網(wǎng)元設(shè)備可以加入自定義的網(wǎng)絡(luò)功能，極大程度地提高了網(wǎng)元功能的擴(kuò)展性^［2223］。

SONiC系統(tǒng)的基礎(chǔ)結(jié)構(gòu)如圖1所示^［22］，其核心思想是利用容器技術(shù)實(shí)現(xiàn)各個(gè)功能的隔離，數(shù)據(jù)庫主要用于實(shí)現(xiàn)數(shù)據(jù)的存儲和模塊之間的通信，以實(shí)現(xiàn)較高的擴(kuò)展性。系統(tǒng)自下而上由3個(gè)層次組成：硬件層由集成電路和芯片組成;操作系統(tǒng)則負(fù)責(zé)利用驅(qū)動(dòng)程序與硬件進(jìn)行溝通;用戶層則運(yùn)行各個(gè)功能容器，主要包含以下幾個(gè)部分。

簡單網(wǎng)絡(luò)管理協(xié)議（simple network management protocol，SNMP）容器：托管SNMP功能。

鏈路層發(fā)現(xiàn)協(xié)議（link layer discovery protocol，LLDP）容器：負(fù)責(zé)承載LLDP功能，實(shí)現(xiàn)鏈路發(fā)現(xiàn)協(xié)議，在與其他交換機(jī)建立連接的基礎(chǔ)上，將信息同步到Redis容器中供其他功能使用。

邊界網(wǎng)關(guān)協(xié)議（border gateway protocol，BGP）容器：負(fù)責(zé)運(yùn)行支持的路由堆棧之一，主要由zebra路由套件實(shí)現(xiàn)，在構(gòu)建網(wǎng)絡(luò)拓?fù)涞幕A(chǔ)上，計(jì)算出路由信息并同步到內(nèi)核。

Database容器：應(yīng)用程序可以通過訪問數(shù)據(jù)庫進(jìn)行通信和數(shù)據(jù)存儲。

交換機(jī)狀態(tài)服務(wù)（switch state service，SWS）容器：用于協(xié)調(diào)所有SONiC模塊之間、模塊與redis引擎之間的通信。

同步進(jìn)程（synchronization daemon，SYNCD）容器：負(fù)責(zé)收集當(dāng)前交換機(jī)的網(wǎng)絡(luò)狀態(tài)并同步給ASIC芯片。

1.2 行為樹

行為樹是一種樹形的層次化決策工具，與有限狀態(tài)機(jī)相比，行為樹擁有模塊化、可擴(kuò)展的特點(diǎn)，常用于對有限狀態(tài)機(jī)進(jìn)行替換。行為樹由執(zhí)行結(jié)點(diǎn)和控制結(jié)點(diǎn)組成樹形結(jié)構(gòu)，其中執(zhí)行結(jié)點(diǎn)多用于執(zhí)行特定的動(dòng)作或判斷，位于樹的末端;控制結(jié)點(diǎn)則跟據(jù)不同節(jié)點(diǎn)的判斷邏輯向上返回執(zhí)行狀態(tài)，控制遍歷流程，位于樹的內(nèi)部。在行為樹運(yùn)行過程中，從根結(jié)點(diǎn)出發(fā)使用深度優(yōu)先搜索方式執(zhí)行每一個(gè)結(jié)點(diǎn)，并將每個(gè)結(jié)點(diǎn)的結(jié)果向上進(jìn)行反饋^［24］。

與行為樹類似，有限狀態(tài)機(jī)、分層狀態(tài)機(jī)和決策樹都是用于人工智能、機(jī)器人、游戲開發(fā)和計(jì)算機(jī)科學(xué)等其他領(lǐng)域的模型，雖然都代表決策過程，但在結(jié)構(gòu)、復(fù)雜性和應(yīng)用方面卻各不相同。本節(jié)將在表1中對有限狀態(tài)機(jī)、分層狀態(tài)機(jī)、決策樹和行為樹進(jìn)行對比。

有限狀態(tài)機(jī)是決策模型中最簡單的形式，由有限數(shù)量的狀態(tài)和狀態(tài)之間的轉(zhuǎn)換組成，用于模擬簡單的行為，通常用有向圖來表示。有限狀態(tài)機(jī)廣泛應(yīng)用于游戲開發(fā)、機(jī)器人和控制系統(tǒng)。分層狀態(tài)機(jī)是有限狀態(tài)機(jī)的擴(kuò)展，可通過將行為組織成層次結(jié)構(gòu)來創(chuàng)建更復(fù)雜的行為，由一系列嵌套的有限狀態(tài)機(jī)組成，其中每個(gè)嵌套的有限狀態(tài)機(jī)代表一個(gè)較低級別的行為。分層狀態(tài)機(jī)通常用于模擬復(fù)雜系統(tǒng)的行為，如自動(dòng)駕駛汽車或機(jī)器人。決策樹也是一種決策模型，使用樹狀結(jié)構(gòu)來表示決策序列。樹中的每個(gè)決策節(jié)點(diǎn)代表一個(gè)測試，分支代表測試的可能結(jié)果。決策樹通常用于機(jī)器學(xué)習(xí)和決策分析^［25］。行為樹作為一種決策模型，融合了分層狀態(tài)機(jī)的層次化處理結(jié)構(gòu)和決策樹的決策能力。

行為樹常用于游戲開發(fā)、機(jī)器人和控制系統(tǒng)，為復(fù)雜行為提供了靈活的模塊化表示方法^［26］。在大多數(shù)情況下，行為樹可用作有限狀態(tài)機(jī)的替代品^［27］。雖然有限狀態(tài)機(jī)是4種模型中最簡單的一種，但也是表現(xiàn)力最差的一種，因?yàn)槠渲荒鼙硎居邢薜囊唤M行為。另一方面，分層狀態(tài)機(jī)和行為樹的表現(xiàn)力更強(qiáng)，可以表示更復(fù)雜的行為。分層狀態(tài)機(jī)通常用于為具有層次結(jié)構(gòu)的系統(tǒng)行為建模，而行為樹通常用于為具有模塊結(jié)構(gòu)的系統(tǒng)行為建模^［2829］。決策樹則通常用于機(jī)器學(xué)習(xí)，以緊湊、可解釋的方式表示決策規(guī)則。決策樹還可用于決策分析，分析決策過程并確定最優(yōu)的傳輸路徑。在實(shí)現(xiàn)方面，有限狀態(tài)機(jī)和分層狀態(tài)機(jī)通常使用狀態(tài)機(jī)來實(shí)現(xiàn)，效率高，可以處理實(shí)時(shí)系統(tǒng)。決策樹使用二叉樹或基于規(guī)則的系統(tǒng)實(shí)現(xiàn)。行為樹通常使用帶有邏輯節(jié)點(diǎn)的樹形結(jié)構(gòu)來實(shí)現(xiàn)，這種結(jié)構(gòu)提供了一種模塊化和靈活的方式，以表示復(fù)雜的行為^［3033］。

本文基于行為樹對組網(wǎng)服務(wù)的調(diào)度流程進(jìn)行表征，利用行為樹在模塊化、層次化、可重用性、可讀性、魯棒性等方面的優(yōu)勢，高效協(xié)調(diào)調(diào)度過程中的狀態(tài)轉(zhuǎn)化，實(shí)現(xiàn)了網(wǎng)絡(luò)中各類組網(wǎng)服務(wù)在網(wǎng)元設(shè)備上的統(tǒng)一管控和調(diào)度，且便于后續(xù)功能的擴(kuò)展。

2 基于行為樹的組網(wǎng)服務(wù)管控架構(gòu)

2.1 整體技術(shù)架構(gòu)

SONiC系統(tǒng)借助容器技術(shù)和數(shù)據(jù)庫技術(shù)為網(wǎng)元功能的擴(kuò)展提供了更多的可能性，同時(shí)使得網(wǎng)元資源可以得到充分利用，也為組網(wǎng)服務(wù)功能的靈活管控提供了便利。本文在SONiC架構(gòu)的基礎(chǔ)上，對其原有功能容器進(jìn)行擴(kuò)展，以實(shí)現(xiàn)在網(wǎng)元設(shè)備上對各類組網(wǎng)服務(wù)的動(dòng)態(tài)調(diào)度，SONiC容器管控架構(gòu)的整體架構(gòu)如圖2所示。圖2中，（1）～（6）為SONiC內(nèi)部所發(fā)生的工作流程，將在后文中詳細(xì)說明。在SONiC中引入3個(gè)新的容器，并對其原有容器進(jìn)行功能擴(kuò)展。

Database容器：在redis中將7號數(shù)據(jù)庫作為存放全網(wǎng)資源的數(shù)據(jù)庫resour_DB，用于存放網(wǎng)絡(luò)中各個(gè)網(wǎng)元節(jié)點(diǎn)的計(jì)算、存儲、轉(zhuǎn)發(fā)、安全等資源信息，為組網(wǎng)服務(wù)調(diào)度提供依據(jù)。

SYNCD容器：通過SAI接口獲取由硬件驅(qū)動(dòng)向上提供的硬件資源情況，通過syncd將收集到的資源信息注入resour_DB中。

Resource容器：Resour_sync負(fù)責(zé)將底層獲取到的資源信息進(jìn)行全網(wǎng)同步，使網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)均掌握全網(wǎng)資源分布情況;Monitor進(jìn)程通過對本節(jié)點(diǎn)的資源進(jìn)行監(jiān)控，決定是否將本節(jié)點(diǎn)的資源進(jìn)行全網(wǎng)推送并動(dòng)態(tài)調(diào)整推送頻率。

BT_manager容器：該容器在一個(gè)自治系統(tǒng)（Autonomous system，AS）或自治域中只部署一個(gè)，通常部署在核心網(wǎng)與接入網(wǎng)的交界處，對一個(gè)AS中的容器進(jìn)行統(tǒng)一管控。通過遍歷預(yù)先設(shè)計(jì)的行為樹，結(jié)合數(shù)據(jù)庫中的全網(wǎng)資源，完成組網(wǎng)服務(wù)部署和遷移等調(diào)度任務(wù)。

Mig_agent容器：該容器部署在網(wǎng)絡(luò)中的所有節(jié)點(diǎn)中，與BT_manager形成C/S結(jié)構(gòu)，作為BT_manager的服務(wù)端，負(fù)責(zé)與主機(jī)Docker引擎溝通以便完成組網(wǎng)服務(wù)的部署和遷移。該容器通過接收BT_manager發(fā)出的指令，調(diào)用主機(jī)Docker引擎的RESTful接口，并結(jié)合CRIU工具實(shí)現(xiàn)容器部署、容器凍結(jié)、容器恢復(fù)、數(shù)據(jù)同步等工作。

Service容器：該類容器承載具體的組網(wǎng)服務(wù)，如路由服務(wù)、密鑰管理等，通過前述的一系列容器對這類容器進(jìn)行調(diào)度，保障各類組網(wǎng)服務(wù)可以正常運(yùn)行。

下面介紹系統(tǒng)工作過程中SONiC內(nèi)部所發(fā)生的工作流程：

（1） 由硬件驅(qū)動(dòng)程序定時(shí)通過SAI接口將本節(jié)點(diǎn)的計(jì)算、存儲、轉(zhuǎn)發(fā)等資源傳遞給SYNCD容器。

（2） 由Syncd進(jìn)程將收集到的底層資源信息存入redis的Resour_DB數(shù)據(jù)庫中。

（3） Monitor對存入數(shù)據(jù)庫中的本節(jié)點(diǎn)資源進(jìn)行監(jiān)控并將其推送至全網(wǎng)，由Resour_sync將同步后的全網(wǎng)資源信息存入資源數(shù)據(jù)庫中。

（4） BT_manager遍歷行為樹生成組網(wǎng)服務(wù)調(diào)度策略，主要分兩個(gè)方面，首先對組網(wǎng)服務(wù)上線申請進(jìn)行實(shí)例化部署，同時(shí)根據(jù)數(shù)據(jù)庫中的全網(wǎng)資源信息為已經(jīng)部署的運(yùn)行態(tài)服務(wù)制定遷移策略，然后將生成的調(diào)度策略發(fā)送給目標(biāo)節(jié)點(diǎn)的Mig_agent容器。

（5） Mig_agent執(zhí)行由BT_manager發(fā)送的指令，對本節(jié)點(diǎn)承載組網(wǎng)服務(wù)的容器執(zhí)行相應(yīng)操作，若需要對容器進(jìn)行凍結(jié)，需要從操作系統(tǒng)中獲取容器相關(guān)配置信息和容器運(yùn)行狀態(tài)。

（6） 組網(wǎng)服務(wù)部署或遷移完成后，容器進(jìn)入運(yùn)行狀態(tài)，在數(shù)據(jù)庫中進(jìn)行服務(wù)注冊，由Resource容器進(jìn)行監(jiān)控。

2.2 基于行為樹的組網(wǎng)服務(wù)調(diào)度策略生成

如前文中的SONiC容器管控架構(gòu)所述，BT_manager容器負(fù)責(zé)對一個(gè)AS中的組網(wǎng)服務(wù)進(jìn)行統(tǒng)一管控和調(diào)度，此處調(diào)度包括兩個(gè)方面，一是對網(wǎng)絡(luò)中不存在的新服務(wù)進(jìn)行部署，二是對正在運(yùn)行的組網(wǎng)服務(wù)進(jìn)行保障，在節(jié)點(diǎn)異常情況下對組網(wǎng)服務(wù)進(jìn)行遷移來保障服務(wù)質(zhì)量。該容器內(nèi)部通過遍歷預(yù)先設(shè)計(jì)的行為樹，結(jié)合數(shù)據(jù)庫中的全網(wǎng)資源，完成組網(wǎng)服務(wù)部署、組網(wǎng)服務(wù)遷移判決、最優(yōu)節(jié)點(diǎn)計(jì)算、組網(wǎng)服務(wù)遷移等任務(wù)，確保組網(wǎng)服務(wù)能夠正常運(yùn)行?；谛袨闃涞慕M網(wǎng)服務(wù)調(diào)度建模如圖3所示，該行為樹分為兩顆子樹，左側(cè)子樹實(shí)現(xiàn)由服務(wù)的注冊到組網(wǎng)服務(wù)的部署，右側(cè)子樹實(shí)現(xiàn)由底層網(wǎng)絡(luò)資源狀態(tài)變化驅(qū)動(dòng)的組網(wǎng)服務(wù)的遷移。

行為樹從根結(jié)點(diǎn)出發(fā)，為同時(shí)實(shí)現(xiàn)上述兩個(gè)過程，在根結(jié)點(diǎn)設(shè)置并行結(jié)點(diǎn)執(zhí)行其下的兩棵子樹。圖3中左側(cè)子樹中最左側(cè)條件結(jié)點(diǎn)首先判斷是否有服務(wù)上線申請，通常服務(wù)上線申請是由用戶發(fā)起，若有服務(wù)上線申請，則執(zhí)行其后的動(dòng)作結(jié)點(diǎn)，將上線的服務(wù)名稱填入該行為樹的Blackboard中，如圖4所示。

Blackboard是行為樹結(jié)點(diǎn)之間傳輸數(shù)據(jù)的方式，其本質(zhì)是一個(gè)哈希表，數(shù)據(jù)以鍵值對的形式存在這個(gè)表中，每棵行為樹都有自己的Blackboard，被所有的節(jié)點(diǎn)共享。在本行為樹中，Blackboard用于存放各個(gè)組網(wǎng)服務(wù)的相關(guān)信息，Service對應(yīng)的Value為該組網(wǎng)服務(wù)名稱及所需資源;Policy所對應(yīng)的Value為該服務(wù)的部署位置，Policy與Service根據(jù)其后的編號一一對應(yīng)。之后，通過條件結(jié)點(diǎn)檢測是否所有服務(wù)均被部署，若存在服務(wù)未被部署，則執(zhí)行其后的順序結(jié)點(diǎn)，獲取服務(wù)所需資源。該動(dòng)作通過訪問redis數(shù)據(jù)庫中的資源數(shù)據(jù)庫獲取全網(wǎng)資源信息，選擇最優(yōu)的服務(wù)部署結(jié)點(diǎn)，并將策略下發(fā)給目標(biāo)節(jié)點(diǎn)的Mig_agent容器執(zhí)行。

在左側(cè)子樹執(zhí)行完畢后，各個(gè)組網(wǎng)服務(wù)容器進(jìn)入運(yùn)行狀態(tài)，在行為樹遍歷過程中，通過執(zhí)行右側(cè)子樹第一個(gè)結(jié)點(diǎn)獲取網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)的資源狀態(tài)，之后通過右側(cè)分支的選擇結(jié)點(diǎn)判斷計(jì)算、存儲、轉(zhuǎn)發(fā)資源是否過載，根據(jù)預(yù)先設(shè)定的閾值決定是否進(jìn)入后續(xù)服務(wù)遷移流程。當(dāng)承載服務(wù)的節(jié)點(diǎn)資源未超過閾值時(shí)，該選擇結(jié)點(diǎn)返回1，結(jié)束此次對于行為樹的遍歷;若該節(jié)點(diǎn)資源超過設(shè)定閾值，則進(jìn)行遷移節(jié)點(diǎn)預(yù)選，計(jì)算遷移代價(jià)和收益，確定最優(yōu)遷移節(jié)點(diǎn)，最終由遷移判決對多個(gè)采樣點(diǎn)的資源狀態(tài)進(jìn)行分析，確定是否執(zhí)行此次服務(wù)遷移。

2.3 組網(wǎng)服務(wù)遷移判決

組網(wǎng)服務(wù)遷移作為調(diào)度過程的一個(gè)重要環(huán)節(jié)，保證組網(wǎng)服務(wù)在節(jié)點(diǎn)異常狀態(tài)下仍然能夠正常提供服務(wù)，主要分為以下幾個(gè)步驟，即組網(wǎng)服務(wù)遷移判決、遷移最優(yōu)節(jié)點(diǎn)計(jì)算以及遷移動(dòng)作執(zhí)行，均以動(dòng)作結(jié)點(diǎn)的形式存在于行為樹中。其中，服務(wù)遷移判決功能對資源感知模塊構(gòu)建的資源狀態(tài)表進(jìn)行分析，分析節(jié)點(diǎn)各類資源占用情況，若超過事先設(shè)置的閾值，則觸發(fā)服務(wù)遷移判決算法。由于一種組網(wǎng)服務(wù)通常占用多種資源，且不同的服務(wù)功能對資源的需求不同。例如，當(dāng)節(jié)點(diǎn)上計(jì)算資源的使用率很高，而存儲資源的使用率很低時(shí)，此節(jié)點(diǎn)資源利用均衡度就很低。在此種情況下，該節(jié)點(diǎn)中計(jì)算資源與存儲資源的使用率差別很大，若服務(wù)繼續(xù)運(yùn)行，可能會影響其處理能力，所以在判決過程中只要有一種資源超過閾值，即會觸發(fā)服務(wù)遷移動(dòng)作。

另外，組網(wǎng)服務(wù)遷移判決條件并不是依照單個(gè)時(shí)間點(diǎn)的瞬時(shí)資源狀態(tài)進(jìn)行判決，以計(jì)算和存儲資源為例的具體判決流程如圖5所示。當(dāng)某個(gè)節(jié)點(diǎn)的某類資源占用超過預(yù)先設(shè)定的閾值時(shí)，則會進(jìn)入遷移判決算法，通過對多個(gè)采樣點(diǎn)的節(jié)點(diǎn)狀態(tài)進(jìn)行分析做出最終的判決，不會直接執(zhí)行服務(wù)遷移動(dòng)作。其主要目的是為了防止節(jié)點(diǎn)在任務(wù)處理過程中出現(xiàn)瞬時(shí)資源利用率超過閾值而觸發(fā)的無意義遷移，這種情況下資源占用率往往會在較短時(shí)間內(nèi)回歸正常狀態(tài)，如果此時(shí)立即執(zhí)行遷移動(dòng)作會帶來無意義的資源損耗和時(shí)延。此處遷移判決算法在某類資源利用率超過閾值后觸發(fā)后續(xù)流程，持續(xù)監(jiān)測接下來的n個(gè)采樣點(diǎn)的該資源的利用率，若平均值超過了預(yù)先設(shè)定的閾值，則判斷當(dāng)前節(jié)點(diǎn)資源不足，繼續(xù)執(zhí)行可能影響服務(wù)質(zhì)量，開始執(zhí)行后續(xù)服務(wù)遷移動(dòng)作，避免無意義的遷移動(dòng)作而導(dǎo)致的損耗和時(shí)延。

2.4 遷移最優(yōu)節(jié)點(diǎn)計(jì)算

為確保組網(wǎng)服務(wù)在遷移后能夠更好地提供服務(wù)，對目標(biāo)節(jié)點(diǎn)的各類資源有一定的要求，同時(shí)還需要考慮網(wǎng)絡(luò)中所有節(jié)點(diǎn)資源利用的均衡度，避免出現(xiàn)某些節(jié)點(diǎn)負(fù)載較高的情況。因此，對于遷移節(jié)點(diǎn)的選擇，需要結(jié)合全網(wǎng)資源信息并權(quán)衡遷移的代價(jià)和帶來的收益綜合決定。計(jì)算流程如下：首先根據(jù)全網(wǎng)資源狀態(tài)進(jìn)行遷移節(jié)點(diǎn)預(yù)選，對剩余資源不足或節(jié)點(diǎn)度低于全網(wǎng)平均水平的節(jié)點(diǎn)進(jìn)行刪除，計(jì)算從源節(jié)點(diǎn)遷移到候選節(jié)點(diǎn)的預(yù)期收益。此處收益為對資源均衡度的改善情況。同時(shí)根據(jù)路徑計(jì)算得到到達(dá)各個(gè)節(jié)點(diǎn)的路徑，計(jì)算從源節(jié)點(diǎn)到各個(gè)節(jié)點(diǎn)最短路徑的代價(jià)之和。最終將代價(jià)和收益進(jìn)行加權(quán)，選擇數(shù)值最低的節(jié)點(diǎn)作為遷移的目的節(jié)點(diǎn)。

由于節(jié)點(diǎn)通常存在計(jì)算、存儲等多種資源，此處定義資源利用率的標(biāo)準(zhǔn)差描述節(jié)點(diǎn)各類資源利用的均衡狀況，該值越小，節(jié)點(diǎn)的資源利用更加均衡，優(yōu)先選擇該值較大的節(jié)點(diǎn)。各個(gè)節(jié)點(diǎn)的資源利用率標(biāo)準(zhǔn)差為

SU_i=∑Nn=1（aⁿ_i-a^av_i）N（1）

式中：N表示資源種類數(shù)，aⁿ_i表示節(jié)點(diǎn)的第i種資源的利用率（當(dāng)前資源占用值除以資源總量）;a^av_i=∑^N_n=1aⁿ_i/N代表節(jié)點(diǎn)i資源利用率的平均值。

用節(jié)點(diǎn)處各類資源利用率的最大值與最小值的差值來衡量該節(jié)點(diǎn)處資源利用均衡度：

SUB_i=max aⁿ_{i n∈［1，2，…，N］}-min aⁿ_{i n∈［1，2，…，N］}

（2）

式中：max aⁿ_{i n∈［1，2，…，N］}表示各類資源利用率最大值;min aⁿ_{i n∈［1，2，…，N］}表示各類資源利用率最小值，該值同樣用于反映各類資源利用的均衡狀況。

基于節(jié)點(diǎn)資源利用均衡度定義服務(wù)遷移收益：在選擇最優(yōu)遷移節(jié)點(diǎn)時(shí)，需要在遷移前評估遷移的預(yù)期收益，并根據(jù)服務(wù)遷移的成本判斷該節(jié)點(diǎn)是否可以作為遷移的目的節(jié)點(diǎn)。此處，服務(wù)遷移收益定義為服務(wù)遷移前后資源利用率均衡度的變化量與服務(wù)遷移前資源利用率均衡度的比值，以此來體現(xiàn)服務(wù)遷移前后對于資源利用均衡度的改善情況：

benefit（i）=SUB_i-SUB′iSUB_i

（3）

以式（3）計(jì)算所有候選節(jié)點(diǎn)的收益情況，若該值大于零，則表示將服務(wù)遷移到該節(jié)點(diǎn)上，會改善該節(jié)點(diǎn)的資源利用均衡度。反之，則會惡化該節(jié)點(diǎn)的資源利用狀況，影響其正常服務(wù)的運(yùn)行。因此，在所有滿足要求的候選節(jié)點(diǎn)中優(yōu)先選擇變化幅度更大的節(jié)點(diǎn)作為服務(wù)遷移的目標(biāo)節(jié)點(diǎn)。

進(jìn)一步定義服務(wù)遷移代價(jià)：服務(wù)遷移過程中的代價(jià)來源于遷移過程中傳輸?shù)姆?wù)數(shù)據(jù)、節(jié)點(diǎn)狀態(tài)數(shù)據(jù)等，假設(shè)到目標(biāo)節(jié)點(diǎn)每一跳的代價(jià)均相同，均為所傳輸數(shù)據(jù)大小與鏈路帶寬的比值，若源節(jié)點(diǎn)到目標(biāo)節(jié)點(diǎn)的路徑跳數(shù)為n，服務(wù)遷移代價(jià)為每段路徑的代價(jià)之和，則服務(wù)遷移代價(jià)計(jì)算公式為

cos t（i）=cos t（l_i）·n

（4）

式中：cos t（l_i）為路徑中每一跳的權(quán)重。

最終，通過對遷移收益和遷移代價(jià)加權(quán)求和，得到服務(wù)遷移的增益，將該值最大的節(jié)點(diǎn)作為遷移的最佳目標(biāo)節(jié)點(diǎn)。服務(wù)遷移增益函數(shù)如下：

G（i）=benefit（i）·λ-cos t（i）·（1-λ）

（5）

式中：λ是收益和代價(jià)的修正系數(shù)，可以根據(jù)不同的需求進(jìn)行調(diào)整。

基于上述描述，最優(yōu)節(jié)點(diǎn)的計(jì)算如算法1所示。

算法 1 最優(yōu)節(jié)點(diǎn)計(jì)算算法

輸入 全網(wǎng)資源狀態(tài)信息

輸出 遷移最佳節(jié)點(diǎn)

1：while（true）{

2： for n 1 to N do{

3：" if aⁿ_i+replt;value {

4：""" 將該節(jié)點(diǎn)設(shè)為候選節(jié)點(diǎn)

5：""" }∥end_if

6： }∥end_for 篩選出候選節(jié)點(diǎn)

7： for i 1 to H do{

8："" benefit（i）gt;0=SUBi-SUB′iSUBi

9："" if benefit（i）gt;0{

10："""""" 從候選節(jié)點(diǎn)中刪除該節(jié)點(diǎn)

11：""" }∥end_if

12： }∥end for

13： for i 1 to I do{

14："" cos t（i）=cos t（l_i）·n

15："" G（i）=benefit（i）·（λ）-cos t（i）·（1-λ）

16："" if G（i）lt;0{

17："""" 從候選節(jié)點(diǎn)中刪除該節(jié)點(diǎn)

18："""" continue

19："" }∥end_if

20： }∥end for

21： v=arg max（G（i））

22：}output v∥最佳遷移節(jié)點(diǎn)

2.5 組網(wǎng)服務(wù)遷移實(shí)施流程

在確定遷移目標(biāo)節(jié)點(diǎn)后，源節(jié)點(diǎn)會詢問目標(biāo)節(jié)點(diǎn)是否接收遷移，若目標(biāo)節(jié)點(diǎn)本身已存在該服務(wù)，則不會接受服務(wù)遷移，并反饋給源節(jié)點(diǎn)，由BT_manager容器重新進(jìn)行最優(yōu)節(jié)點(diǎn)計(jì)算;若目標(biāo)節(jié)點(diǎn)接受遷移，則將源節(jié)點(diǎn)組網(wǎng)服務(wù)容器的數(shù)據(jù)復(fù)制到目標(biāo)節(jié)點(diǎn)，便于目標(biāo)節(jié)點(diǎn)服務(wù)的快速部署和恢復(fù)，如圖6為兩節(jié)點(diǎn)之間交互的流程圖。

為了便于對組網(wǎng)服務(wù)容器的管理，為各個(gè)服務(wù)設(shè)計(jì)了以下幾種狀態(tài)。

運(yùn)行態(tài)：服務(wù)正在正常運(yùn)行。

卸載態(tài)：服務(wù)停止運(yùn)行。

遷移態(tài)：服務(wù)正處于計(jì)劃遷移狀態(tài)，在源節(jié)點(diǎn)上對該服務(wù)觸發(fā)服務(wù)遷移后，由運(yùn)行態(tài)轉(zhuǎn)換為遷移態(tài)，此時(shí)該服務(wù)正常運(yùn)行;在目標(biāo)節(jié)點(diǎn)上，若該服務(wù)將要被遷移到該節(jié)點(diǎn)，由卸載態(tài)轉(zhuǎn)換為遷移態(tài)，此時(shí)服務(wù)還未運(yùn)行，處于準(zhǔn)備狀態(tài)，防止其他節(jié)點(diǎn)重復(fù)操作。

就緒態(tài)：服務(wù)已經(jīng)完成遷移準(zhǔn)備，可以運(yùn)行，開始運(yùn)行后轉(zhuǎn)換為運(yùn)行態(tài)。

當(dāng)源節(jié)點(diǎn)計(jì)算出遷移目標(biāo)節(jié)點(diǎn)后，首先會詢問目標(biāo)節(jié)點(diǎn)是否接受遷移，若該目標(biāo)節(jié)點(diǎn)當(dāng)前服務(wù)狀態(tài)為遷移態(tài)、就緒態(tài)或運(yùn)行態(tài)，則會向源節(jié)點(diǎn)返回拒絕接受遷移，此后重新尋找最優(yōu)節(jié)點(diǎn);當(dāng)該目標(biāo)節(jié)點(diǎn)服務(wù)狀態(tài)為卸載態(tài)，則會返回接受遷移，且更改當(dāng)前狀態(tài)為遷移態(tài)。源節(jié)點(diǎn)接收到確認(rèn)遷移的消息后，會向目標(biāo)節(jié)點(diǎn)發(fā)送遷移相關(guān)數(shù)據(jù)，數(shù)據(jù)發(fā)送完畢后，目標(biāo)節(jié)點(diǎn)狀態(tài)變?yōu)榫途w態(tài)，等待服務(wù)運(yùn)行。服務(wù)正式運(yùn)行后，狀態(tài)變?yōu)檫\(yùn)行態(tài)，向源節(jié)點(diǎn)發(fā)送遷移完成消息，源節(jié)點(diǎn)接收到遷移完成消息后，將服務(wù)卸載，遷移結(jié)束。

遷移數(shù)據(jù)主要分為兩類，容器內(nèi)部數(shù)據(jù)：即容器內(nèi)部運(yùn)行的應(yīng)用程序產(chǎn)生的數(shù)據(jù)，例如日志數(shù)據(jù)等;容器外部數(shù)據(jù)卷：即與容器關(guān)聯(lián)的存儲卷中存儲的數(shù)據(jù)，例如數(shù)據(jù)庫數(shù)據(jù)、配置文件等。對于容器內(nèi)部數(shù)據(jù)，可以通過將數(shù)據(jù)打包成鏡像文件或者網(wǎng)絡(luò)傳輸?shù)确绞竭M(jìn)行遷移。一般來說，在數(shù)據(jù)量較小的情況下，可以將數(shù)據(jù)打包成鏡像文件，并通過Docker工具進(jìn)行解壓。在數(shù)據(jù)量較大的情況下，可以通過網(wǎng)絡(luò)傳輸?shù)确绞竭M(jìn)行遷移，例如使用Scp命令或者Rsync命令將數(shù)據(jù)傳輸?shù)侥繕?biāo)節(jié)點(diǎn)上。對于數(shù)據(jù)卷，需要先將數(shù)據(jù)卷從源節(jié)點(diǎn)卸載，然后將數(shù)據(jù)卷數(shù)據(jù)復(fù)制到目標(biāo)節(jié)點(diǎn)上。在目標(biāo)節(jié)點(diǎn)上重新掛載數(shù)據(jù)卷后，容器可以繼續(xù)訪問數(shù)據(jù)卷中的數(shù)據(jù)。

在完成容器數(shù)據(jù)的遷移后，啟動(dòng)容器預(yù)熱機(jī)制，讀取由源節(jié)點(diǎn)同步的數(shù)據(jù)和配置文件，并讓其運(yùn)行一段時(shí)間以同步遷移過程中產(chǎn)生的數(shù)據(jù)更新以達(dá)到預(yù)熱效果，確保在遷移完成后可以快速響應(yīng)服務(wù)，減少延遲。預(yù)熱結(jié)束后，則由源節(jié)點(diǎn)卸載源節(jié)點(diǎn)上的服務(wù)容器，之后由新節(jié)點(diǎn)繼續(xù)提供服務(wù)。

3 實(shí)驗(yàn)分析

本文基于開源操作系統(tǒng)SONiC和行為樹設(shè)計(jì)了一種組網(wǎng)服務(wù)管控架構(gòu)和調(diào)度方法，支持對運(yùn)行在網(wǎng)元設(shè)備上的各類組網(wǎng)服務(wù)進(jìn)行靈活調(diào)度。為了驗(yàn)證本文提出的架構(gòu)和方法，利用服務(wù)器搭建3個(gè)運(yùn)行SONiC系統(tǒng)的節(jié)點(diǎn)，作為仿真環(huán)境。如圖7所示，通過調(diào)用BT_manager容器向外暴露的容器部署接口，可以實(shí)現(xiàn)對組網(wǎng)服務(wù)容器的自動(dòng)部署，對本文所提管控架構(gòu)和調(diào)度方法進(jìn)行功能驗(yàn)證。以密鑰管理服務(wù)為例，調(diào)用該接口返回服務(wù)部署的IP地址、容器名稱、運(yùn)行狀態(tài)等信息，根據(jù)返回信息可知，該服務(wù)被成功部署到IP地址為“192.168.98.130”的節(jié)點(diǎn)。

為驗(yàn)證BT_manager容器中行為樹的服務(wù)遷移能力，與傳統(tǒng)的冷遷移方式進(jìn)行對比，分別使用本文所提出的方法和使用容器編排工具Kubernetes進(jìn)行多次實(shí)驗(yàn)，驗(yàn)證基于行為樹的服務(wù)遷移對于服務(wù)中斷的影響效果。傳統(tǒng)的容器冷遷移方式，在遷移前需要將容器停止，導(dǎo)致出現(xiàn)服務(wù)中斷;而本文基于行為樹的服務(wù)遷移方式，通過不斷遍歷行為樹、對各個(gè)網(wǎng)元節(jié)點(diǎn)狀態(tài)進(jìn)行分析，在保證服務(wù)不中斷的情況下進(jìn)行服務(wù)遷移，最大限度地保證服務(wù)質(zhì)量。

仿真結(jié)果如圖8所示，通過程序模擬終端向密鑰分發(fā)服務(wù)請求密鑰，圖中黑色、紅色曲線分別代表在行為樹管理下和容器編排工具Kubernetes管理下請求密鑰平均時(shí)延隨時(shí)間的變化。曲線時(shí)延表示終端向密鑰管理服務(wù)發(fā)起請求到接收響應(yīng)的時(shí)間差，反應(yīng)了密鑰管理服務(wù)的服務(wù)質(zhì)量。隨著請求的增加，密鑰管理服務(wù)負(fù)載持續(xù)增加，時(shí)延明顯增加，服務(wù)質(zhì)量較差。當(dāng)服務(wù)中斷時(shí)，由于終端無法請求到密鑰，所以無法得出時(shí)延。圖8中，將這種情況以時(shí)延為0來體現(xiàn)，便于觀察。在程序啟動(dòng)前一段時(shí)間每秒創(chuàng)建100個(gè)線程請求密鑰，并記錄請求平均時(shí)延;在30 s后每秒創(chuàng)建500個(gè)線程請求密鑰，導(dǎo)致運(yùn)行密鑰管理服務(wù)的節(jié)點(diǎn)負(fù)載增加。從圖8中可見，請求時(shí)延明顯增加，若負(fù)載持續(xù)增加，可能會導(dǎo)致服務(wù)中斷，此時(shí)在遍歷行為樹的過程中檢測到節(jié)點(diǎn)的異常狀態(tài)，啟動(dòng)服務(wù)遷移，在完成服務(wù)遷移后請求時(shí)延逐漸恢復(fù)到正常狀態(tài)。與普通的服務(wù)遷移相比，本文提出的方法在遷移過程中不會造成服務(wù)中斷，可確保服務(wù)的持續(xù)可用。

4 結(jié)束語

本文基于開源操作系統(tǒng)SONiC和行為樹設(shè)計(jì)一種組網(wǎng)服務(wù)管控架構(gòu)和調(diào)度方法，支持對運(yùn)行在網(wǎng)元節(jié)點(diǎn)上的各類組網(wǎng)服務(wù)進(jìn)行靈活調(diào)度?；赟ONiC網(wǎng)絡(luò)操作系統(tǒng)對其原生容器進(jìn)行功能擴(kuò)展，將組網(wǎng)服務(wù)調(diào)度機(jī)制集成到SONiC系統(tǒng)中，支持全網(wǎng)資源監(jiān)控和組網(wǎng)服務(wù)的敏捷調(diào)度?；谛袨闃湓O(shè)計(jì)一種組網(wǎng)服務(wù)調(diào)度策略生成方法，并將其以容器化的形式嵌入SONiC系統(tǒng)中，作為網(wǎng)絡(luò)中的組網(wǎng)服務(wù)管控平臺，利用行為樹模塊化、層次化、代碼可重用、反應(yīng)快速、可讀性強(qiáng)的特點(diǎn)，高效協(xié)調(diào)調(diào)度過程中的狀態(tài)轉(zhuǎn)化，保證組網(wǎng)服務(wù)交付質(zhì)量。目前，在實(shí)驗(yàn)環(huán)境下已完成對本文所提方法的測試。為適應(yīng)生產(chǎn)環(huán)境，后續(xù)會進(jìn)一步對行為樹進(jìn)行擴(kuò)展，例如增加對于路由協(xié)議的控制，增強(qiáng)行為樹的調(diào)度能力。

參考文獻(xiàn)

［1］ POP M D， PANDEY J， RAMASAMY V. Future networks 2030： challenges in intelligent transportation systems［C］∥Proc.of the 8th International Conference on Reliability， Infocom Technologies and Optimization （Trends and Future Directions）， 2020： 898902.

［2］ BONATI L， POLESE M， D’ORO S， et al. Open， programmable， and virtualized 5G networks： state-of-the-art and the road ahead［J］. Computer Networks， 2020， 182： 107516.

［3］ 張成林， 宋玲玲. 面向未來網(wǎng)絡(luò)的白盒交換機(jī)體系綜述［J］. 信息技術(shù)與網(wǎng)絡(luò)安全， 202 41（3）： 28.

ZHANG C L， SONG L L. A review on architecture of white box switches for future networks［J］. Information Technology amp; Network Security， 202 41（3）： 28.

［4］ BOSSHART P， DALY D， GIBB G， et al. P4： programming protocol-independent packet processors［J］. ACM SIGCOMM Computer Communication Review， 2014， 44（3）： 8795.

［5］ Open Compute Project. Switch abstraction interface（SAI）：a reference switch abstraction interface for OCP［EB/OL］. ［20230704］. https：∥www.opencompute.org/.

［6］ Open Compute Project. SONiC：software for open net-working in the cloud website［EB/OL］. ［20230704］. https：∥github.com/sonic-net/SONiC.

［7］ Open Compute Project. Open network linux： a reference network operating system for OCP［EB/OL］. ［20230704］. http：∥opennetlinux.org/.

［8］ ALAM I， SHARIF K， LI F， et al. A survey of network virtuali-zation techniques for Internet of things using SDN and NFV［J］. ACM Computing Surveys， 2020， 53（2）： 140.

［9］ SHEN X M， GAO J， WU W， et al. Holistic network virtualization and pervasive network intelligence for 6G［J］. IEEE Communications Surveys amp; Tutorials， 202 24（1）： 130.

［10］ ZHANG L L， YANG C G， OUYANG Y， et al. ISFC： intent-driven service function chaining for satellite networks［C］∥Proc.of the 27th Asia Pacific Conference on Communications， 2022： 544549.

［11］ 張露露， 楊春剛， 王棟， 等. 意圖驅(qū)動(dòng)的云網(wǎng)融合按需編排［J］. 電信科學(xué)， 202 38（10）： 107119.

ZHANG L L， YANG C G， WANG D， et al. Intent-driven cloud-network convergence on-demand orchestration［J］. Telecommunications Science， 202 38（10）： 107119.

［12］ LONG X M， LIU B H， JIANG F， et al. FPGA virtualization deployment based on docker container technology［C］∥Proc.of the 5th International Conference on Mechanical， Control and Computer Engineering， 2020： 473476.

［13］ SIDDIQUI T， SIDDIQUI S A， KHAN N A. Comprehensive analysis of container technology［C］∥Proc.of the 4th International Conference on Information Systems and Computer Networks， 2019： 218223.

［14］ MUNERMAN V， MUNERMAN D. Realization of distributed data processing on the basis of container technology［C］∥Proc.of the IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering， 2019： 17401744.

［15］ MI X R， YANG C G， SONG Y B， et al. A distributed matching game for exploring resource allocation in satellite networks［J］. Peer-to-Peer Networking and Applications， 202 14（5）： 33603371.

［16］ POTDAR A M， NARAYAN D G， KENGOND S， et al. Perfor-mance evaluation of docker container and virtual machine［J］. Procedia Computer Science， 2020， 171： 14191428.

［17］ AHMAD I， AIFAILAKAWI M G， AIMUTAWA A， et al. Container scheduling techniques： a survey and assessment［J］. Journal of King Saud University-Computer and Information Sciences， 202 34（7）： 39343947.

［18］ OUYANG Y， LINZ J Q， FENGZ T， et al. Intent-driven CoX resource management for space-terrestrial networks［J］. IEEE Wireless Communications， 2023. DOI：10.1109/MWC.018.2200600.

［19］ Mi X R， YANG C G， SONG Y B， et al. Matching game for intelligent resource management in integrated satellite-terrestrial networks［J］. IEEE Wireless Communications， 202 29（6）： 8894.

［20］ KAEWKASI C， CHUENMUNEEWONG K. Improvement of container scheduling for docker using ant colony optimization［C］∥Proc.of the 9th International Conference on Knowledge and Smart Technology， 2017： 254259.

［21］ MENOUER T. KCSS： Kubernetes container scheduling strategy［J］. The Journal of Supercomputing， 202 77（5）： 42674293.

［22］ 李銘軒， 曹暢， 唐雄燕， 等. 基于可編程網(wǎng)絡(luò)的 UPF 邊緣調(diào)度機(jī)制研究［J］. 數(shù)據(jù)與計(jì)算發(fā)展前沿， 202 4（2）： 7486.

LI M X， CAO C， TANG X Y， et al. Research on edge scheduling mechanism of UPF based on programmable network［J］. Frontiers of Data amp; Computing， 202 4（2）： 7486.

［23］ 劉曦. 數(shù)據(jù)中心網(wǎng)絡(luò)SONiC白盒技術(shù)的發(fā)展趨勢［J］. 通信世界， 2019（33）： 4243.

LIU X. The development trends of SONiC white box technology in data center networks［J］. Communication World， 2019（33）： 4243.

［24］ IOVIINO M， SCUKINS E， STYRUD J， et al. A survey of behavior trees in robotics and AI［J］. Robotics and Autonomous Systems， 202 154： 104096.

［25］ COLLEDANCHISE M. Behavior trees in robotics［D］. Stockholm： KTH Royal Institute of Technology， 2017.

［26］ PERGER A， GAMPER P， WITZMANN R. Behavior trees for smart grid control［J］. IFAC-PapersOnLine， 202 55（9）： 122127.

［27］ MARZINOTTO A， COLLEDANCHISE M， SMITH C， et al. Towards a unified behavior trees framework for robot control［C］∥Proc.of the IEEE International Conference on Robotics and Automation， 2014： 54205427.

［28］ ROVIDA F， GROSSMANN B， KRUGER V. Extended beha-vior trees for quick definition of flexible robotic tasks［C］∥Proc.of the IEEE/RSJ International Conference on Intelligent Robots and Systems， 2017： 67936800.

［29］ BIGGAR O， ZAMANI M， SHAMES I. An expressiveness hie-rarchy of behavior trees and related architectures［J］. IEEE Robotics and Automation Letters， 202 6（3）： 53975404.

［30］ COLLEDANCHISE M， MARZINOTTO A， DIMAROGONAS D V， et al. The advantages of using behavior trees in mult-robot systems［C］∥Proc.of the 47th International Symposium on Robotics， 2016.

［31］ STYRUD J， IOVINO M， NORRLOF M， et al. Combining planning and learning of behavior trees for robotic assembly［C］∥Proc.of the International Conference on Robotics and Automation， 2022： 1151111517.

［32］ WU R C， KORTIK S， SANTOS C H. Automated behavior tree error recovery framework for robotic systems［C］∥Proc.of the IEEE International Conference on Robotics and Automation， 2021： 68986904.

［33］ CAI Z X， LI M L， HUANG W R， et al. BT expansion： a sound and complete algorithm for behavior planning of intelligent robots with behavior trees［C］∥Proc.of the AAAI Conference on Artificial Intelligence， 2021.

作者簡介

宋睿濤（2000—），男，碩士研究生，主要研究方向?yàn)橐鈭D驅(qū)動(dòng)網(wǎng)絡(luò)、服務(wù)遷移。

高先明（1988—），男，高級工程師，博士，主要研究方向?yàn)槲磥砭W(wǎng)絡(luò)體系結(jié)構(gòu)、智能路由協(xié)議、網(wǎng)絡(luò)安全。

黃姣蕊（1995—），女，博士研究生，主要研究方向?yàn)橐鈭D驅(qū)動(dòng)網(wǎng)絡(luò)、人工智能、行為樹。

楊春剛（1982—），男，教授，博士，主要研究方向?yàn)橐鈭D驅(qū)動(dòng)智簡網(wǎng)絡(luò)、智能網(wǎng)絡(luò)信息體系、軟件定義網(wǎng)絡(luò)自治、認(rèn)知天地網(wǎng)絡(luò)融合、網(wǎng)絡(luò)通信博弈論。

黃 韜（1999—），男，碩士研究生，主要研究方向?yàn)橐鈭D驅(qū)動(dòng)網(wǎng)絡(luò)、應(yīng)用感知網(wǎng)絡(luò)。

李芫芫（2000—），女，碩士研究生，主要研究方向?yàn)橐鈭D驅(qū)動(dòng)網(wǎng)絡(luò)、資源感知。