论文部分内容阅读
摘 要：随着天然气工业领域中移动业务的快速增长，其对网络承载平台的业务调度必须具备精细化优化控制能力，为此提出建立面向业务的节点传输时延最优调度模型、相应工程等效转化以及移动网络精细化QoS优化，最终实现端口的利用效能和网络的传输与处理能力提升。
关键词：移动网络;最优调度;QoS
1.前言
数字化技术是未来能源领域的发展趋势。能源行业的通信网络在结构上、规模上、服务质量上得到不断发展，同时也使得技术与行业形成了激烈的竞争[1]。本文所提出的面向能源领域的移动网络端口的业务优化调度机制，能够有效的提升网络服务质量、业务服务能力，为企业提升竞争力。
2.构建业务优化调度机制
资源调度优化技术是通过调整业务无线资源分配机制，实现资源最优化调度。资源调度目前主要有调度优先级优化技术和业务预调度优化技术两种调度方式[2-4]。本文提出的面向能源领域的移动网络端口的业务优化调度机制主要围绕当前大数据移动网络端口的业务调度能力低下问题、移动通信服务质量不高、运营成本高等问题展开，用过优化原有的网络调度方式，提高基础设备利用率、端口的利用效能和网络的数据传输、处理、调度能力，其实施方案步骤包括建立面向业务的节点传输时延最优调度模型、理论优化模型的工程等效转化和面向业务的节点传输时延最优调度模型的工程化处理。
3.建立精细化QoS控制模型
面向能源领域的移动网络端口的业务优化调度机制通过建立精细化QoS控制模型（见图1），进行面向业务的节点传输时延最优调度模型的工程化求解与移动网络精细化QoS优化。面向能源领域移动网络系统的精细化QoS控制模型主要由以下4个组件组成，具体如下：
（1）用户需求单元
用户需求单元主要为普通用户和服务提供商提供服务业务。
（2）中间件服务单元
中间件服务单元负责为整个网络系统提供用户登录、用户信息管理、行为记录、安全接入控制等功能。
（3） 网络资源代理单元
网络资源代理单元用于实现网络的物理资源与用户行为的对偶映射交互，由 映射与转换模块（实现网络OSI模型中各层的 参数和各级用户的应用 需求的映射关系转换）、信息服务中心（为用户提供和展示网络资源的形态和状态表征信息和 参数信息）、 协商模块（协调各网络资源节点和各级用户的应用 需求关系，判断各网络资源节点间的 保障能力是否能够满足各级用户的应用 需求）、资源监控模块（获取用户对网络资源使用的行为记录信息，并对处于预留状态的网络资源进行监控）和错误处理模块（对不能满足用户 需求的网络资源请求进行裁决和处理）等子模块组成。
（4）网络资源节点
网络资源节点主要用于向所有网络用户提供具体的移动网络服务，该组件由网络资源信息服务单元、交易服务单元、 控制器、
接纳控制、调度器和网络资源预留设置单元6个模块组成[5-6]。
4.面向能源领域的移动网络QoS优化控制方法
本文通过对基于DPI业务识别的策略控制架构，为面向能源领域的移动网络端口的业务调度机制的网络精细化运营、提高网络服务质量。
4.1 DPI业务识别的策略控制基本原理
业务识别作为网络服务业务一个新概念，通过对业务流量从数据链路层到应用层报文的深度检测和分析，然后根据报文协议内容解析，获取业务和用户信息，并进行分类统计和存储[7]。业务识别的基本目的是为了帮助网络管理者获取业务层的流量信息，整个识别过程是一个相对复杂，需要多个功能模块相互协调工作，主要实现对业务识别处理、数据存储、统计分析、流量管理等功能[8]。
业务识别一般包括多个处理通道，通过对网络流量源、地址、端口号的Hash值计算，将接收到网络流量均匀分配到多个通道中。多个通道并行处理网络流量数据，识别网络流量的特征信息，并业务特征库进行比对。将比对后的结果送到相应业务特征的处理模块，同时对特定网络流量进行标记。对识别出的流量类型，则直接与传输层和网络层存储的识别结果进行比对，在满足传输条件时，直接传输网络数据，提高数据传输效率。
4.2 DPI業务识别的策略控制基本流程
基于DPI业务识别的QoS策略控制，其具体步骤如下：
1） 首先基于APN本地静态配置方法，在GGSN上配置相应的业务DPI检测规则，和对应业务的QoS服务等级，同时将用户的IMSI及其相关信息作为影响因素或者参考值。
2） 用户通过登录移动互联网，激活一个PDP报文，并按照要求建立一个QoS承载通道，进行物联网通信操作。
3） GGSN按照事先设定的业务DPI检测规则，进行PDI检测，按照预先设置的业务QoS参数为用于建立承载通道，并与之绑定，网络流量并根据QoS参数和绑定的通道进行QoS管理和业务QoS控制。
通过获取DPI业务识别模块来获取相关业务类型、内容、状态等特征信息以及用户特征信息实现基于QoS策略控制，按照一定规则可以实现对不同的业务进行QoS服务区分，实现QoS的精细化管理。通过这一控制方法能有效提高网络服务质量，实现移动网络端口业务的优化调度。 5.总结
移动网络端口业务的调度是一项复杂的任务，对模型设计、业务调度、资源整合等各方面都有较高的要求，本文对面向能源领域的移动网络端口的业务调度机制的研究，建立了业务的节点传输时延最优调度模型。通过对节点传输时延最优调度模型的工程等效转化方法、面向业务的节点传输时延最优调度模型的工程化求解以及利用基于DPI业务识别的优化控制策略，实现端口资源的利用效能和网络的传输与处理能力提升，对解决面向能源领域的移动网络端口的业务优化调度具有积极作用。
参考文献：
[1]张勍，冯毅.移动接入网业务加速技术研究[J].邮电设计技术，2019（07）：6-10.
[2]PIRO G，GRIECO L A，BOGGIA G，et al. A two-level scheduling algorithm for QoS support in the downlink of LTE cellular networks[C]Wireless Conference. IEEE，2010：246-253.
[3] Vileira F H T， Lee L L. Adaptive wavelet-based multifractal model applied to the effective bandwidth estimation of network traffic flows. IET Communications， 2009， 3（6）： 906-919
[4] Jorg Liebeherr， Markus Fidler， Shahrokh Valaee. A system theoretic approach to bandwidth estimation. IEEE/ACM transactions on networking， 2010， 18（4）： 1040-1053.
[5] Ciucu F， Schmitt J， Wang H. On expressing networks with flow transformations in convolution-form. Proceedings of IEEE INFOCOM， 2011： 1979-1987.
[6]Matthew Andrews. Instability of FIFO in the permanent sessions model at arbitrarily small network loads. ACM Transactions on Algorithms （TALG）， 2009， 5（3）： 38-45.
[7]羅忆祖. DPI技术助力运营商精细化运营.电信网技术，2009（03）.
[8]张高毅.移动互联网数据业务QoS优化与控制研究[J].通信与信息技术，2014（04）：34-37.
作者简介：
何君莲，重庆市应急管理专家、重庆市应急救援专家，重庆建筑工程职业学院高级工程师，主要从事工程管理、智慧安全等领域研究与教学工作。
关键词：移动网络;最优调度;QoS
1.前言
数字化技术是未来能源领域的发展趋势。能源行业的通信网络在结构上、规模上、服务质量上得到不断发展，同时也使得技术与行业形成了激烈的竞争[1]。本文所提出的面向能源领域的移动网络端口的业务优化调度机制，能够有效的提升网络服务质量、业务服务能力，为企业提升竞争力。
2.构建业务优化调度机制
资源调度优化技术是通过调整业务无线资源分配机制，实现资源最优化调度。资源调度目前主要有调度优先级优化技术和业务预调度优化技术两种调度方式[2-4]。本文提出的面向能源领域的移动网络端口的业务优化调度机制主要围绕当前大数据移动网络端口的业务调度能力低下问题、移动通信服务质量不高、运营成本高等问题展开，用过优化原有的网络调度方式，提高基础设备利用率、端口的利用效能和网络的数据传输、处理、调度能力，其实施方案步骤包括建立面向业务的节点传输时延最优调度模型、理论优化模型的工程等效转化和面向业务的节点传输时延最优调度模型的工程化处理。
3.建立精细化QoS控制模型
面向能源领域的移动网络端口的业务优化调度机制通过建立精细化QoS控制模型（见图1），进行面向业务的节点传输时延最优调度模型的工程化求解与移动网络精细化QoS优化。面向能源领域移动网络系统的精细化QoS控制模型主要由以下4个组件组成，具体如下：
（1）用户需求单元
用户需求单元主要为普通用户和服务提供商提供服务业务。
（2）中间件服务单元
中间件服务单元负责为整个网络系统提供用户登录、用户信息管理、行为记录、安全接入控制等功能。
（3） 网络资源代理单元
网络资源代理单元用于实现网络的物理资源与用户行为的对偶映射交互，由 映射与转换模块（实现网络OSI模型中各层的 参数和各级用户的应用 需求的映射关系转换）、信息服务中心（为用户提供和展示网络资源的形态和状态表征信息和 参数信息）、 协商模块（协调各网络资源节点和各级用户的应用 需求关系，判断各网络资源节点间的 保障能力是否能够满足各级用户的应用 需求）、资源监控模块（获取用户对网络资源使用的行为记录信息，并对处于预留状态的网络资源进行监控）和错误处理模块（对不能满足用户 需求的网络资源请求进行裁决和处理）等子模块组成。
（4）网络资源节点
网络资源节点主要用于向所有网络用户提供具体的移动网络服务，该组件由网络资源信息服务单元、交易服务单元、 控制器、
接纳控制、调度器和网络资源预留设置单元6个模块组成[5-6]。
4.面向能源领域的移动网络QoS优化控制方法
本文通过对基于DPI业务识别的策略控制架构，为面向能源领域的移动网络端口的业务调度机制的网络精细化运营、提高网络服务质量。
4.1 DPI业务识别的策略控制基本原理
业务识别作为网络服务业务一个新概念，通过对业务流量从数据链路层到应用层报文的深度检测和分析，然后根据报文协议内容解析，获取业务和用户信息，并进行分类统计和存储[7]。业务识别的基本目的是为了帮助网络管理者获取业务层的流量信息，整个识别过程是一个相对复杂，需要多个功能模块相互协调工作，主要实现对业务识别处理、数据存储、统计分析、流量管理等功能[8]。
业务识别一般包括多个处理通道，通过对网络流量源、地址、端口号的Hash值计算，将接收到网络流量均匀分配到多个通道中。多个通道并行处理网络流量数据，识别网络流量的特征信息，并业务特征库进行比对。将比对后的结果送到相应业务特征的处理模块，同时对特定网络流量进行标记。对识别出的流量类型，则直接与传输层和网络层存储的识别结果进行比对，在满足传输条件时，直接传输网络数据，提高数据传输效率。
4.2 DPI業务识别的策略控制基本流程
基于DPI业务识别的QoS策略控制，其具体步骤如下：
1） 首先基于APN本地静态配置方法，在GGSN上配置相应的业务DPI检测规则，和对应业务的QoS服务等级，同时将用户的IMSI及其相关信息作为影响因素或者参考值。
2） 用户通过登录移动互联网，激活一个PDP报文，并按照要求建立一个QoS承载通道，进行物联网通信操作。
3） GGSN按照事先设定的业务DPI检测规则，进行PDI检测，按照预先设置的业务QoS参数为用于建立承载通道，并与之绑定，网络流量并根据QoS参数和绑定的通道进行QoS管理和业务QoS控制。
通过获取DPI业务识别模块来获取相关业务类型、内容、状态等特征信息以及用户特征信息实现基于QoS策略控制，按照一定规则可以实现对不同的业务进行QoS服务区分，实现QoS的精细化管理。通过这一控制方法能有效提高网络服务质量，实现移动网络端口业务的优化调度。 5.总结
移动网络端口业务的调度是一项复杂的任务，对模型设计、业务调度、资源整合等各方面都有较高的要求，本文对面向能源领域的移动网络端口的业务调度机制的研究，建立了业务的节点传输时延最优调度模型。通过对节点传输时延最优调度模型的工程等效转化方法、面向业务的节点传输时延最优调度模型的工程化求解以及利用基于DPI业务识别的优化控制策略，实现端口资源的利用效能和网络的传输与处理能力提升，对解决面向能源领域的移动网络端口的业务优化调度具有积极作用。
参考文献：
[1]张勍，冯毅.移动接入网业务加速技术研究[J].邮电设计技术，2019（07）：6-10.
[2]PIRO G，GRIECO L A，BOGGIA G，et al. A two-level scheduling algorithm for QoS support in the downlink of LTE cellular networks[C]Wireless Conference. IEEE，2010：246-253.
[3] Vileira F H T， Lee L L. Adaptive wavelet-based multifractal model applied to the effective bandwidth estimation of network traffic flows. IET Communications， 2009， 3（6）： 906-919
[4] Jorg Liebeherr， Markus Fidler， Shahrokh Valaee. A system theoretic approach to bandwidth estimation. IEEE/ACM transactions on networking， 2010， 18（4）： 1040-1053.
[5] Ciucu F， Schmitt J， Wang H. On expressing networks with flow transformations in convolution-form. Proceedings of IEEE INFOCOM， 2011： 1979-1987.
[6]Matthew Andrews. Instability of FIFO in the permanent sessions model at arbitrarily small network loads. ACM Transactions on Algorithms （TALG）， 2009， 5（3）： 38-45.
[7]羅忆祖. DPI技术助力运营商精细化运营.电信网技术，2009（03）.
[8]张高毅.移动互联网数据业务QoS优化与控制研究[J].通信与信息技术，2014（04）：34-37.
作者简介：
何君莲，重庆市应急管理专家、重庆市应急救援专家，重庆建筑工程职业学院高级工程师，主要从事工程管理、智慧安全等领域研究与教学工作。