宋今 張河翔

(1.中國移動通信集團(tuán)有限公司,北京 100032;2.中國移動通信集團(tuán)重慶有限公司,重慶 401121)

0 引言

當(dāng)前,各地智慧園區(qū)建設(shè)如火如荼,人工智能(Artificial Intelligence,AI)、云計(jì)算、邊緣計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)、數(shù)字孿生等信息化技術(shù)在各類型產(chǎn)業(yè)園中持續(xù)應(yīng)用。值得關(guān)注的是,智慧園區(qū)中信息化系統(tǒng)重復(fù)建設(shè)、“信息孤島”以及缺乏算力統(tǒng)一調(diào)度的情況并不罕見。近年來,隨著AI等技術(shù)的快速迭代,園區(qū)對各類AI大模型、通用視頻圖像分析、數(shù)字孿生等高算力要求的應(yīng)用需求越來越大。因此,相對低水平的算網(wǎng)調(diào)度體系與越來越高的算網(wǎng)需求之間形成了新的矛盾,并已成為制約園區(qū)智慧化、數(shù)字化水平提升的關(guān)鍵所在。

本文認(rèn)為,云邊端融合的算網(wǎng)調(diào)度體系將逐步成為突破智慧園區(qū)發(fā)展瓶頸的核心數(shù)字底座。中國信息通信研究院研究報告顯示,算力由云端加速向邊側(cè)、端側(cè)擴(kuò)散,邊端計(jì)算能力持續(xù)增長。如何將智慧園區(qū)已有的云端算力、邊緣算力、前端算力進(jìn)行聯(lián)通,同步實(shí)現(xiàn)算力與網(wǎng)絡(luò)結(jié)合,打造出云邊端融合的算網(wǎng)架構(gòu)體系,成為事關(guān)新型智慧園區(qū)數(shù)字化轉(zhuǎn)型成敗的關(guān)鍵。

1 智慧園區(qū)算網(wǎng)現(xiàn)狀分析

1.1 園區(qū)特點(diǎn)分析

本文調(diào)研了分布于重慶、四川、浙江、寧夏4地13個不同類型(含工業(yè)類、科創(chuàng)類、醫(yī)療類、文旅類、港口類、物流類等)且處于建設(shè)中的智慧園區(qū),發(fā)現(xiàn)在園區(qū)管理上普遍有占地面積大、入駐企業(yè)多、建設(shè)周期長、管理部門多、信息化需求大等特點(diǎn),在園區(qū)信息化則面臨著算力和網(wǎng)絡(luò)需求大、數(shù)據(jù)協(xié)同難度大、需求種類多、重復(fù)建設(shè)多、“信息孤島”等問題。

1.2 園區(qū)算力需求分析

經(jīng)調(diào)研發(fā)現(xiàn),13個智慧園區(qū)的信息化需求存在共性需求和特色化需求,但最底層的算力需求基本趨同,即對算力的需求愈發(fā)旺盛,需要更智慧的算力網(wǎng)絡(luò)(見表1)。

1.3 園區(qū)算力現(xiàn)狀分析

本文分析13個智慧園區(qū)的算力現(xiàn)狀后(見表2),發(fā)現(xiàn)以下4個共性問題。一是園區(qū)普遍租用了不同云提供商的云服務(wù);二是園區(qū)普遍具有可視化指揮展示中心,需要對數(shù)字孿生模型等進(jìn)行渲染;三是園區(qū)各類自建小機(jī)房遍布,甚至一些弱電設(shè)備間也放置了服務(wù)器;四是園區(qū)終端側(cè)算力魚龍混雜,傳統(tǒng)終端和智能終端并存。

1.4 園區(qū)網(wǎng)絡(luò)現(xiàn)狀分析

網(wǎng)絡(luò)是實(shí)現(xiàn)智慧園區(qū)算力調(diào)度的基礎(chǔ)。調(diào)研發(fā)現(xiàn),網(wǎng)絡(luò)的復(fù)雜現(xiàn)狀對實(shí)現(xiàn)園區(qū)數(shù)據(jù)協(xié)同提出了更高要求(見表3)。各園區(qū)網(wǎng)絡(luò)涵蓋類型復(fù)雜,包含內(nèi)網(wǎng)、互聯(lián)網(wǎng)、電子政務(wù)外網(wǎng)、數(shù)據(jù)專線、固定電話、5G/4G網(wǎng)、無線局域網(wǎng)(Wireless Local Area Networks,WLAN)等。多數(shù)園區(qū)由于規(guī)劃不足,尚未實(shí)現(xiàn)“一張網(wǎng)”統(tǒng)領(lǐng),且各種局域網(wǎng)、外網(wǎng)、專網(wǎng)協(xié)同不充分。此外,園區(qū)支持軟件定義網(wǎng)絡(luò)(Software Defined Network,SDN)及網(wǎng)絡(luò)功能虛擬化(Network Functions Virtualization,NFV)的智能化設(shè)備占比低,網(wǎng)絡(luò)智慧化程度不足,但是也有少數(shù)園區(qū)正在實(shí)現(xiàn)“一張網(wǎng)”統(tǒng)領(lǐng),使用了支持SDN技術(shù)的融合網(wǎng)關(guān)類產(chǎn)品,園區(qū)網(wǎng)絡(luò)的智能調(diào)度初見雛形。

表3 園區(qū)網(wǎng)絡(luò)特點(diǎn)

2 云邊端融合的算網(wǎng)架構(gòu)

基于園區(qū)越來越高的智能算力需求與算力和網(wǎng)絡(luò)普遍不足的現(xiàn)狀之間存在的矛盾,本文將進(jìn)一步提出更適用于智慧園區(qū)未來各類智慧化需求的云邊端融合算網(wǎng)調(diào)度體系[2],研究以云邊端融合的算網(wǎng)架構(gòu)助力園區(qū)現(xiàn)有算力和網(wǎng)絡(luò),在新增投資有限的基礎(chǔ)上,用較小的升級改造成本提升園區(qū)智慧化水平[3]。

2.1 園區(qū)云邊端融合的算網(wǎng)融合架構(gòu)關(guān)鍵技術(shù)

2.1.1 園區(qū)算力網(wǎng)絡(luò)基礎(chǔ)設(shè)施摸底及感知

對算力和網(wǎng)絡(luò)等基礎(chǔ)設(shè)施進(jìn)行摸底、分類、感知,是搭建云邊端算網(wǎng)融合架構(gòu)的基礎(chǔ)工作。常見的算力摸底及感知,應(yīng)首先分析園區(qū)當(dāng)前及規(guī)劃中的算力及網(wǎng)絡(luò)的基本情況(見表4),包括但不限于算力資源分布的位置在云端還是本地,算力適合通用計(jì)算還是專用計(jì)算,算力當(dāng)前可用狀態(tài)及當(dāng)前負(fù)載情況;網(wǎng)絡(luò)的承載形式、時延、帶寬利用率等。

表4 園區(qū)算力網(wǎng)絡(luò)等基礎(chǔ)設(shè)施摸底

2.1.2 園區(qū)算力度量及簡易標(biāo)識

算力摸底后,需進(jìn)一步對園區(qū)算力進(jìn)行分類度量和標(biāo)識[4]。通常,可根據(jù)處理對象不同,將園區(qū)算力分為通用算力和專用算力,同時在硬件層面也存在不同的異構(gòu)芯片與二者對應(yīng),如CPU作為通用算力的代表更擅長進(jìn)行常規(guī)計(jì)算,而GPU/DPU/TPU等專用算力代表更擅長AI計(jì)算等[5],需要區(qū)分對待。

解決異構(gòu)算力的度量及標(biāo)識問題是業(yè)界一大難題,但對于園區(qū)而言,其算力規(guī)模和算力需求相較大型云服務(wù)商和運(yùn)營商的數(shù)據(jù)中心而言更加簡易,在算力的度量和標(biāo)識上相對簡單。本文主要考慮園區(qū)普遍使用的通用算力(不考慮園區(qū)存在少量的異構(gòu)算力),將基于X86架構(gòu)的CPU算力和園區(qū)普遍需要的用于視頻圖像分析的GPU算力作為度量重點(diǎn);將園區(qū)剛需算力的單位統(tǒng)一換算成每秒能完成的浮點(diǎn)運(yùn)算次數(shù)(單位:FLOPS);并將其他諸如服務(wù)信息、位置信息、算力需求、帶寬需求等信息同時進(jìn)行標(biāo)注,為后續(xù)的算網(wǎng)解析以及不同節(jié)點(diǎn)間的調(diào)度提供依據(jù)。為確保這種園區(qū)簡易標(biāo)識的有效性,一般需在園區(qū)規(guī)劃設(shè)計(jì)時進(jìn)行明確。

2.1.3 云邊端算力協(xié)同

云計(jì)算、邊緣計(jì)算以及各類終端前置算力各有其特點(diǎn)和適應(yīng)場景。如終端功能單一但能耗更低;邊緣側(cè)算力時延更低,可做到數(shù)據(jù)不出園區(qū);云端則擁有強(qiáng)大的計(jì)算、存儲資源但位置遠(yuǎn)離園區(qū)。云邊端協(xié)同可通過云上、邊緣、終端在算力上的互補(bǔ),提升算力效率,但若“各自為戰(zhàn)”,或?qū)е露鄶?shù)復(fù)雜應(yīng)用場景無法實(shí)現(xiàn),以及諸多資源浪費(fèi)和重復(fù)建設(shè)問題。

在當(dāng)前大部分園區(qū)都在降本增效的經(jīng)濟(jì)背景下,實(shí)現(xiàn)云邊端融合的算力調(diào)度顯得迫在眉睫。云邊端協(xié)同后,園區(qū)的智能終端除可將感知數(shù)據(jù)傳給邊緣側(cè)外,還可根據(jù)指令直接進(jìn)行簡易計(jì)算,效率更高;園區(qū)邊緣計(jì)算更接近應(yīng)用現(xiàn)場、時延更低,可初步處理執(zhí)行云端的下沉任務(wù),同時又為云端篩選出更科學(xué)和更有價值的數(shù)據(jù);園區(qū)云端可依托更豐富的算力、存力等,實(shí)現(xiàn)更優(yōu)的業(yè)務(wù)應(yīng)用模型構(gòu)建和全局管理,如在進(jìn)行AI深度學(xué)習(xí)模型的訓(xùn)練時,將訓(xùn)練好的結(jié)果下發(fā)到邊緣端,讓邊緣端更快速執(zhí)行推理等動作,同時在云端進(jìn)行海量和長周期的數(shù)據(jù)存儲、大數(shù)據(jù)的挖掘分析工作等[6-7]。

2.1.4 園區(qū)算力融合及簡易算力路由

算網(wǎng)融合是算力和網(wǎng)絡(luò)后續(xù)發(fā)展趨勢。與傳統(tǒng)網(wǎng)絡(luò)和傳統(tǒng)算力相比,算網(wǎng)融合后的算力網(wǎng)絡(luò)可同時分析算力開銷和網(wǎng)絡(luò)路由開銷,并依據(jù)網(wǎng)絡(luò)和算力兩個維度綜合判斷出最優(yōu)調(diào)度規(guī)則,解決了傳統(tǒng)算力調(diào)度中“重算力、輕網(wǎng)力”的問題。算力網(wǎng)絡(luò)的一個關(guān)鍵技術(shù)是算力路由。早在2018年,中國移動就牽頭提出了“算力路由”的概念[8],并在標(biāo)準(zhǔn)制定和應(yīng)用推廣方面取得重大進(jìn)展。算力路由在以往單一網(wǎng)絡(luò)尋址的基礎(chǔ)上,疊加算力信息進(jìn)行聯(lián)合路由,改變了傳統(tǒng)網(wǎng)絡(luò)的路由方式。但是,由于改造成本大、標(biāo)準(zhǔn)尚未統(tǒng)一等原因,當(dāng)前算力路由尚未規(guī)?；占?。

然而,聚焦于園區(qū)更簡易的組網(wǎng)范圍(相較于運(yùn)營商的龐大網(wǎng)絡(luò)而言),算力路由能以相對簡單的方式落地。實(shí)現(xiàn)園區(qū)級簡易算力路由主要取決于兩點(diǎn)。一是確保園區(qū)算力的協(xié)同。如前文所述,當(dāng)前影響園區(qū)算網(wǎng)底座發(fā)展的一個核心痛點(diǎn)是園區(qū)算力分布復(fù)雜且算力協(xié)同不足。完成算網(wǎng)情況摸底后,需立即對園區(qū)網(wǎng)絡(luò)進(jìn)行統(tǒng)一改造,實(shí)現(xiàn)各個算力節(jié)點(diǎn)的協(xié)同,如通過園區(qū)內(nèi)網(wǎng)協(xié)同實(shí)現(xiàn)邊緣算力節(jié)點(diǎn)之間的協(xié)同,云專線實(shí)現(xiàn)邊緣節(jié)點(diǎn)與云端節(jié)點(diǎn)間的協(xié)同。二是應(yīng)用基礎(chǔ)的算力路由技術(shù)?？赏ㄟ^在園區(qū)關(guān)鍵節(jié)點(diǎn)添加算力路由器或者融合調(diào)度網(wǎng)關(guān)的方式來搭建園區(qū)級簡易算力路由體系(如圖1所示)。

圖1 園區(qū)算力協(xié)同及簡易算力路由示意圖

2.1.5 園區(qū)算力網(wǎng)絡(luò)簡易編排器

實(shí)現(xiàn)算力網(wǎng)絡(luò)的融合調(diào)度還需要一個“算網(wǎng)大腦”進(jìn)行統(tǒng)一編排。“算網(wǎng)大腦”多見為運(yùn)營商級別的核心算網(wǎng)融合編排系統(tǒng)。但對園區(qū)而言,其算力網(wǎng)絡(luò)相對簡易,沒有足夠資源及需求驅(qū)使其建立運(yùn)營商級別的、完整的算網(wǎng)編排系統(tǒng),因此,一種適用園區(qū)應(yīng)用的簡易算力網(wǎng)絡(luò)編排器應(yīng)運(yùn)而生。這種簡易編排器是園區(qū)實(shí)現(xiàn)算網(wǎng)調(diào)度的中樞,可清晰展示出園區(qū)算力與網(wǎng)絡(luò)的分布、標(biāo)識、狀態(tài)等信息,并通過簡易的算力路由進(jìn)行調(diào)度,進(jìn)而對整個園區(qū)的算力資源(包含租賃的云服務(wù)資源)進(jìn)行統(tǒng)一的標(biāo)識、解析及調(diào)度[9]。

當(dāng)前,大部分園區(qū)尚無能力開發(fā)自己的簡易算網(wǎng)編排器,可暫時通過主流設(shè)備廠商提供的算網(wǎng)融合調(diào)度網(wǎng)關(guān)等硬件產(chǎn)品逐步展開簡易的算網(wǎng)編排調(diào)度工作,從手動編排的方式開始,逐步向訂單式編排甚至智能化編排的方向持續(xù)演進(jìn)。

2.2 園區(qū)基于云邊端融合的算網(wǎng)架構(gòu)

通過園區(qū)云邊端算力基礎(chǔ)資源摸底和感知、算力資源協(xié)同、園區(qū)級簡易算力路由、云邊端算力協(xié)同、簡易的算網(wǎng)融合編排器等系列技術(shù)的運(yùn)用,一套基于云邊端融合架構(gòu)的算力網(wǎng)絡(luò)調(diào)度架構(gòu)基本成型(見圖2)。這個算網(wǎng)架構(gòu)可獲取園區(qū)當(dāng)前可用的算力、存力、網(wǎng)絡(luò)等資源以及其在云邊端分布情況,并可初步實(shí)現(xiàn)算力網(wǎng)絡(luò)的靈活調(diào)度[10]。例如,園區(qū)可結(jié)合具體應(yīng)用需求,同時或分階段使用云邊端的算力資源,并根據(jù)不同的算力需求特點(diǎn)進(jìn)行高效調(diào)度。同時,這種算網(wǎng)調(diào)度體系可根據(jù)當(dāng)前可用算力的情況、網(wǎng)絡(luò)負(fù)載情況,動態(tài)地計(jì)算出更優(yōu)調(diào)度策略,如實(shí)現(xiàn)先來先計(jì)算、最高優(yōu)先級計(jì)算、保密計(jì)算、最低時延計(jì)算等。

圖2 云邊端融合的算力網(wǎng)絡(luò)調(diào)度架構(gòu)

這種園區(qū)級云邊端算力網(wǎng)絡(luò)融合架構(gòu),可以根據(jù)園區(qū)自身算網(wǎng)基礎(chǔ),采用手動調(diào)度、訂單式調(diào)度、智能化調(diào)度的方式實(shí)現(xiàn)。這些調(diào)度不是一成不變的,可根據(jù)業(yè)務(wù)屬性的不同保障等級、不同時延要求、不同頻率要求等進(jìn)行動態(tài)調(diào)整。

3 云邊端融合的算網(wǎng)調(diào)度架構(gòu)賦能某智慧園區(qū)

3.1 園區(qū)算網(wǎng)特點(diǎn)

以重慶某面積近10 km2、當(dāng)期信息化投資約5 000萬元規(guī)模的智慧園區(qū)項(xiàng)目為例,本文進(jìn)行了云邊端融合算網(wǎng)調(diào)度體系的應(yīng)用研究及落地,在多個應(yīng)用場景取得了較好的效果。該園區(qū)擁有1個邊緣數(shù)據(jù)中心、9個在不同時期配套信息化系統(tǒng)自建的小型數(shù)據(jù)機(jī)房、7種網(wǎng)絡(luò)承載形式(含互聯(lián)網(wǎng)專線、數(shù)據(jù)專線、5G專網(wǎng)[11]、物聯(lián)網(wǎng)等)。該園區(qū)也是國家級車聯(lián)網(wǎng)先導(dǎo)區(qū)組成部分和西部重要的科技創(chuàng)新示范高地。

3.2 園區(qū)改造后的基于云邊端融合的算網(wǎng)架構(gòu)體系

首先,園區(qū)通過網(wǎng)絡(luò)改造實(shí)現(xiàn)了“一張網(wǎng)”統(tǒng)領(lǐng),算力資源的全面摸底及統(tǒng)一的標(biāo)識,并達(dá)成了云邊端算力資源全面的協(xié)同(見圖3)。

圖3 某智慧園區(qū)算力和網(wǎng)絡(luò)拓?fù)鋱D

同時,該園區(qū)充分考慮應(yīng)用特點(diǎn)、算力實(shí)際情況、建設(shè)維護(hù)成本和未來擴(kuò)展性等因素,將園區(qū)應(yīng)用和云邊端算力進(jìn)行精準(zhǔn)匹配(見圖4)。根據(jù)終端是否具有算力,在終端側(cè)分別進(jìn)行數(shù)據(jù)采集或簡易計(jì)算處理;在邊緣數(shù)據(jù)中心部署了一些關(guān)鍵系統(tǒng),用于對實(shí)時性和保密性要求較高的數(shù)據(jù)進(jìn)行處理,如GIS/BIM系統(tǒng)、視頻分析平臺、物聯(lián)網(wǎng)平臺等;在云端,則通過強(qiáng)大的算力等資源進(jìn)行AI模型訓(xùn)練、大容量數(shù)據(jù)存儲、海量數(shù)據(jù)匯集后的挖掘分析等。

圖4 某園區(qū)云邊端協(xié)同算力應(yīng)用對應(yīng)分布圖

3.3 園區(qū)基于云邊端融合算網(wǎng)架構(gòu)的關(guān)鍵算網(wǎng)應(yīng)用

通過算網(wǎng)融合調(diào)度,該園區(qū)聚焦痛點(diǎn)問題,實(shí)現(xiàn)了十幾項(xiàng)關(guān)鍵算網(wǎng)應(yīng)用落地。如通過在本地邊緣數(shù)據(jù)中心部署輕量化的GIS/BIM系統(tǒng),園區(qū)內(nèi)可隨時隨地使用基于GIS/BIM系統(tǒng)的智慧規(guī)建等應(yīng)用,低時延快速操作各種大型BIM模型文件(見圖5)。此外,在云端為該園區(qū)量身定制了科研政策AI分析器,每天自動抓取全行業(yè)政策性網(wǎng)站的公開政策信息,匹配不同科研需求向科研人員推送政策通知日歷,包括各類政策申報條件、起止日期等信息(見圖6),獲得了園區(qū)科研人員的一致好評。

圖5 在邊緣數(shù)據(jù)中心部署的GIS/BIM系統(tǒng)截圖

圖6 使用了云端算力的科研政策AI分析器截圖

同時,為針對性解決園區(qū)存在缺少帶算力的場景化智能攝像頭、本地邊緣側(cè)算力不足以及園區(qū)的視頻分析需求大且變動多的視頻分析痛點(diǎn)(見表5),園區(qū)建設(shè)了視頻圖像智能分析平臺。通過云端訓(xùn)練、本地推理、終端感知的方式實(shí)現(xiàn)了云邊端協(xié)同的算網(wǎng)融合調(diào)度,以相對較低的成本實(shí)現(xiàn)了對園區(qū)圖像、視頻的快速分析處理(見圖7)。

圖7 視頻圖像智能分析平臺云端訓(xùn)練、邊緣推理示意圖

表5 某園區(qū)視頻分析需求情況

當(dāng)前園區(qū)實(shí)現(xiàn)了人員聚集、人員是否佩戴安全帽、按樓棟統(tǒng)計(jì)到訪人數(shù)等26種分析算法。視頻分析平臺算法及分析報警界面在園區(qū)應(yīng)用情況如圖8和圖9所示。

圖8 某園區(qū)視頻智能分析平臺算法

圖9 某園區(qū)視頻智能分析平臺

未來,該園區(qū)將對部分云端AI訓(xùn)練模型進(jìn)行科學(xué)裁剪,在訓(xùn)練提速同時,使其卸載至邊緣側(cè)時能更高效地實(shí)現(xiàn)推理分析等功能,更敏捷響應(yīng)園區(qū)快速迭代的視頻分析訴求。

4 結(jié)束語

基于云邊端融合的算網(wǎng)架構(gòu)充分發(fā)揮了算力調(diào)度、算網(wǎng)融合、云邊端融合、AI、大數(shù)據(jù)等技術(shù)的優(yōu)勢,深入解決了園區(qū)當(dāng)前普遍存在的算力分散、終端多樣、網(wǎng)絡(luò)復(fù)雜、應(yīng)用眾多、協(xié)同不足等痛點(diǎn),將智慧園區(qū)在多年建設(shè)中產(chǎn)生的分布在云端、邊緣側(cè)、終端側(cè)的存量算力資源進(jìn)行協(xié)同,并實(shí)現(xiàn)統(tǒng)一管理。同時,結(jié)合簡易的算力路由、算網(wǎng)融合編排等技術(shù),讓算力的調(diào)度更加靈活和高效。經(jīng)實(shí)踐表明,云邊端融合的算網(wǎng)架構(gòu)能夠助力智慧園區(qū)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型,并成為智慧園區(qū)降本增效、持續(xù)迭代優(yōu)化的堅(jiān)實(shí)數(shù)字底座。