基于网络演算的多业务场景确定性网络方案研究

韩政鑫，黄 蓉，贾雪琴，李先达，张雪贝（中国联通研究院，北京 100048）

0 引言

数字化浪潮下行业领域涌现出了大量智能化业务应用，运动控制、人机交互、虚拟现实等行业场景对网络的依赖性及性能要求日趋增强。传统“尽力而为”的网络难以满足业务对时延、丢包、速率的确定性SLA 需求［1］，确定网络成为业界关注的热点。随着网络中部署的高要求业务不断增加，网络负载也不断增加，在复杂的混合业务场景下，如何合理进行网络资源规划构建确定性网络，为业务提供精细化SLA保障，最大化资源利用率和商业价值是个非常值得探讨的问题。

确定性网络是指通过使用一系列网络技术（如uRLLC、TSN、MEC 等）来提升和保证网络的通信质量，满足业务的确定性SLA 保障需求［1］。网络演算理论能够根据服务曲线和到达曲线，计算出网络的时延及缓存容量上限［2］。确定性网络可利用网络演算模型进行资源的调度和规划［3］。

本文将结合运营商网络能力，研究网络演算理论，探索基于网络演算实现5G 网络确定性的方案，并面向工业互联网场景下的多类业务进行联合验证，测试验证方案在5G 承载网络带宽、时延、丢包率等网络性能指标的综合保障能力，满足不同业务的差异化网络要求。

1 技术基础

网络演算也称为网络微积分，是一套通过数学框架定性、定量研究通信网络的系统理论。网络演算将复杂的非线性通信系统通过线性系统替代，基于最小加和最大加代数［4］，分析网络的性能保障，计算出网络的时延上界及缓存区要求，可应用于分析单独队列、节点及整个网络。

网络演算的主要工具及概念包括到达曲线、服务曲线、时延及缓冲上界，它们之间的关系如图1 所示，R(t)为流量的累积到达函数，R*(t)是该节点/网络系统的输出流量函数［5］。

图1 网络演算模型中各要素关系

到达曲线α(t)：用来描述流量特征的上界，是R(t)的上包络，可表示为：α(t)=kt+b，其中斜率k代表流量在一段时间的平均速率，b表示流量的最大突发量。

服务曲线β(t)：用来描述网络设备/网络系统的服务能力下限，可以具体到描述设备中特定队列的服务能力，是网络服务能力的下包络，可描述为：β(t)=m(t-T)，其中斜率m代表网络设备的平均调度速率，T表示流量到达后需等待调度的最长时间。节点/网络设备实际输出的流量，受到达流量和网络服务能力的限制，需满足［5］：R*(t)≥R(t)⊗β(t)。

若网络中存在多个系统串联，服务曲线分别为β1、β2、β3，业务流量的网络总服务曲线为各服务曲线的卷积［6］：β=β1⊗β2⊗β3。

时延及缓冲上界：如图1所示，到达曲线α(t)与服务曲线β(t)的最大水平距离为业务流在此网络中的最大时延上限，2 个曲线的最大垂直距离为该流量在此设备节点/网络系统中可占有的缓存上限。

网络演算大体上分为确定性网络演算（DNC）和随机性网络演算（SNC）两大类［7-8］。确定性网络演算基于到达曲线与服务曲线，求解网络的性能边界绝对值，如网络时延的最坏情况，通过选取合适的算法使时延上界值更精确，紧密贴近真实值。随机性网络演算是在确定性网络演算的基础上结合统计及概率模型，求解网络在一定概率条件下如满足99.99%时延及丢包率情况下网络性能的统计边界，更符合目前业务应用及网络资源的调度利用。

2 基于网络演算的5G确定性网络方案

根据网络演算理论，在获知业务流量模型的基础上，当网络服务能力确定了，即输入网络服务曲线，可以求解出业务在网络中的时延，从而量化得到网络所能提供的时延保障能力；同样当业务时延要求确定了，即输入时延上界，则可量化得到满足业务性能需求的整网及各网络节点需具备的承载能力。

在5G 网络应用网络演算理论进行网络资源的规划和调度，综合考虑时延和带宽约束［9］，采用控制面时延编排算法与设备转发面进行时延队列调度的方式，无需依赖网络轻载，即可实现网络确定性承载和SLA保障。基于网络演算的5G 确定性网络方案的架构如图2 所示，其中确定性网络管控系统包括用户业务管理和网络编排控制器2个功能模块。

图2 基于网络演算的5G确定性网络方案架构图

用户业务管理模块：获取业务流量特征，分析形成业务流量模型（到达曲线），将业务流量模型及业务时延性能要求信息传送给网络编排控制器，为网络提供业务感知，是网络针对业务进行SLA 保障的前提基础。其中业务流量特征包括数据包大小、突发量、发送频率等信息，不涉及业务的有效负载；业务流量特征的获取可通过技术人员的经验值输入、业务终端自行上报、业务流镜像、采样以及通过人工智能算法进行流量特征自动学习等多种技术来实现。

网络编排控制器：支持确定性网络演算、随机性网络演算等多种算法，基于业务流量特征模型、网络拓扑信息、业务需求信息等，通过网络演算算法计算网络设备相关端口时延队列预留资源［10］，以及队列级的规划路径，将规划结果及自动生成的相应配置下发至各节点设备，新业务的规划会对当前设备转发面的部分QoS配置进行调整修正。

本方案目标是通过匹配业务需求与网络服务能力，对网络承载能力进行量化评估和规划；对关键业务实现队列级隔离；为时间敏感业务配置合理的缓存资源，避免由于突发流量出现拥塞丢包，提供端到端可承诺的时延上界；让非时间敏感业务充分利用网络带宽资源，在保障业务SLA 的同时提高网络资源利用率。

方案采取网络单节点及业务链路全局视角进行时延队列规划：在端到端时延及网络有效带宽资源等约束条件下，计算划分节点时延；基于网络演算理论及相关算法对各节点进行时延队列规划；之后以链路视角通过全局规划算法进行路径规划，合并部分队列，优化链路路径规划结果。

本方案适用于对保障带宽、时延上限、丢包率等网络性能指标有严苛需求的业务场景，在多业务场景下可根据需求提供不同等级的网络时延保障。此外，该方案可与网络切片、TSN、uRLLC 等确定性网络技术结合［11］，提供端到端确定性网络服务保障。

3 测试验证

在中国联通CUBE-Net3.0 大湾区示范基地，中国联通联合某设备厂家开展5G 承载网“TSN-IP”确定性网络技术方案测试，以验证网络演算理论及算法在综合业务承载网的效果。

测试面向工业互联网场景，选取智能电网、智慧港口和工厂自动化三大综合业务场景，包含运动控制、移动机器人、配电自动化、高级计量、智能巡检、吊车远程控制、无人驾驶集卡、园区视频监控等多个细分业务场景。业务的流量模型和网络需求参考3GPP TS 22.104［12］以及相关白皮书定义［13-14］，测试方案拓扑如图3所示。

图3 中，MAR1（ATN1）、MAR2（ATN2）、MER1、MER2、MER3、MER4 为5G 承载试验网设备；ATN1 和ATN2 分别提供4 个GE 接口与12×GE 测试仪相连，模拟业务流量；此外ATN1 和ATN2 分别提供4 个10GE接口与8×10GE测试仪相连，用来模拟现网背景流量。

图3 测试方案拓扑

ATN1—MER1、MER1—MER2、MER2—ATN2、ATN1—ATN2 间链路为50GE 链路，MER1-MER3、MER3—MER4间为GE链路，MER4—MER2间为10GE链路，模拟网络中多种带宽链路网络场景下的规划部署能力。

各设备节点处理时延约为20 μs，远东机房内部光纤时延约等于0，远东机房到七所机房之间链路的单向时延约为55 μs。在本次测试中，这些数据随同拓扑文件一起静态导入，未来该数据可从网络控制器中动态获取。

测试工作包括3 个部分：一是通过业务流量特征学习获取业务流量模型，二是综合场景下多业务确定性SLA 保障，三是基于网络演算的“TSN-IP”确定性网络方案与传统QoS方案的效果对比。

3.1 业务流量特征学习

目标是验证流量特征采集及自动建模的准确性，未来在实际行业应用中，如果行业客户无法准确描述其业务特征，可以采用相应人工智能算法对业务流量特征进行学习及建模，获得业务流量的量化参数，为业务SLA保障提供基础［15］。

基于前期从3GPP 标准以及相关白皮书中收集到的流量模型特征，配置测试仪的包长、发包周期等参数来模拟业务流；观察测试仪构造流量所入队列的特征采集和建模结果，验证特征采集和建模结果的准确性。

对智能电网、智慧港口、工厂自动化三大场景下15 种不同业务流量按上述测试方法进行特征采集，均能够准确地采集特征并可视化呈现，业务流量提取及建模结果如图4 所示，建模曲线（图4 中橙色线）能够紧密包络目标业务到达曲线（蓝色线），输出业务流量峰值速率、平均速率，包长和突发等参数与测试业务匹配，满足业务流量模型自动学习要求。

图4 业务流量特征提取及建模

业务流量特征建模成功所经历的学习次数及总学习时间，与流量自身的规律性、周期性等因素强相关。在本次测试中视频类业务经过6轮学习验证得到最终结果，总时间小于1 s；集卡控制类业务经过5 轮学习，总学习时间小于5 s；对于以40 s 为周期的采集类业务经过2轮学习，总的学习时间为10～20 min。

3.2 业务确定性保障

对智能电网、智慧港口、工厂自动化三大场景下的15种具体业务进行相应组合后，验证在三大综合场景下每种测试业务的实际SLA保障情况。

导入流量特征建模结果、业务需求、网络拓扑等相关信息，调用网络演算“TSN-IP”算法进行队列规划、算路以及资源预留，完成规划后向网络节点设备下发生成的配置［16］。配置12×GE 测试仪参数，通过不同接口构造模拟多个业务流量，另一台8×10GE 测试仪模拟现网背景流量，观察业务SLA保障的效果。

图5 为智能电网综合场景下差动保护（上下行）、三遥（上下行）、高级计量、巡检监控业务的时延保障效果。

图5 智能电网综合场景业务SLA保障效果

测试结果表明，“TSN-IP”网络演算技术满足5G承载网络确定性保障相关要求，对各业务均能够保障带宽、时延、丢包率等网络性能要求。业务最大时延始终低于需求时延和规划时延，保障时延有界；设备时延队列规划结果，资源预留数据量化呈现，业务队列级路径清晰可视；业务间呈现差异化时延保障效果；在背景流量突发、拥塞等场景下，仍然能够保障时延上界。

通过对比多个测试用例的结果发现：网络资源预留量与业务特征和时延需求、网络拓扑等强相关，随着业务的峰值速率相比平均速率的倍数越高，即突发速率越高，预留的资源会上升，时延需求越严苛，预留的资源也会越高；一般从业务入口到出口，每个节点端口预留资源会逐级减少，总体上预留资源量约是业务平均速率的2倍。

3.3 与传统QoS方案对比测试

在拥塞场景下，删除基于算法规划的HQoS 配置，将SLA 保障业务和背景业务流量混跑在端口EF 队列里，观察到所有业务时延值接近，业务时延同时上升，并且产生丢包，部分业务已经不能满足需求时延。

另外，构造业务具有瞬时突发，但整体平均流量小于端口速率的轻载网络场景，当业务的瞬时突发流量较大时，会造成EF中业务的时延上升，甚至丢包。

但在上述场景下，通过网络演算“TSN-IP”方案进行规划保障，仍可有效保证业务需求。

现有的QoS 机制通常在单点进行优先级调度［17］，缺乏端到端的规划和资源预留，较难做到量化的全局端到端SLA保障；基于传统的QoS机制处理，所有的高价值业务统一基于EF 转发，无细分差异化保障能力，最终实现的SLA 保障指标近似，对后续还能部署多少新的SLA保障业务难以量化评估。

4 总结及建议

5G 赋能千行百业，行业应用业务的日益增多，在新业务部署时，根据业务流量特征，可利用网络演算理论及相关算法对网络的承载能力进行评估，为业务提供确定性网络服务。网业协同，使网络能力与业务需求相匹配，为不同业务提供精细化的SLA 保障，满足业务差异化需求，同时避免轻载网络及资源过配置，优化网络资源利用率及成本。

业务流量特征及明确的业务需求是业务SLA 保障的前提要素，需要通信行业与产业界协同，对齐业务需求，探索网络对业务的感知。此外，需进一步研究探索5G 无线网络、承载网、核心网的协同及端到端的确定性保障，网络演算与网络切片、TSN 调度机制、Flex E 等确定性网络技术的结合应用，并在制定确定性网络方案时，综合考虑资源规划粒度与工程实现的复杂性。