鄭卿?楊坤?操張進?李國策?丁光遠(yuǎn)

摘要：電信級的云資源池承載著通信業(yè)務(wù)，故對云服務(wù)能力有著極高的響應(yīng)能力，其運行質(zhì)量的評估變得愈發(fā)重要。本文提出基于數(shù)字孿生的云資源池質(zhì)量監(jiān)控系統(tǒng)架構(gòu)，并從虛實映射角度，通過規(guī)則模型、行為模型和狀態(tài)模型三個遞進層次構(gòu)建資源池質(zhì)量監(jiān)控系統(tǒng)，全面呈現(xiàn)資源池的運行狀態(tài)?；跓o監(jiān)督學(xué)習(xí)的資源池故障分析以及資源池健康度評估，本文提供可視化的質(zhì)量評估報告，幫助云服務(wù)提供商及時發(fā)現(xiàn)和解決問題，以提高云資源池的可靠性和穩(wěn)定性。

關(guān)鍵字：云資源池；數(shù)字孿生；虛實映射；質(zhì)量監(jiān)控；故障分析；健康度評估

云計算技術(shù)的發(fā)展為網(wǎng)絡(luò)的演進和物理資源的整合提供了新的技術(shù)手段。隨著技術(shù)的不斷成熟和發(fā)展，網(wǎng)絡(luò)云化已成為一種趨勢。它不僅可以提高資源利用率、降低維護成本和增加業(yè)務(wù)整體的容災(zāi)性等能力，還給云資源池的運營運維帶來了質(zhì)的變化。云資源池要實現(xiàn)統(tǒng)一調(diào)度、統(tǒng)一監(jiān)控和統(tǒng)一運維管理，但更重要的是對云資源池的運行質(zhì)量進行實時觀察以保障安全運行。

目前云資源池的規(guī)模龐大且復(fù)雜性高，傳統(tǒng)云資源池運行質(zhì)量監(jiān)控方法已經(jīng)無法滿足市場需求。數(shù)字孿生技術(shù)作為一種新興的監(jiān)控方法，可以將實體系統(tǒng)的運行狀態(tài)進行數(shù)字化建模。本文中的數(shù)字孿生模型是采用物理空間、虛擬空間、孿生數(shù)據(jù)、應(yīng)用封裝和連接5個維度構(gòu)成的綜合體[1]。通過虛實雙向映射、數(shù)據(jù)雙向驅(qū)動以及實時連接的機制，數(shù)字孿生技術(shù)可以實現(xiàn)對實體系統(tǒng)的監(jiān)測、評估、優(yōu)化、管理等功能。隨著數(shù)字孿生的技術(shù)、生態(tài)圈、行業(yè)、標(biāo)準(zhǔn)加快突破和發(fā)展，其應(yīng)用市場正在進入成熟推廣期。為了保障云資源池的穩(wěn)定性和可靠性，并提高運維效率，本文提出了一種基于數(shù)字孿生的云資源池運行質(zhì)量監(jiān)控系統(tǒng)。該系統(tǒng)利用虛實映射對云資源池的運行狀態(tài)進行建模，并通過數(shù)據(jù)分析和機器學(xué)習(xí)算法對其進行質(zhì)量評估。在此基礎(chǔ)上，該系統(tǒng)可以進行故障定位和資源池健康度評估?？傊?，這種基于數(shù)字孿生的監(jiān)控方法可以實現(xiàn)對云資源池運行質(zhì)量的實時監(jiān)測和評估，幫助運維人員及時發(fā)現(xiàn)和解決問題，保障云資源池的可靠性和穩(wěn)定性。

一、系統(tǒng)設(shè)計

本文提出的基于數(shù)字孿生技術(shù)的云資源池運行質(zhì)量監(jiān)控系統(tǒng)，其架構(gòu)如圖1所示，結(jié)合了云資源池評估需求和數(shù)字孿生五維模型構(gòu)建[2]。系統(tǒng)架構(gòu)包括了五個部分：①物理空間。該部分是從云資源池維度進行監(jiān)管的，能夠監(jiān)測全網(wǎng)任意設(shè)備，實現(xiàn)全面性評估。物理實體從設(shè)備的組件到整個設(shè)備再到各個設(shè)備間的交互和屬性信息都要被監(jiān)測。②虛擬空間。該部分通過描述物理設(shè)備的幾何、物理、行為、規(guī)則等建立全方位的數(shù)字化模型。一方面，在虛機空間中能夠全方位反映云資源池的運行狀態(tài)；另一方面用建立的模型評估資源池的健康狀態(tài)。③應(yīng)用封裝。該部分通過對虛擬空間建立的模型、算法等服務(wù)進行封裝，在物理空間實時數(shù)據(jù)的驅(qū)動下實現(xiàn)服務(wù)。其應(yīng)用主要包括資源池健康度評估、異常定位、故障定位以及預(yù)測等。④孿生數(shù)據(jù)。該部分包含物理空間、虛擬空間以及服務(wù)應(yīng)用中產(chǎn)生的數(shù)據(jù)，主要是實時數(shù)據(jù)、歷史數(shù)據(jù)、運行日志數(shù)據(jù)、評估分析的數(shù)據(jù)、模型產(chǎn)生的數(shù)據(jù)等。其可以作為其他部分提供數(shù)據(jù)源泉，可搭建孿生數(shù)據(jù)中心管理平臺，建立交互接口實現(xiàn)數(shù)據(jù)共享。⑤連接。該部分實現(xiàn)了物理空間通過傳輸協(xié)議、采集設(shè)備將資源池運行數(shù)據(jù)傳輸給虛擬空間和孿生數(shù)據(jù)。前者用于更新資源池運行狀態(tài)，實現(xiàn)以虛寫實；后者則是用來管理數(shù)據(jù)。

二、數(shù)字孿生模型中虛擬空間建立

本文從虛實映射的角度構(gòu)建云資源池運行質(zhì)量監(jiān)控系統(tǒng)，整個映射過程分為規(guī)則模型、行為模型和狀態(tài)模型3個遞進關(guān)系。

（一）規(guī)則模型

規(guī)則模型旨在構(gòu)建云資源池虛實一致的數(shù)字模型，根據(jù)規(guī)則呈現(xiàn)設(shè)備以及網(wǎng)絡(luò)信息，是云資源池運行質(zhì)量評估的基礎(chǔ)。為有效構(gòu)建模型，首先要確立云資源池的組網(wǎng)架構(gòu)，然后建立資源的CMDB模型，最后采用建模手段實現(xiàn)模型信息的數(shù)字化呈現(xiàn)。

1.云資源池CMDB模型

NFV標(biāo)準(zhǔn)架構(gòu)是由硬件層、虛擬層和虛擬網(wǎng)元三層以及NFV管理和編排系統(tǒng)組成。本文著重關(guān)注的是硬件層、虛擬層和虛擬網(wǎng)元。云資源池是指利用虛擬軟件將硬件層的計算、存儲、網(wǎng)絡(luò)等硬件資源虛擬化成虛擬的計算、存儲、網(wǎng)絡(luò)等資源，為虛擬機的部署、執(zhí)行和管理提供的資源池[3-4]。

2.模型信息組成及拓?fù)潢P(guān)系

在現(xiàn)實網(wǎng)絡(luò)中，各級模型間存在關(guān)聯(lián)關(guān)系。各級模型對象包含自身屬性和運行信息。其中自身屬性是設(shè)備的軟硬件版本、固定參數(shù)等，用Attribute表示。運行信息是在設(shè)備在運行時產(chǎn)生的實時數(shù)據(jù)，用Value表示。拓?fù)潢P(guān)系是指通過設(shè)備所在南北向接口和東西流量來確定設(shè)備的位置，用Positon表示。故可以用多物元理論表示某一層的實體模型，則其信息組成為Modle=三元組[5]。

3.模型信息呈現(xiàn)

利用上述三元組信息可以抽象地描述每個模型所需要的信息，然后建立模型間的上下層關(guān)系。在進行模型實體化時，可以從幾何、物理、規(guī)則方面進行描述。幾何描述設(shè)備的基本結(jié)構(gòu)尺寸信息，物理描述設(shè)備重要物理特征，規(guī)則描述設(shè)備的操作邏輯和規(guī)則動作。這些信息可以被用來建立云資源池的數(shù)字化模。

（二）行為模型

行為模型旨在構(gòu)建資源池的實時數(shù)據(jù)的數(shù)據(jù)模型，是資源池運行質(zhì)量評估的數(shù)據(jù)驅(qū)動。本文所關(guān)注的是物理設(shè)備的宏觀行為模型，即從宏觀角度觀察設(shè)備的行為，并進行數(shù)據(jù)采集、描述和量化，例如信息流和數(shù)據(jù)流等。

（三）狀態(tài)模型

狀態(tài)模型旨在反映資源池某時刻的運行質(zhì)量，是資源池運行質(zhì)量評估的實現(xiàn)?；跀?shù)字孿生的云資源池評估系統(tǒng)使得對資源池的運行維護從被動變?yōu)橹鲃樱瑥碾x線變成在線。在整個評估過程中，依據(jù)資源池中設(shè)備的技術(shù)參數(shù)、歷史數(shù)據(jù)、實時數(shù)據(jù)等建立異常分析、健康評估、故障診斷、故障特征等全方位的評估模型以及質(zhì)量評價指標(biāo)體系，對功能實現(xiàn)封裝。最后，在實時數(shù)據(jù)的驅(qū)動下，調(diào)用封裝后的應(yīng)用進行評估分析。

三、數(shù)字孿生模型中評估技術(shù)

（一）基于無監(jiān)督學(xué)習(xí)的故障分析

資源池的運行質(zhì)量監(jiān)控需要考慮異常情況下的故障根因定位。為了實現(xiàn)故障根因定位，需要通過告警信息進行故障分析和定位?？紤]到告警信息的海量性和時序性，本文利用序列挖掘算法進行告警關(guān)聯(lián)分析，然后利用知識圖譜完成故障的根因定位。

①序列挖掘算法。從原始告警日志中挖掘告警關(guān)聯(lián)規(guī)則。本文通過采用基于PrefixSpan-Prefix-Projected Sequence Pattern Mining（簡稱PrefixSpan）的無監(jiān)督的序列模式挖掘算法提取告警中的關(guān)聯(lián)性信息[6]，同時對關(guān)聯(lián)規(guī)則中告警進行因果關(guān)系對比分析，剔除沒有因果關(guān)聯(lián)的無效告警，這樣可以給故障的定位和判斷提供更可靠的數(shù)據(jù)支撐。

②知識圖譜。告警的關(guān)聯(lián)性是識別根源告警事件的重要依據(jù)，同時將告警關(guān)聯(lián)知識展現(xiàn)在圖譜中，進而為故障根因定位提供數(shù)據(jù)支持[7]。本文采用Nebula Graph圖數(shù)據(jù)庫為知識圖譜存儲的有效媒介[8]，將圖中的數(shù)據(jù)高效存儲為點（Vertex）和邊（Edge），還可以將屬性（Property）附加到點和邊上，將復(fù)雜的關(guān)聯(lián)關(guān)系通過邊及其類型和屬性自然地呈現(xiàn)。

③故障根因定位。根源告警是導(dǎo)致衍生告警事件發(fā)生的根因，是在告警知識圖譜中構(gòu)成“導(dǎo)致”關(guān)系的有向量的起點。本文針對故障根因定位提出基于告警知識圖譜進行根因定位的方法（以下簡稱根因定位法）[9]：將故障根因定位問題轉(zhuǎn)變?yōu)閷χR圖譜中節(jié)點檢索問題，即查找當(dāng)前告警知識圖譜中不存在因節(jié)點的告警事件。該方法首先要在一定的時間窗口中建立一個根源告警事件的候選集，遍歷知識圖譜中所有表示“導(dǎo)致”關(guān)系的邊，在候選集中添加因節(jié)點告警事件，然后判斷其對應(yīng)的節(jié)點告警事件是否已存在于候選集中，若存在則剔除此因節(jié)點。最終候選集中的告警事件就是依據(jù)告警知識圖譜的圖結(jié)構(gòu)分析獲得的根源告警事件集。

（二）資源池健康度評估模型

隨著云資源池設(shè)備多樣化和復(fù)雜化以及底層數(shù)據(jù)多源異構(gòu)，設(shè)備數(shù)量呈指數(shù)增加。在這個背景下，本文提出利用數(shù)字孿生系統(tǒng)實時監(jiān)控云資源池的運行狀態(tài)，多維度分析云資源池的健康狀態(tài)，依據(jù)輸出評估報告，更新云資源池的維護方案和計劃。其中，資源池健康度評估算法是孿生數(shù)據(jù)系統(tǒng)結(jié)合物元信息熵，通過層次分析法和關(guān)聯(lián)熵確定指標(biāo)的主、客觀權(quán)重的算法[10]。具體從運行質(zhì)量、安全質(zhì)量、資源質(zhì)量、維護質(zhì)量、調(diào)度質(zhì)量、服務(wù)質(zhì)量六個維度量化資源池運行狀態(tài)，通過逆向逐級綜合加權(quán)計算出各專業(yè)健康值，全面分析整個資源池實際運行狀態(tài)。

1.主觀權(quán)重確定過程

依據(jù)云資源池的資源數(shù)據(jù)模型構(gòu)建指標(biāo)體系層次結(jié)構(gòu)模型，利用專家經(jīng)驗對比兩兩指標(biāo)之間影響程度，并依據(jù)1～9標(biāo)度法進行賦值，構(gòu)建判斷矩陣。判斷矩陣是表示本層所有因素針對上一層某一個因素的相對重要性比較，構(gòu)建判斷矩陣元素axy的標(biāo)度方法，如表1所示，設(shè)定兩個因素分別為xi和xj，考察兩個因素的重要性標(biāo)度。

設(shè)X={x1， x2， x3...xn}是某層的因素集，根據(jù)表2判斷方法對因素集內(nèi)數(shù)據(jù)進行兩兩對比，構(gòu)建判斷矩陣A，即為：

2.客觀權(quán)重確定過程

考慮到云資源池的健康度評估是多指標(biāo)綜合決策的結(jié)果，故文中是基于物元理論構(gòu)建評估云資源池健康的評估物元。物元理論的基本單位是物元，是以事物名稱、事物特征和該特征的量值三者所組成的三元組，記作 R=（事物，特征，量值）構(gòu)建復(fù)合物元矩R=[M，T，V]，其中M質(zhì)量名稱，T指標(biāo)名稱，V指標(biāo)數(shù)值，其中Vij是第j個質(zhì)量的第i項指標(biāo)的值，物元矩陣如下所示。

在實時采集數(shù)據(jù)過程中，會出現(xiàn)部分指標(biāo)值變化較大而其它指標(biāo)值較穩(wěn)定的情況，使用主觀原始權(quán)重計算，會造成結(jié)果出現(xiàn)誤差，因此，采用關(guān)聯(lián)熵法計算客觀權(quán)重，修正主觀權(quán)重，減少數(shù)據(jù)變化對結(jié)果造成的影響。

3.計算組合權(quán)重及健康度過程

根據(jù)主觀權(quán)重? 和客觀權(quán)重得到某評價指標(biāo)的組合權(quán)重，故某項質(zhì)量的復(fù)合關(guān)聯(lián)熵物元為：

其中，H代表某項質(zhì)量的健康度，

由熵值的定義可知，熵值越大表示某項質(zhì)量運行越好，健康度越高。反之生產(chǎn)過程中就需要多關(guān)注熵值小的質(zhì)量項，注意日常的巡檢和維護計劃。

四、結(jié)束語

基于當(dāng)前云資源池的運維痛點，本文提出了基于數(shù)字孿生的云資源池的質(zhì)量評估系統(tǒng)架構(gòu)設(shè)計過從虛實映射的角度出發(fā)，逐步構(gòu)建用規(guī)則模型、行為模型和狀態(tài)模型3個遞進層次構(gòu)建數(shù)字化模型，同并給出了2類業(yè)務(wù)監(jiān)控場景，即故障定位和健康度評估功能模塊。這在一定程度上降低了運維人員的工作強度，提高了云資源池運維能力，同時也減少了因設(shè)備增多而引起的人工成本，也為數(shù)字孿生在云領(lǐng)域的應(yīng)用提供了一定參考。但本文沒有對方案的功能應(yīng)用進行詳細(xì)論證，后續(xù)將技術(shù)理論和實際情況相結(jié)合展開討論，推進方案落地應(yīng)用，從而不斷驗證系統(tǒng)的有效性和可行性。

作者單位：鄭卿 中國移動通信集團有限公司

楊坤 操張進 李國策 丁光遠(yuǎn) 中國移動通信集團安徽有限公司

參? 考? 文? 獻

[1] 陶飛，劉薇然，張萌，等.數(shù)字孿生五維模型及十大領(lǐng)域應(yīng)用[J].計算機集成制造系.，2019，25（1）：1-18.

[2] 劉占省，張安山，邢澤眾，等. 基于數(shù)字孿生的智能建造五維模型及關(guān)鍵方法研究[C]. //中國土木工程學(xué)會2020年學(xué)術(shù)年會論文集. 2020：112-124

[3] 中國移動NFV電信云資源池內(nèi)組網(wǎng)、資源部署和數(shù)據(jù)配置原則[S].中國移動，2019.

[4] 中國移動NFV 虛擬層技術(shù)要求[S].中國移動，2019.

[5] 熊浩，孫才新，杜鵬，等. 基于物元理論的電力變壓器狀態(tài)綜合評估[J]. 重慶大學(xué)學(xué)報（自然科學(xué)版），2006，29（10）：24-28.

[6] 胡秋秋. 移動通信網(wǎng)絡(luò)運行數(shù)據(jù)處理與分析[D]. 西安電子科技大，，2019.

[7] 覃華云，吳侃，毛恒.基于知識圖譜和因果算法的告警根因定位方法研究[J]《網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2023（3）：41-43.

[8]陳肖勇，蔡永健，顧丹鵬，等. 圖數(shù)據(jù)庫在工程數(shù)據(jù)中心的應(yīng)用[J]. 計算機時代，2021（9）：42-45.