面向边缘光算力网络的上行链路资源协同调度算法

为满足冷、热业务实时、高效的算力调度需求,提出一种基于自适应噪声完全集合经验模态分解(CEEMDAN)与时间卷积网络(TCN)的算力负载预测模型(简称C-TCN模型),并设计了基于C-TCN与Q学习的资源协同调度算法(CTQ算法),利用C-TCN模型提前感知下一时刻负载变化,通过Q学习协同调度波长与存储资源,寻找最佳波长划分与边缘存储分配方案。实验结果表明：CTQ算法的调度性能不仅优于现有调度算法,能满足冷、热业务调度性能要求,而且还能提高波长利用率。     

基于云、网、边融合的边缘计算新方案:算力网络

边缘计算已经成为5G时代重要的创新型业务模式,尤其是其低时延特性,被认为是传统方案所不具备的,因此边缘计算能够提供更多的服务能力且具有更为广泛的应用场景。但边缘计算与处于中心位置的云计算之间的算力协同成为新的技术难题,即需要在边缘计算、云计算以及网络之间实现云网协同、云边协同,甚至边边协同,才能实现资源利用的最优化。在研究边缘计算算力分配和调度需求的基础上,提出了基于云、网、边深度融合的算力网络方案,并针对AI类应用给出了一个典型实施系统,该方案能够有效应对未来业务对计算、存储、网络甚至算法资源的多级部署以及在各级节点之间的灵活调度。     

算力网络的概念与体系架构探讨

数字化智慧社会的三要素是“数据+算力+算法”,计算正由云计算代表的“中心计算”向“云+边+端”统一协同的泛在计算发展,算力网络通过构建“云+边+端”的协同计算体系,旨在打造“算力即服务”。首先阐述了算力网络的概念,介绍了算力芯片种类,然后探讨了算力网络的体系架构,最后对云网融合向算网融合的演进进行了深入思考。     

基于计算机视觉边缘计算与算力网络的智慧园区应用研究

智慧园区是当下城市化发展的重要部分,而应用计算机视觉技术、边缘计算技术和算力网络技术,是建设智慧园区的重要手段。文中对基于计算机视觉边缘计算与算力网络的智慧园区应用进行了研究和探讨。首先,介绍了智慧园区的概念及其发展现状,接着详细阐述了计算机视觉、边缘计算和算力网络的基本原理和特点,重点介绍了基于这些技术实现的智慧园区应用场景,包括安防监控、智能停车、环境监测等,最后对未来智慧园区的发展趋势和研究方向进行了展望。     

面向算网一体化演进的算力网络技术

随着一体化算力网络国家枢纽节点的建设和“东数西算”工程的加快实施,计算和网络的融合走向深水区。面向新兴业务对于网络和计算融合发展的需求,如何协调分布式、多样化算力资源,业务应用和网络资源满足业务需求成为亟待解决的问题。为了解决计算和网络相互感知、协同、调度问题,从算力网络阶段化发展、算力感知技术架构、算力度量与标识、算力路由等多个技术展开探索和研究,并提出算力网络多种部署模式,为算力网络后续技术研究和产业发展提供参考。     

基于云边协同算力调度的高效边缘卸载研究

为了满足车载边缘计算网络(Vehicular Edge Computing,VEC)中低时延、高可靠、高传输速率等极致性能需求,亟需突破现有传统车联网中通信感知计算相互割裂的现状,基于云边端一体化与智能协同等算力网络技术设计一种高效的任务卸载策略成为解决方案。为此,提出一种云边协同智能驱动车载边缘算力网络架构,通过结合实时计算负载与网络状态条件,充分利用云中心、聚合服务器和MEC服务器的异构计算能力,权衡用户任务卸载策略,实现网络资源的全面协作和智能管理。考虑到计算型任务对时延和能耗的需求,将计算卸载策略建模为在通信与计算资源约束下的最小化长期系统成本的优化问题,并将其转化为马尔可夫决策过程(Markov Decision Process,MDP)。最后,鉴于车载网络的动态和随机特性,提出一种基于云边协同的深度Q网络(Cloud-Edge Collaborative Deep Q-Network,CEC-DQN)的高效计算卸载策略来解决MDP问题。仿真结果表明,与传统单点边缘服务器卸载或随机卸载算法相比,所提出的算法具有较高的性能提升,可有效解决多层次算力网络中节点算力分配不足、不均衡的问题。     

算力网络中面向计算重用的任务调度优化

为应对未来算力需求爆炸性增长所带来的挑战,将计算重用技术引入算力网络中,通过重用计算任务结果,来缩短服务时延并减少计算资源消耗。在此基础上,提出基于服务联盟的上下文感知在线学习算法。首先,设计重用指数来减少额外查找时延;然后,基于服务联盟机制进行在线学习,根据上下文信息及历史经验做出计算任务调度决策。仿真实验结果表明,所提算法在服务时延、计算资源消耗等方面均优于基准算法。     

空间算力网络初探

随着卫星互联网技术的飞速发展,星载计算资源日益丰富、充沛,如何高效协同地调度广域分布的星上算力成为当前空间信息网络领域亟需解决的重要研究课题。梳理了国内外在星座发展和应用探索方面的研究现状,总结了空间算力发展的趋势和挑战,在此基础上,提出了空间算力网络的物理架构、逻辑架构和软件架构,并详细阐述了空间算力网络的两种运行模式,最后对典型应用场景进行了概述和分析,为空间算力网络的构建和研究提供参考。     

算力时代中心云与边缘云的协同部署

算力时代,计算的需求更加泛在,算力无所不在,算力分布式泛在的态势日渐明显,分布式算力需要协同计算和一体化调度。本文通过分析算力的分布式特征、中心云与边缘云的关系、分布式边缘云的能力部署、算力时代的网络及协同调度等内容,阐述了算力时代中心云与边缘云的协同关系,针对算力分布式协同的关键问题,提出了算力网络调度需要具备基本功能,并给出了分布式算力协同的应用案例。     

面向科学计算的算力网络技术发展展望

随着科学计算时代的到来,海量科学数据的产生带来丰富的基础性科技资源,也为计算和传输带来巨大的压力,需要大量的资源来处理,亟需算网融合技术将算力和网络有机结合。算力网络连通分散的、碎片化的算力资源,构建一体化的ICT基础设施,提供计算能力和网络能力等服务。文章研究面向科学计算的算力网络技术,搭建算力网络总体架构,采用资源度量、资源调度和算力路由等技术,部署算力网络原型系统,提供高性能的科学计算能力,完成复杂模拟和科学计算。在高能物理、天文领域等典型应用开展试验示范,能够显著提升科学大数据的网络传输效率和大数据处理能力,提升科研信息化服务能力与水平,加速重大创新成果产出。     

边缘算力架构及应用场景分析

分散去中心化的边缘算力可以满足各类用户不断涌现的低时延、大带宽、强安全等方面的特性化需求。边缘算力与传统云算力相比,架构同样由基础设施层和应用服务层组成,但更注重统一架构,标准化适配,以期实现边缘算力规模的弹性伸缩以及算力在多边缘之间的灵活调度。文章分析边缘算力的四类应用场景,包括虚拟云网关、云化网络存储、游戏云桌面、家庭安全防护等的实现思路及优势特点,并提出边缘算力的部署建议。     

面向算网融合的边缘计算网络任务卸载策略优化方法

为了解决传统网络任务卸载策略存在的任务平均能耗较高的不足,本文面向算网融合,针对边缘计算网络任务卸载策略优化方法展开研究。转换算力资源的地址属性得到网络时延,判断用户使用时的位置方向,加载训练阶段的网络参数,得到卸载所需最大功率;对用户进行信道分配,制定卸载策略,降低信道间干扰对卸载策略的影响,合理分配移动设备传输功率使其达到最优;对非线性规划设备进行能耗运算,改善边界分支范围划定,二次剪枝快速搜寻最优值,将局部最优解累加得到问题最优解从而实现网络任务卸载策略优化。实验结果表明,运用本文方法平均耗能最低,提升计算速率,完成计算机网络任务的高效卸载。     

算力网络四面三级算力度量技术体系

算力网络要实现广泛的算力互联,就离不开统一的算力度量和算力建模机制。算力度量技术主要解决算力描述的标准化,提供方便的跨厂商互通能力、算力资源协同管控能力。对算力网络中算力度量需求进行分析,并提出四面三级算力度量技术体系,同时还探索了在算力路由决策中,网络按需进行算力信息通告等关键技术,为后续的算力度量研究提供参考。     

面向AIGC类新型计算业务的算力网络挑战与设计

当前,新型计算业务如AIGC正在蓬勃发展,算力网络的发展也呈现出新的趋势与特点以满足新型业务的发展需求。重点探讨面向AIGC类新型计算业务的算力网络挑战与设计,首先介绍AIGC类业务引入算力网络的必要性,以及二者结合发展的意义和价值;其次设计了承载AIGC类业务的新型算力网络架构,最后根据目前的发展趋势和挑战,为后续研究工作提供参考。     

5G Mec在算力网络中的应用

阐述5G MEC是CT侧和IT侧融合的新产物,算力网是5G+MEC的衍生体,将泛在的算力和泛在的网络结合,组合成一张能够承载和调度大数据能力的网络。探讨算力网与5G+MEC的构建模式,以及MEC在算力网环境中的应用价值。     

面向VR/AR的算力网络研究

针对现阶段VR/AR的网络环境不稳定、时延高、丢包多等问题,提出了基于算力网络资源调度的VR/AR网络环境优化方法。利用带宽、时延、抖动、丢包路径算法确定单指标网络通道,借助AHP层次分析和算力网络自愈相融合的多策略筛选,实现对最优网络通道的快速定位。构建基于算力网络的VR/AR环境稳定体系,结合用户自身需求在保障VR/AR应用稳定的基础上提升用户感知。     

基于分区网关的算力网络架构及算力路由机制研究

为了解决算力网络路由开销过大和实时性差的问题,分析了算力网络的网络架构和业务特点,提出了一种基于分区的算力网络架构及算力路由机制。通过将网络划分为不同的区域,将网络路由和算力路由分开建立,并设置不同的更新频率,可以尽量减小算力网络中网络路由维护开销,并提高算力路由的更新频率。     

面向算力网络的云边端协同调度技术

针对网络规模庞大、资源分散和异构性等挑战,面向算力网络的云边端协同调度技术通过算力网络将云边端多级泛在算网资源整合在一起,从而形成一个庞大的、跨越多个地域的资源池。综合考虑网络实时状态、用户需求等要素,该技术能够实现对算网资源的统一管理和动态调整,提升用户体验的同时降低企业运营成本和运维复杂度。     

边缘算力网络中智能算力感知路由分配策略研究

增强现实、自动驾驶、智慧城市、工业互联网等新型业务应用对网络算力的需求逐渐增强,然而,边缘算力网络系统面临着网络共存的问题——负载不均衡,导致一部分边缘服务器无法满足业务应用的处理需求,另一部分边缘服务器的算力资源处于空闲状态.为了高效协同地感知利用泛在、异构的算力资源,提升6G通信网络的内生感知和算力自适应能力,急需...     

面向算网融合的全光算力底座构建与实践

文章首先分析算网时代的全光底座架构挑战,引出全光算力底座的关键能力,以某省联通为例,介绍政企精品网三步走战略,总结分阶段构建要素,并分析面向算网融合的全光底座构建关键能力,包括光算协同、边端联接和可视化运力等,最后分享某超算中心的实践案例。