意图网络-意图获取和转译

iNDIRA:Enabling intent to configure scientific networks for high performance demands(2017)

iNDIRA使用自然语言和本体工程来定义请求，构建语义RDF图来理解、交互和创建所需的网络服务，并将其转换为网络命令，重新配置资源、偏好和策略。然后，它与网络供应和传输工具进行接口，以允许将用户的意图呈现为可被这些工具识别的规范。目前使用的工具是NSI/OpenNSA(允许多域网络配置)和Globus(提供安全、可靠的文件传输服务)。

总体结构

转译步骤：Intent Language $\underset{OntologyChecker}{\overset{IntentParser}{\to }}$ RDF graphs $\stackrel{IntentRenderer}{\to }$ Network commands

组件：

• Intent Parser：意图解析器
• Ontology Checker：本体检查器
• Intent Renderer：意图渲染器

1 意图的定义

意图不涉及直接指定路由或交换信息。相反，意图仅描述用户的需求。

意图语句：

• 规定性语句(prescriptive)：更低的级别，指定解决方案

例：Connect server A to B with a route across switch 22.
这样的情况不是好的意图，因为用户可能会收到一个回复说switch 22是不可用的。

• 陈述性语句( declarative)：更高的级别，说明问题或需要

描述式语句允许用户指定问题上下文、规则或约束以及所需的结果。这些细节使网络能够考虑服务于此意图的最佳可能解决方案。

iNDIRA用描述性(descriptive)语言而不是规定性(prescriptive)的形式来定义意图。借助本体工程，利用机器推理来理解用户的意图。这些意图(用高级语言指定)通过CLI输入，并使用本体转换为服务意图。本体允许将高级请求映射到具有规定性的网络需求，如ODL GBP或Openstack Congress等python APIs（这些可以很容易地与多个控制器交互以呈现意图）。例如，ODL NIC允许OpenFlow在控制平面上渲染，而其他人在数据平面上执行渲染。

2 意图本体 Intent ontology

本体可以帮助标准化多个tools和service之间的通信。本体表示服务及其参数之间的关系。iNDIRA使用RDF图来记录预期的服务和参数。

iNDIRA定义了一种本体模式，其本体的高级UML表示：

• 意图可以由服务(Service)和条件(Condition) 组成，同时依赖于用户配置文件、拓扑信息和端点细节。
• 每种条件(Condition)包括最大带宽、起始时间、结束时间、特定vlan等。
  

RDF图可以记录网络操作和条件的集合，将其安排为三元组:

• 主题(Service或Condition)
• 关系(hasArguments)
• 对象(multiple parameters)

例如，考虑意图，“Project1 connect from LBL to ANL”，RDF三元组表示两种关系:

• Project1 hasService Connect.
• Connect hasArguments LBL, ANL.

RDF三元组：

Subject	Predicate	Object
Project1	hasService	Connect
Connect	hasArguments	LBL, ANL

Intent Parser（意图解析器）和Ontology Checker（本体检查器）具有如下功能：

• 识别和替换关键字以识别网络特定的命令容易。如 ‘move’ to ‘transfer’，以识别网络特定的命令容易。包含类似上述单词的dictionary能够解析整个句子，从而将单词替换为可识别的服务。
• 去除无关单词，仅保留服务指令。如，在(a) I want to (b) move datasource1 from LBL to ANL.中，只有（b）被识别为一个传输服务，from和to被识别为端点，（a）作为无关项去除。
• 向用户询问未定义的条件（Condition）。

Intent Renderer：意图渲染器 具有如下功能：

• 综合带宽、时间、拓扑、节点信息，将服务(Service)和条件(Condition)转译成可执行的特定网络命令

3 示例

首先是意图获取，采用交互式对话：

INDIRA>Hello and welcome! Tell me your project name?
Scientist>Project-transfer
INDIRA>Tell me what want the network to do? Hint ‘‘I want to [connect] [disconnect] [transfer] services
`Scientist>I want to transfer files from Brookhaven to CERN`
INDIRA>Ok, let me check if there paths have already been provisioned.
. . .
INDIRA>Oops! Seems they do not exist. Should I set these up for you.
Scientist>Yes
INDIRA>Ok. Do you have any bandwidth demands with this link? (Hint: you can say ‘‘nolimit’’).
`Scientist>nolimit`
INDIRA>Ok. How long do you want the link for. (Hint: Start now stop 2017-03-03->12.00.00)
`Scientist>start now stop 2017-02-20->12.00.00`
INDIRA>Thankyou. Im setting these up for you using NSI.
Constructing RDF graphs
Calling NSI
Success!

意图转译：

1. 使用自然语言处理、机器推理等方法处理意图,去掉无效信息(I,want,to等),提取关键信息(transfer,Brookhaven,CERN,nolimit,start now,stop 2017-02-20->12.00.00等)
2. 利用处理得到的信息将意图映射为 RDF(resource description framework)图(如图 (a)所示),并利用网络拓扑信息等将 RDF 图中的参数实例化：

• 站点Brookhaven和Cern被翻译成网络URN地址。
• 带宽nolimit被翻译成允许的值。
• start和stop时间被翻译成正确的日期、时间和时区。

3. 编写程序对 RDF 图进行处理，生成网络策略或配置命令。然后调用NSI/OpenNSA(网络交换机API库)执行。

An Automatic Policy Refinement Mechanism for Policy-Driven Grid Service Systems(2005)

作者提出了基于模板的策略生成方法，系统预先定义网络策略库，将不同类型的网络策略存储在策略库中。当用户意图输入时，即可使用自然语言处理的方法获取关键信息，并根据策略库映射为相应的网络策略。

结构：高级抽象策略 $\underset{基于策略优化模板\ast }{\overset{策略细化引擎}{\to }}$低级具体策略 /可执行策略

策略优化机制——基于配方/模板（recipe-based）的机制

1. 在设计时定义配方/模板（recipe），包含在不同条件下所有可能的细化方案——网络策略库。
2. 在运行时环境下，策略细化引擎根据实时条件自动生成特定的细化策略。

配方/模板——一步一步（step）细化

由三部分组成：

• RecipeID：标识配方
• AbstractPolicyID：标识要细化的抽象策略
• PlanStep：抽象策略可能的细化方案的步骤
  在每个PlanStep中，都有一个策略集(PolicySet)和一个条件(Condition)。当满足条件时，将选择相关的策略集。循环PlanStep，直至细化到最终的可执行策略。

P4I/O: Intent-Based Networking with P4(2019)