代码编织梦想

0 背景

        前面笔者基于5G网络端到端分解了网络切片的核心模块,包括切片编排器和核心网,接入网的切片资源基本分配方案,详见参考文献【1】,但是并没有给出详细的设计方案。本文通过对文献【2】论文的解读,着重探讨接入网侧切片编排器实现方案,进一步从技术视角对网络切片的实现进行解读。

1 切片编排器架构

        如下图所示是一种网络切片编排器的实现方案。在该方案中,用户需求被预先设置,本质上是一种静态的切片资源编排方案。整个系统的资源和分配的切片资源情况会被实时监控,以便根据监控结果实时调整每个切片的资源情况,保证用户的需求在整个切片生命周期内得到足够的资源。虽然这种静态的分配方案符合当前网络切片的可编程性要求,但相对来说灵活性不够,每次客户有新的需求时需要重新配置,无法动态感知用户意图,实时做出切片分配。下图中每个红色标注是整个架构各模块串起来的流程,各模块的功能将在后面小结详述。

        首先,从系统架构角度看,该切片编排器被分为前台用户意图感知和后台切片意图转换两个主要模块。前台用户意图感知模块主要负责将用户需求意图转换为与网络相关的架构和QOS需求,而后台切片意图转换模块则主要为QOS需求分配对应切片,然后将切片资源转换为网元或基站资源,在此过程中,还需要监控资源分配是否满足切片需求,并实时进行调整。

2 前后台用户意图感知和转换

        前台用户意图感知包含三个子模块。首先是自定义连接名字,作为每个用户切片的唯一标识。其次是连接框架,提供5G和LTE两种选择。最后是QOS网络切片模块,用于定义用户的网络资源需求,包括上下行速率、带宽、时延和连接数等各个QOS指标。这些模块可以在WEB UI界面上轻松定义,以满足用户不同的业务需求。

        对于后台用户意图转换而言,需要进行多个模块的设计和管理。首先是连接设计模块,其与前台连接,用于实现信息的传递。其次是意图管理模块,用于对QOS需求进行资源映射。再次是服务地图模块,用于将切片资源映射为服务,以便于后续的资源分配。最后,还需要搭建切片ID与核心网、接入网资源映射的两个模块,以实现切片资源需求和网络资源的通信映射。在这一过程中,切片资源需求被转换为json格式,并发送到基站和核心网,以便于进行对应资源的分配。这一系列模块共同协作,完成了用户切片的分配。

        随着分配切片的增多,网络资源的可用性会发生动态变化。为了确保切片资源能够始终满足用户需求,需要引入一个网络资源监控模块。在本文中,我们提供了一种基于深度模型GAN的监控模型。该模型可以实时监控系统资源的变化,并动态更新每个切片的可用资源,详细的实现参见文献【2】。通过这种方式,我们可以确保切片资源始终处于最佳状态,以满足用户的需求。整个切片分配和监控的闭环系统如下图所示,该系统可以实现切片的动态编排,以更好地满足用户的需求。

3 小结

        本文介绍的方案源自参考文献【2】,如有兴趣,可自行研究。这套端到端的实现流程旨在为开发切片编排器应用的读者提供一些启示,使其能够动手实现一个切片编排器。下一篇文章将介绍另一个编排器实现方案,敬请期待。

【1】边缘计算那些事儿--网络切片技术(1)_HiveIOE的博客-CSDN博客

【2】Slicing the Core Network and Radio Access NetworkDomains through Intent-Based Networking for 5G Networks

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/linus_ben/article/details/131022960

边缘计算ai硬件智能分析网关v1版的接入流程与使用步骤-爱代码爱编程

我们的AI边缘计算网关硬件——智能分析网关目前有两个版本:V1版与V2版,两个版本都能实现对监控视频的智能识别和分析,支持抓拍、记录、告警等,在AI算法的种类上和视频接入上,两个版本存在些许的区别。V1的基础算法有人体检测、区域入侵检测、戴口罩识别、安全帽识别;V2目前有15种算法,包括人脸、人体、车辆、车牌、行为分析、烟火、 入侵、聚集、安全帽、反光衣等