网络重构进入新阶段.doc

上传人:scccc 文档编号:14604170 上传时间:2022-02-09 格式:DOC 页数:5 大小:17.50KB
返回 下载 相关 举报
网络重构进入新阶段.doc_第1页
第1页 / 共5页
网络重构进入新阶段.doc_第2页
第2页 / 共5页
网络重构进入新阶段.doc_第3页
第3页 / 共5页
亲,该文档总共5页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述

《网络重构进入新阶段.doc》由会员分享,可在线阅读,更多相关《网络重构进入新阶段.doc(5页珍藏版)》请在三一文库上搜索。

1、网络重构进入新阶段“SDN 将进一步从自动化走向智能化。 ”在近 日举行的 2018中国 SDN/NFV 大会上, SDN/NFV 产 业联盟理事长韦乐平指出,电信网的复杂性和人工依 赖性使得具备应付高度复杂性能力的 AI 具有很好的 发展空间,结合 SDN 与 AI 的基于意图的网络( IBN ) 将可能成为网络自动化和智能化的目标。SDN 已过炒作期 NFV 征程依然艰难就 SDN/NFV 目前的进展和趋势,韦乐平表示, SDN 已度过炒作期, 进入理性发展阶段; NFV 化已经 开始落地,但征程依然艰难。根据 Mason 预测, 2017年全球网络云化市场为 52亿美元,未来年增长 25

2、%,2020年达到 121 亿美 元。目前,全球电信云项目已超过 400个,SDN专线 成为热点, SD-WAN 成为 SDN 迈向大网的关键和切 入点,Verizon、AT&T、Sprint、BT、Orange等大 T 已率先部署。韦乐平指出,这代表基于 SDN/NFV 的 网络云化成为共识。一方面, SDN 标准化进程加速。标志性事件包括 IETF 南北向接口定义完成; BBF 瞄准产业转型, 推进 网络云化; ONAP 开源组织推出第一版本, ONF TAPI2.0 信息模型发布。另一方面,标准和开源组织 走向协同。标准组织通过组织 Hackthon 参与开源,而 开源组织开始反推标准。

3、韦乐平表示, “ Zero-Touch & Automation ”成为 SDN 的新热点。与此同时, NFV 化已经开始落地,目前已覆盖所 有核心网网元,但由于思维落后、硬件性能限制、标 准化滞后及互操作的复杂性, 因此还不尽如人意, NFV 的征程依然艰难。韦乐平表示,运营商的一朵云理想 依然还只是理想, 其内部 IT 系统的复杂性和对外服务 的质量和速度要求导致公有云和电信云还在独立建 设,共享只在机房、局址和动环。因此,网络云化的 挑战不可轻视。AI 使能是网络重构新阶段 随着网络重构带来业务功能和网络功能原子化和 微服务化,管理对象剧增,多业务场景需求使得网络 架构乃至网元形态都随之

4、动态化。 同时,网络 NFV 化 后,网元的分层解耦引入了更多的厂商,不仅导致十 分复杂和冗长的互操作测试,也引入了更多可能的故 障点,运营商面临更为复杂的故障定位源的分析和责 任判定。对于网络架构重构带来的如此高的多维度复杂 性,韦乐平认为,引入 AI 重构网络是解决这一问题的 必要手段。在韦乐平看来, AI 能力远超人脑,有望解 决网络重构面临的三个挑战:网络架构动态变化带来 的网络和业务的复杂性;网元分层解耦后的故障定位 等运维带来的复杂性;网络资源实时调整带来的网络 运行复杂性。韦乐平表示,一切基于软件的复杂多维问题都可 以借助于 AI 的帮助,复杂的多层、 多域、多协议、多 接口、多

5、参数、多厂家的网络和业务问题也不例外, 只是 AI 在不同层面和领域的作用和引入路径不同。 据 悉, AI 网络应用的主要场景包括高效智慧运维场景、 个性化业务服务场景、网络安全场景。在设施基础层,可以为有源硬件设施提供 AI 加速 器,实现不同层级的训练和推理能力,诸如核心 DC 的基础设施可优先引入 AI 加速器,满足全局性的策略 或算法模型的集中训练及推理需求,而接入侧可以逐 步按需推进,例如基站内嵌 AI 加速器可以支撑设备级 的 AI 策略及应用。在网络和业务控制层, 可以优先集成 AI 的推理能 力,对网络和业务实现智能网络优化、运维、管控和 安全。实现网络各层级的 KPI 优化、

6、路由优化、网络 策略优化等,例如无线的覆盖优化、容量优化、负荷优化等在运营和编排层, 可优先在大数据平台上引入 AI 引擎,对OSS和BSS数据做更深度的智能化挖掘。 随着虚拟化网络的部署,编排层上可以逐步叠加 AI 能力,从而提升产品编排、业务编排、端到端资源编 排的自动化和智能化编排水平。进而对业务量的变化 做前瞻性的智能预测,实现动态规划和管理配套的资 源。仍面临四大挑战虽然 AI 的引入已成为网络重构的一大方向, 但韦 乐平认为, AI 的网络应用还面临四大挑战。一是 AI 成功应用的前提是足够大的训练数据。 “尽管电信网络数据很大,但不同部门和层级数据语 义和格式、数据存储和管理应用

7、机制不同、数据监管 限制等原因,真正能有效利用的数据并不足够大。 ”二是 AI/ML 与网络结合的场景尚不清晰。三是?W络和业务远比目前已经成功应用 AI的图 像、语音识别和棋类博弈要复杂,特别还缺乏成熟可 靠的电信网络和业务的建模和特征表示及提取方法。四是现有垂直烟囱式组织架构不适应 AI 使能的 新网络。韦乐平表示,现有组织架构往往是依靠特定的业 务部门的专门团队来支撑特定的业务、应用和网络功 能,从而形成了大量垂直一体化的业务和网络烟囱, 不仅耗费了大量的人力物力和资金,而且还无法共享 资源,难以提供融合性业务和网络。基于云化网络的 网络架构重构要求运营商能够在跨部门的、共享的、 统一的云平台上协同工作,这与现有的垂直烟囱化的 部门设置直接冲突。最后,韦乐平强调,仅仅依靠技术和业务重构难 以推进 AI 的深度网络架构重构。 打破部门壁垒, 实施 组织架构水平化是网络重构成功的前提。

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 社会民生


经营许可证编号:宁ICP备18001539号-1