智能普适网络架构及关键技术研究

原文地址：http://www.cnii.com.cn/cloud/content/2011-07/26/content_899600.htm

童晓渝  张云勇  徐雷

（中国联通研究院，北京 100048）

1.引言

通信网络从“模拟”发展到“数字”，电信网从最初的人工转接发展到软交换、IMS(IP Multimedia Subsystem)和NGN(Next Generation Network)等新技术，都可归结于计算技术在通信领域的不断深入应用和快速发展的结果。通信网本身以及其上承载的业务越来越多的呈现出计算的特征。而计算技术的发展取决于软件、硬件以及与它们相适应的计算模式的共同进步。从计算模式的发展来看，计算机经历了从主机计算到桌面计算的革新，这使得计算机从庞大、昂贵的科学计算专用设备（主机）变为便捷、实用的个人工作、娱乐设备（个人电脑）。尤其是个人电脑的普及进一步推动了计算模式的发展。在桌面计算时代，Client/Server模式首先开始得到广泛应用，由高性能服务器通过网络为多个用户提供所需要的服务，如万维网WWW、Email等，这是计算能力从集中式向分布式迈出的第一步。随着应用和用户数量的不断增加，服务器端的负荷越来越重，Client/Server模式对资源（如带宽、计算、存储等）的要求越来越高，成为其发展瓶颈，分布式的概念逐渐成为主流，分布式计算、网格计算、P2P技术、Web2.0等得到广泛研究和应用。另一方面，互联网发展迅猛，移动接入渐成主流，移动设备（智能手机、平板电脑、照相机、播放器、导航仪、游戏机等）和嵌入式电器、电子设备（冰箱、空调、洗衣机、机顶盒等）层出不穷，人们开始享用移动终端和电器带来的丰富信息和自动、智能应用，由此又带来了一次计算模式的新变革，即产生了云计算，这将为泛在网和普适计算技术带来新的发展。

云计算起源于亚马逊EC2产品和Google-IBM分布式计算项目，是分布式处理[1][2]、并行处理和网格计算的发展[3][4][5]，或者说是这些计算机科学概念的商业实现[6]。云计算的一个核心理念就是通过不断提高“云”的处理能力，进而减少用户终端的处理负担，最终使用户终端简化成一个单纯的执行设备，通过网络接入“云”中，并能以按需分配、即插即用的方式享受“云”带来的强大计算处理能力。云计算使得计算能力也可以作为一种商品进行流通，就像煤气、水电一样，取用方便，费用低廉。

“泛在网”即广泛存在的网络，它以无所不在、无所不包、无所不能为基本特征，以实现在任何时间、任何地点、任何人、任何物都能顺畅的通信为目标[7]。目前，随着经济发展和社会信息化水平的日益提高，构建“泛在网络社会”，带动信息产业整体发展，已经成为一些发达国家和城市追求的目标。2004年5月，日本通过U-Japan构想；韩国情报通信部于2004年3月公布了U-Korea战略，旨在使所有人可以在任何地点、任何时间享受现代信息技术带来的便利[8]；2005年2月，新加坡资讯通信发展局发布名为“下一代I-Hub”的新计划，标志着该国正式将“U”型网络构建纳入国家战略，旨在通过一个安全、高速、无所不在的网络实现下一代的连接[9]。

普适计算早在1991年由美国施乐公司Palo Alto研究中心的首席技术官Mark Weiser首次提出[10]。最近发展迅速的传感器网络可以作为普适计算的一个实际延伸，强调自我组织、自我协同和自我定位，以嵌入式技术为基础，应用涉及到制造、运输、能源、环境和建筑等国民经济生产领域，以适应人们对探索、利用和管理物理世界的需求。

普适计算经过多年的发展，离大规模应用仍距离遥远，一直处于学术研究阶段。主要原因一是网络带宽和接入能力未能满足普适计算的普适高速接入需求；二是嵌入式设备计算能力不足，限制了普适计算的智能协同能力，增加了软件系统的复杂性。随着通信网带宽的提升，云计算模式的形成，移动互联网应用的兴起，通信技术与计算技术进一步融合，网络不仅能提供话音、视频和数据交换，也能提供计算能力的传输与服务。云计算的出现，泛在网技术的发展，为解决普适计算对大容量带宽和实时计算能力，以及设备交互和协同能力的需求提供了有力支撑，带来了普适计算螺旋式上升的发展。对于电信运营商来说，“管道”智能化运营是转型发展方向，这要求电信运营商在信息服务的产业生态中，既能不断提升网络服务价值，又能为丰富的应用服务提供支撑。这种需求会促使云计算、普适计算与网络的进一步融合，产生新的具有“普适、协同、智能”能力的新型网络。

2011年1月的ITU-T SG13会议也提出了类似的观点，称为智能泛在网络SUN（Smart Ubiquitous Networks）。SUN是一张具有可学习性、上下文感知、自治、安全等特性的网络，可以随时随地为人和设备提供接入和各种服务[11]。现在SUN作为一种未来网络设想，只有概念，没有内容，但是从中却可以看出未来网络的智能普适的发展方向。

本文基于普适计算、云计算和现代通信网络技术，以云计算为核心，以普适计算为触角，提出了“智能普适网络(IUN)”概念及其系统架构，以建立“普适”、“协同”、“智能”的业务活动和个性化服务，支撑移动互联网、物联网和“三网融合”的应用，使人们可以获得“无处不在、无所不能”的响应与体验。在智能普适网络架构下，任何人能够在任何时间、任何地点、通过任何设备、以任何方式获得任何服务。

2.智能普适网络

通信网是一种面向端到端互联的复杂通信体系。随着通信网的全IP化发展，电信网和计算机网络正逐步互相渗透。效用计算、服务计算等新的计算模式的出现，使得计算技术向面向服务方向发展，而面向服务正是通信技术的特征之一。通信技术与业务正在趋向计算技术与应用；计算技术与应用正在趋向网络与服务提供，CT、IT正在真正走向融合[12][13]。“云计算”正是这种融合的产物，通过公众通信网络整合IT资源和业务，向用户提供新型的业务产品和新的交付模式[14]。云计算的出现，使通信网络可提供面向服务的融合业务，本文称之为“公众计算通信网（PCCN）”，实现通过通信网向公众传输计算的能力。PCCN依托宽带通信网与泛在网，运用云计算与普适计算建立数据存储、信息处理、应用开发、终端协同的服务交付，向公众提供信息管理（包括：基础设施、公共平台和互联网、物联网、三网融合应用）服务，即公众计算通信服务。PCCN会让人们在使用电脑、电子和电器设备时，获得“无处不在、无所不能”服务体验。

在CT、IT融合的趋势下，依靠网络连接后端强大计算能力和前端普适接入能力，产生了智能普适网络IUN。它把计算能力网络化，使应用与服务智能化、普适化，从而满足用户追求“无处不在、无所不能”的普适、协同、智能的体验目标。架构如图1所示。

图1 智能普适网络（IUN）架构

利用云计算的虚拟化技术可以建立支撑网、业务网、统一基础设施资源池[15]；以云计算的理念对基础设施资源池进行组织和运用，实现虚拟资源控制和管理；通过IaaS、PaaS和SaaS实现服务提供；通过普通公有云和虚拟专用云（如同公众通信网中的MPLS、IP虚拟专用网、SDH、ATM租线等）向终端（个人电脑、手机、云终端、物联网传感器、普适终端等）提供服务与控制。其中普通公有云面向公众对象提供现有通信网、互联网、IT支撑系统所提供的业务；虚拟专用云利用运营商的公共计算网资源，为企业构建了一个满足企业自身发展需要的虚拟私有云。利用普适计算，可将计算能力传输到任何需要的地方，满足人们随时随地的信息获取和计算任务的需求，并且这一过程对用户来说完全透明。智能普适网络致力于建立以人为本的计算环境，使计算融入生活、工作（生产与管理），为使用者提供全方位、立体的服务空间。

IUN充分满足了未来移动互联网、物联网和“三网融合”的各种需求，可以把各种分布式模块之间纷繁复杂的互联、通信、协作以一种有机统一的方式组织、管理起来。在IUN环境下，小型、廉价、网络化的普适设备将融合传感器设备广泛分布在日常生活的各个场所。普适设备不仅成为后台云服务的输出端，而且可广泛探测真实世界的属性信息，使数据收集达到前所未有的规模，进而支撑核心云计算的数据挖掘，使服务更加个性、精确，实现电信业务的精细化运营。例如，早间交通报道主要依赖道路摄像头和历史数据所提供的推测。有了IUN环境，所有汽车都配备的计算机芯片就会向核心云平台提交有关实时路况的信息，云平台依据数据融合结果，反馈最佳行驶路线。云强大的计算能力和高速网络保证了反馈的实时性。IUN将各种技术糅杂在一起，形成一个无缝的设备生态系统，所有设备都能交互作用。

3.分布式智能开放系统

DIOS是智能普适网络的核心系统，其组网拓扑图如图2所示。下面按照自上而下，自内而外的六层架构给予说明。

图2 DIOS组网拓扑

第一层：数据中心层

数据中心层是由“网络数据中心”、“业务数据中心”和“用户数据中心”三个子系统构成的业务数据系统(BDS)。相比传统通信网络最大的不同之处在于增加了一个新系统，即网络“大脑”，由此使网络、业务、经营和管理具有了智能特性。

各种终端、传感器和网络捕获的多种信息元数据，包括网络运营数据、上下文感知数据、业务经营数据和用户行为数据等都存储到数据中心层，构成海量分布式文件、分布式数据库和业务模型库，经过数据分析、处理，对网络、业务、终端提供“普适”、“协同”、“智能”的一致性控制与服务和经营管理支撑。

“网络数据中心”主要收集、存储、处理网络运营数据，为网络智能管理提供支撑，并通过网络业务状态分析，动态产生控制策略，下发到云路由器、云交换机、HLR（归属位置服务器）、STP（信令转接点）和网关等，自动、智能的提供网络控制。

“业务数据中心”主要收集、存储、处理业务经营数据，为业务受理、计费与结算、客户服务和业务策略部署提供商业智能支撑。

“用户数据中心”主要通过对用户使用网络、业务、终端产生的行为数据进行特征分析，建立业务策略模型库，实现用户服务的个性化、智能化。

第二层：云资源系统层

云资源系统由云存储、云计算和云网络设备三部分组成，相比传统通信网络不同之处在于增加了新的服务能力，即“云计算”，由此使网络具有了强大的计算能力与共享服务能力。其中的云交换机和云路由器是一种新型可编程、可虚拟化、自适应和智能调度与资源共享构成的精简架构，即“智能交换机和智能路由器”。云资源系统层将资源和策略集中处理，支持各种协议，由此实现了接入普适化和控制智能化。

第三层：能力引擎层

能力引擎由事务处理引擎、业务控制引擎、数据分析引擎和上下文感知协同引擎四部分组成，相比传统通信网络不同之处在于增加了资源和支撑能力的开放使用，即“智能工具”，由此使网络能力实现开放和共享。

事务处理主要是指：基于工作流的业务流程和管理流程实现过程。如BSS（业务支撑系统）、PRM（合作伙伴关系管理）、OSS（运营支撑系统）、ODS（开放式数据服务）、OA（办公自动化）等。

数据分析主要是指：基于特定的计算规则对结构化数据和非结构化数据进行计算处理，以期从海量信息中得到规律性的认识。如BI（经分系统）、CRM（客户关系管理系统）和搜索引擎业务。

业务控制主要是指：根据预先设定的规则，对网络组织、业务控制、应用适配、服务交付等进行的策略管控。如：SBC（会话边缘控制）、CSCF（呼叫会话控制功能）、SDC/HLR/HSS（用户数据中心/归属位置寄存器/归属用户服务器）、AAA（验证、授权和帐户）、API、SDP（会话描述协议）等。电信增值业务平台中的业务控制模块、计费系统的用户信用控制模块都是这方面的典型应用。

上下文感知协同主要是指：在免打扰或无察觉的状态下，基于对象（人或物）的上下文状态信息（即：对象身份、行为、关系、事件、位置、时间、环境等），感知对象的实时需求，动态提供服务与控制行为，对互连普适终端与应用提供数据交换、消息交互、服务发现、任务协调等系统级支持，从而向对象提供无所不在和透明访问方式的个性化、智能化服务。

第四层：资源控制节点层

资源控制节点层基于分布式架构技术，屏蔽系统内部复杂的物理和逻辑结构，实现持续业务提供能力、自适应负载均衡能力、带宽汇聚能力、分布式存储能力、动态资源调度能力，进行实现不同业务与不同业务引擎的适配，形成自动智能调度。具有自组织、自适应、自愈、高可靠性、低成本的特点。可动态管理网络中云计算、云存储资源及各种能力引擎服务器；可根据访问对象的地理位置、服务需求，并考虑负载均衡、成本效益等因素，动态智能地分配最合理的服务资源给对象，实现无所不在的普适终端协同互联。

第五层：智能接入网关层

通过智能接入网关将普适终端接入云中，包括：物理接入网关和业务平台接入网关，屏蔽物理设备和业务平台的差异，进行不同终端接入的智能适配，实现统一接入。由于各种终端拥有的资源不同且动态变化，需要智能接入网关层进行自动发现识别和智能适配。包括不同需求和资源匹配时的适配策略（如改变应用行为，降低应用服务质量）；不同需求和多种资源的适配策略（如为应用选择适合的计算资源）；不同终端交互互通的适配策略。

第六层：终端层

终端是指应用或服务获取的末端设备，包括个人电脑、手机、传感器和各类具有计算与通信能力的电子、电器设备或工具。尤其“云终端”和普适终端是云计算、移动互联网、物联网等应用兴起，又派生出的新的终端形态。

云终端是一种精简、低廉但高性能的个人计算机，通过网络以共享、按需、弹性和复用方式获得计算资源和应用能力，相比传统意义的网络计算机和瘦客户机具有更大成本与性能优势；普适终端是具有一定感知能力、计算能力和通信能力的多形态设备，包括手机、感知设备（传感器、RFID、摄像头等），以及一些电子、电器设备（如：相机、电视机、播放器、冰箱、空调、洗衣机等）。云计算的出现可以降低云终端和普适终端的复杂性，减少终端功耗，简化终端计算系统的软件结构，使复杂的协同、上下文感知、自适应策略等功能放在云中实现。

图3 DIOS系统架构

DIOS系统架构图如图3所示。对应于DIOS组网拓扑，系统架构采用分层结构，BDS业务数据系统通过智能资源适配获取所需资源，在此基础上为实现DIOS各个层次功能提供数据，实现系统的普适、协同、智能。

业务交付与支撑系统和安全可信与保障系统，实现对整个架构的管理与控制，以使系统具有智能运营、交付和服务能力。这两个系统主要关注端到端业务能力提供，包括业务受理、计费与结算、客户服务等。

4.DIOS关键技术

4.1 统一虚拟化技术

虚拟化技术是DIOS实现的基础，包括服务器虚拟化、存储虚拟化以及网络虚拟化。具体包括异构服务器虚拟化、异构虚拟机迁移、异构存储设备整合、承载网和控制网络虚拟化、自组织网络、可重构智能网络等，是目前复杂物理设备环境下的必然需求。它可充分利用异构资源，为数据、计算和存储能力提供统一接口，屏蔽物理结构细节，实现了异构资源的统一管理和使用。

4.2 海量数据处理技术

业务数据系统(BDS)存储有海量数据,对其处理、分析和挖掘能力是实现DIOS智能化的关键。目前最常用的海量数据处理的编程模型是由Google公司设计的MapReduce编程模型，后来也运用在开源的云技术Hadoop中。MapReduce编程模型通过将一个任务分成很多细粒度的子任务，实现大规模数据集的并行运算。由于MapReduce封装了并行处理、容错处理、数据本地化优化、负载均衡等等技术难点的细节，使得MapReduce库易于使用。MapReduce运行在规模可动态调整的云计算环境上，处理以TB计算的数据。

4.3 普适网络技术

DIOS系统是建立在互连互通基础上的架构，无处不在的网络环境融合了无线网、互联网、电信网、有线电视网等，还包括RFID网络、无线传感器网、GPS网络等多种不同类型的网络。普适计算网络需要支持异构环境和多种设备的自动连接，对环境的变化具有自适应性，提供无处不在的通信服务。

4.4 统一云管理技术

云管理技术是实现DIOS的关键，它决定系统的效率和可用性。统一云管理技术通过虚拟机调度管理，实现虚拟服务器资源自动配置和调度；通过部署管理，支持操作系统和应用的自动化安装、配置和批量部署；通过存储管理，实现异构存储资源整合，远程复制功能（同步及异步）、远程镜像复制、快照。

4.5 上下文感知计算

DIOS上下文感知协同引擎的关键模块就是上下文感知计算，它利用上下文信息向对象提供高效率的信息交互，并提高服务的针对性。其主要技术包括：上下文模型、上下文感知和采集技术、上下文存储查询和管理技术、上下文推理和有效利用技术等。通过对终端的行为分析，以及分布在全网的各类型感知设备，可以获得海量的有效信息量，通过对这些信息进行有效地分类存储、查询和管理，上下文应用可根据这些信息进行分析和计算，以更好的服务于对象。

4.6 业务能力引擎

DIOS业务能力引擎决定了系统的可扩展性和快速业务交付能力。通过业务能力引擎，系统对外开放了基础电信能力，使第三方开发者方便开发低成本业务，吸引更多用户，提高业务开放和聚合能力。开放业务能力引擎，加快了新业务开发速度，可全面快速响应对象新的需求。业务能力引擎由事务处理引擎、业务控制引擎、数据分析引擎和上下文感知协同引擎四部分组成，是实现网络智能化的工具。

4.7 智能资源适配

智能资源适配层实现引擎的管理和调度。根据上层业务类型不同，自动适配不同业务能力引擎，进而使用不同的计算、存储和网络资源，使上层应用效用最大化，底层资源实现最合理利用。

4.8 终端技术

终端技术需要关注计算系统交互模式与用户体验，实现用户或对象多通道主动输入信息和系统自动获取上下文信息的无缝融合，从而向用户或对象提供透明的计算服务，使其注意力回归到任务本身，实现普适、协同、智能的目标。

接入DIOS系统的终端位于普适计算和泛在网络的环境，同时具有多样化、智能化和多模化等特性，在所有互连的末端区域内要实现各种终端能力、通信方式和接入手段的有机结合，需要借助终端智能协同技术，主要涉及：基于终端协同的自组织自适应网络控制、移动性管理和终端协同对系统性能的影响评估机制等。

4.9 系统安全和用户隐私保护技术

DIOS系统通过融合物理空间、数字虚拟空间和人类感知，自发为人们提供随时随地、透明的个性化服务，其无处不在和移动特性需要系统安全和用户隐私保护技术保障。系统安全保护技术涉及动态网络连接和开放系统安全机制，而用户隐私保护技术则主要包括隐私保护策略、隐私保护协议、认证、访问控制等。

5.结束语

普适计算曾是上世纪90年代计算机领域的一次革新，推动了以传感器网络带动的计算技术的应用与发展。今天，由于云计算的出现，带来了普适计算的新发展，两者结合，必将使电信网络演进为智能普适网络，电信管道变为“智能管道”，以实现“无处不在、无所不能”的服务提供。

参考文献

[1] DAI Y S, XIE M, POH K L. A study of service reliability and availability for distributed systems[J]. Reliability Engineering and System Safety, 2003, 79(1): 103-112.

[2] YANG B, HU H, GUO S. Cost-oriented task allocation and hardware redundancy policies in heterogeneous distributed computing systems considering software reliability[J]. Computers & Industrial Engineering, 2009, 56(4): 1687-1696.

[3] DAI Y S, PAN Y, ZOU X K. A hierarchical modeling and analysis for grid service reliability[J]. IEEE Transactions on Computers, 2007, 56(5): 681-691.

[4] DAI Y S, LEVITIN G, TRIVEDI K S. Performance and reliability of tree-structured grid services considering data dependence and failure correlation[J]. IEEE Transactions on Computers, 2007, 56(7): 925-936.

[5] DAI Y S, PAN Y, ZOU X K. A hierarchical modeling and analysis for grid service reliability[J]. IEEE Transactions on Computers, 2007, 56(5): 681-691.

[6] 刘鹏. 云计算[M]. 北京：电子工业出版社，2010

LIU P. Cloud Computing[M]. Beijing：Electronic Industry Press，2010.

[7] 周海涛. 泛在网络的技术、应用与发展[J]. 电信科学, 2009, (08): 97~100.

ZHOU H T. Ubiquitous network technologies, applications and development [J]. Telecommunications Science, 2009, (08): 97~100.

[8] 王玮. 建立21世纪无所不在的网络社会——浅谈日本u-Japan及韩国u-Korea战略[J]. 信息网络, 2005, (07): 1~4.

WANG W. Establishment of the ubiquitous network society in the 21st Century——Discussion on u-Japan and u-Korea strategy [J]. Information Network, 2005, (07): 1~4.

[9] 江志峰. 运营商如何通过物联网深化信息服务[J]. 电信网技术，2010, (1): 31~33.

JIANG Z F. How to Provide the Information Service Deeply through M2M by Carriers [J]. Telecommunications Network Technology，2010, (1): 31~33.

[10] Weiser M．The computer for the twenty-first century[J]. Scientific American, 1991, 265(3)：94~104.

[11] Smart Ubiquitous Networks[EB/OL]. http://www.itu.int/md/dologin_md.asp?lang=en&id=T09-SG13-110117-TD-PLEN-0193!!MSW-E, 2011.

[12] DAI Y S, PAN Y, RAJE R. Advanced Parallel and Distributed Computing: Evaluation, Improvement and Practices[M]. New York: Nova Science Publishers, 2007.

[13] DAI Y S, PAN Y, ZOU X K. A hierarchical modeling and analysis for grid service reliability[J]. IEEE Transactions on Computers, 2007, 56(5): 681-691.

[14] Cloud computing[EB/OL]. http://en.wikipedia.org/wiki/Cloud_computing , 2011.

[15] 童晓渝，吴钢，张云勇等，后电信时代[M]. 北京：人民邮电出版社，2010.

TONG X Y, WU G, ZHANG Y Y. Post Telecommunications Age[M]. Beijing: 北京：Posts and Telecom Press，2010.