針對(duì)復(fù)雜異構(gòu)網(wǎng)絡(luò)提出了基于業(yè)務(wù)系統(tǒng)全面解耦的智能開(kāi)放的電信業(yè)務(wù)體系（IOTSA）,以及網(wǎng)絡(luò)資源智能調(diào)度、動(dòng)態(tài)服務(wù)編排組合、異常行為智能監(jiān)控等核心機(jī)制。通過(guò)建立三級(jí)接口、四層能力開(kāi)放架構(gòu),實(shí)現(xiàn)多粒度的能力開(kāi)放與全面的資源共享,滿(mǎn)足了多場(chǎng)景的需求。提出了業(yè)務(wù)系統(tǒng)低風(fēng)險(xiǎn)低成本快速解耦、多業(yè)務(wù)動(dòng)態(tài)協(xié)調(diào)等關(guān)鍵技術(shù)。相關(guān)成果形成了系列國(guó)際標(biāo)準(zhǔn),并在現(xiàn)網(wǎng)大規(guī)模應(yīng)用。通過(guò)提供大量超細(xì)粒度能力、396個(gè)原子能力以及靈活的復(fù)合能力,有力支撐了運(yùn)營(yíng)商及第三方業(yè)務(wù)應(yīng)用的發(fā)展。 

【文章來(lái)源】：電信科學(xué). 2020,36(09)

【文章頁(yè)數(shù)】：12 頁(yè)

【部分圖文】：

電信業(yè)務(wù)體系的解耦歷程

。不過(guò)，總體上這些運(yùn)營(yíng)商沒(méi)有實(shí)現(xiàn)業(yè)務(wù)系統(tǒng)的全面解耦，只開(kāi)放一些業(yè)務(wù)基地的有限的粗粒度能力，無(wú)法實(shí)現(xiàn)復(fù)雜異構(gòu)網(wǎng)絡(luò)能力的全面開(kāi)放和海量業(yè)務(wù)系統(tǒng)資源的充分共享，難以滿(mǎn)足多場(chǎng)景應(yīng)用對(duì)能力的需求。3智能開(kāi)放的電信業(yè)務(wù)體系及核心機(jī)制3.1智能開(kāi)放的電信業(yè)務(wù)體系面對(duì)復(fù)雜異構(gòu)網(wǎng)絡(luò)上運(yùn)營(yíng)商自有業(yè)務(wù)及第三方應(yīng)用的不同需求，在充分借鑒了各種解耦與開(kāi)放技術(shù)的基礎(chǔ)上，本文提出了一種基于業(yè)務(wù)系統(tǒng)全面解耦的智能開(kāi)放的電信業(yè)務(wù)體系——IOTSA（intelligentandopentelecomservicearchitecture），如圖3所示。該業(yè)務(wù)體系支持對(duì)復(fù)雜異構(gòu)網(wǎng)絡(luò)的能力收斂、抽象、封裝、編排組合和統(tǒng)一開(kāi)放，提供包括輕量級(jí)網(wǎng)絡(luò)協(xié)議、原子能力API、復(fù)合能力API的三級(jí)接口，其中輕量級(jí)網(wǎng)絡(luò)協(xié)議提供超細(xì)粒度的能力，是功能最強(qiáng)的開(kāi)放接口；而原子能力API將輕量級(jí)網(wǎng)絡(luò)協(xié)議封裝成細(xì)粒度的能力，屏蔽了協(xié)議的復(fù)雜性，是穩(wěn)定、簡(jiǎn)明的開(kāi)放接口；復(fù)合能力API則在原子能力API基礎(chǔ)上根據(jù)具體的應(yīng)用場(chǎng)景需求封裝編排而成，具有動(dòng)態(tài)靈活、簡(jiǎn)單圖3智能開(kāi)放的電信業(yè)務(wù)體系IOTSA

能力的服務(wù)質(zhì)量需求，導(dǎo)致效率低下，完全無(wú)法實(shí)現(xiàn)上述目標(biāo)。為此，IOTSA通過(guò)能力網(wǎng)元接入平臺(tái)持續(xù)收集各能力網(wǎng)元的實(shí)時(shí)負(fù)載和可用資源等數(shù)據(jù)，同時(shí)能力網(wǎng)元接入平臺(tái)記錄每次能力調(diào)用請(qǐng)求的返回時(shí)延、成功率等數(shù)據(jù)�；谶@些實(shí)時(shí)和歷史數(shù)據(jù)，結(jié)合各能力網(wǎng)元的地理位置、網(wǎng)絡(luò)拓?fù)�、系統(tǒng)容量等數(shù)據(jù)，提出一種智能的能力網(wǎng)元供給機(jī)制[9]，根據(jù)實(shí)時(shí)網(wǎng)絡(luò)環(huán)境的復(fù)雜性和流量變化進(jìn)行決策，采用一種基于克羅內(nèi)克因式分解的可置信區(qū)域策略?xún)?yōu)化算法進(jìn)行能力調(diào)用任務(wù)的智能動(dòng)態(tài)調(diào)度，在各能力網(wǎng)元間合理分配任務(wù)，如圖4所示。通過(guò)對(duì)流量數(shù)據(jù)的mGBDT識(shí)別感知到的動(dòng)態(tài)業(yè)務(wù)需求，結(jié)合實(shí)時(shí)獲取的網(wǎng)絡(luò)狀態(tài)信息，作為依據(jù)進(jìn)行網(wǎng)絡(luò)資源調(diào)度與引導(dǎo)，在滿(mǎn)足業(yè)務(wù)需求的前提下盡可能降低資源的消耗與傳輸?shù)臅r(shí)延。采用深度增強(qiáng)學(xué)習(xí)（deepreinforcementlearning，DRL）模型選路，選擇合理的狀態(tài)與動(dòng)作空間，學(xué)習(xí)網(wǎng)絡(luò)功能服務(wù)鏈供給與重組的最優(yōu)策略。將量化的動(dòng)態(tài)業(yè)務(wù)需求與網(wǎng)絡(luò)資源狀態(tài)信息共同組成狀態(tài)空間，將虛擬網(wǎng)絡(luò)功能部署與供給方案作為動(dòng)作空間，以網(wǎng)絡(luò)中流量的調(diào)度與引導(dǎo)效果作為獎(jiǎng)勵(lì)信息，訓(xùn)練出合理的服務(wù)鏈供給重組策略，實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)資源的最優(yōu)利用和對(duì)網(wǎng)絡(luò)流量的最優(yōu)引導(dǎo)，提升用戶(hù)的服務(wù)質(zhì)量。在圖4的案例中，一次包含100萬(wàn)次語(yǔ)音驗(yàn)證的能力API調(diào)用任務(wù)通過(guò)本機(jī)制被按比例分配給多個(gè)能力網(wǎng)元來(lái)執(zhí)行，以實(shí)現(xiàn)網(wǎng)絡(luò)資源的優(yōu)化利用�，F(xiàn)網(wǎng)應(yīng)用顯示，該方案通過(guò)實(shí)時(shí)的業(yè)務(wù)資源供給可有效改進(jìn)能力開(kāi)放中的服務(wù)質(zhì)量�；谛滤惴ǖ纳疃仍鰪�(qiáng)模型對(duì)比傳統(tǒng)規(guī)則匹配調(diào)度模型，可降低30%的網(wǎng)絡(luò)擁塞并實(shí)現(xiàn)更高的吞吐量。（2）過(guò)系統(tǒng)解耦開(kāi)放出豐富的超細(xì)粒度能力，對(duì)其進(jìn)行抽象封裝，提出了網(wǎng)絡(luò)原子能力的?

【參考文獻(xiàn)】：
期刊論文
[1]基于IMS網(wǎng)絡(luò)的核心網(wǎng)能力開(kāi)放部署方式[J]. 邱巍,吳倩,吳海.  電信科學(xué). 2017(04)
[2]電信運(yùn)營(yíng)商大數(shù)據(jù)能力開(kāi)放平臺(tái)建設(shè)[J]. 張海峰,董昭,李娟,齊磊,顧慧瓊.  電信科學(xué). 2017(04)



本文編號(hào)：3246906