《6G算力网络：体系架构与关键技术》阅读笔记

困难

算力供不应求, 如何提高算力资源利用率

技术挑战

1. 算力节点规模不同，如何将不同的业务需求调度至合适的算力节点，尽可能在满足业务的服务级别协议SLA（Service Level Agreement）的同时提高资源利用率。
2. 算力节点分散性强，节点的处理能力有限，对算力要求高的服务一般会将服务分散在不同的节点，从而产生负载均衡、重连、服务迁移等问题。对于时间敏感型的业务，还要严格控制时延。
3. 算力和网络分属不同系统，如何实现一定程度的算网共治将推动如时间敏感型业务的落地。

PS: 网络衡量指标有如网络带宽、时延、时延抖动、丢包率等，考虑时延涉及到时间敏感网络TSN，考虑丢包率涉及到确定性网络。

技术思想

1. 基于统一算力建模方法
2. 利用网络感知业务需求和算力状态，进行算网统一管控
3. 实现业务与算网资源的按需实时匹配，满足SLA

PS: 算力划分
芯片级算力：CPU、GPU、NPU/TPU、FPGA
整机算力：多核CPU或者CPU+xPU
集约化算力：各类计算中心，如数据中心、云计算中心等
网络化算力：分布式网格计算模型，演进历史从网格计算到云计算，由于云计算的集中控制无法满足低时延需求，出现边缘计算，将算力分散部署，但在资源供给上仍是集中式的，算力调度需额外编排。算网融合成为趋势，SDN与NFV为网络和算力的灵活编排调度提供了技术支持。

研究现状

算力网络体系架构

(1) 算力网络关键技术

(2) 算网一体化演进思路

新度量

当前的度量方式为网元的度量，未来将把网元和算力节点都考虑进去，实现二者的融合度量与建模，完成对网络+算力的感知。

新协议

关注的目标为不仅选择最佳的路由路径，而且要兼顾路径上的服务节点也是最佳的。关于第一个“最佳”：满足时延、能耗、丢包率等指标，关于第二个“最佳”：满足业务需求的同时尽可能提高对网络内节点算力的利用率。

新架构

从计算与网络分离到计算与网络融合，充分利用网络中的设备算力资源，降低通信开销，提升资源利用率。

PS: 在网计算（NACA）
在网计算使用网络设备进行近数据计算，可以在线速处理的同时完成流量压缩，同时缩短数据传输路径，是解决分布式应用通信瓶颈问题的重要技术。

(3) 算力感知网络体系架构

关键技术

1.算力度量和建模

(1) 算力节点度量

  将算力节点进行分级，然后将不同种类算力作为输入信息，采用多属性决策算法或者人工智能算法获得处理能力隶属度。最后，算力节点由{算力分级，算力类型}表示，业务需求由{算力分级，算力类型}表示。

(2) 面向业务体验的算力建模方法

(3) 基于域名解析机制的算力网络方案

  采用URL语言将算力资源进行统一的标识，然后根据用户的业务需求分配合适的算力资源给用户，在应用层做文章。

2. 算力感知和路由

集中式算力路由方案

  集中式算力路由方案涉及到SDN、SRv6等技术。SDN控制器负责收集算力信息、网络信息和业务需求信息进行路径和算力节点的联合决策。可以采用算力路由算法（如负载均衡算法、联合最短路径算法等）获得最优路径和算力节点。

分布式算力路由方案

   通过telemetry实现对时延、带宽、抖动等网络状况的感知，算力路由将上述算力状态信息通告至邻近算力路由节点或广播至全网。算力路由实时更新路由表，当用户请求时按照路由表进行转发。

3. 业务感知的算力调度

   针对业务表现出来的多种模式如潮汐模式（业务负载随时间周期性地动态变化）、突发模式（某一时间内需要地算力资源突然增加）、故障模式（业务突发故障），对业务进行感知，进行算力服务的部署，调度至合适的节点。
   对于潮汐业务，采用人工智能提前预测业务变化；对于业务故障，根据业务信息和算力信息集中决策选择出新的算力节点部署服务。

未来方向

1. 网络架构
   如何应对算网融合趋势
2. 实时算力感知
   算力感知两种方法：大规模算力采集和通告，存在实时性问题；通过人工智能算法对算力节点的负载进行时空刻画，准确性也无法保障
3. 算力路由
   算力路由落地选方案为集中式的，借助SRv6可编程能力实现数据包级别的网络和算力的联合优化，不需要修改现有路由协议，但是对于SDN控制器的压力会很大。而分布式方案需要改进现有协议。
4. 面向AI的算力调度
   对于大规模的AI训练任务，如何实现多节点协同完成。

参考文献：
【1】郭凤仙，孙耀华，彭木根．6G 算力网络：体系架构与关键技术[J/OL]．无线电通信技术.
【2】中国移动研究院：算力网络技术白皮书（2022）
【3】中国移动研究院：算力网络白皮书（2021）
【4】中国联通算力网络白皮书（2019）
【5】中国移动研究院：在网计算NACA技术白皮书（2023）
以及各类互联网资源