شبکههای سلولی نسل پنجم یک پلتفرم کامل برای برنامههای کاربردی جدید، نوآورانه و متنوع اینترنت اشیا ارائه میدهند، مانند ارتباطات بسیار قابل اعتماد و کمتاخیر[1]، پردازش دادههای بلادرنگ و پویا[2]، محاسبات فشرده[3] و اتصال انبوه دستگاهها. قطعهبندی شبکه[4] به صورت انتها به انتها[5] رویکرد امیدوارکنندهای برای تخصیص و توزیع منابع ارائه میدهد که به اپراتورها اجازه میدهد به طور انعطافپذیر شبکههای منطقی مجازی و اختصاصی مقیاسپذیر را بر روی زیرساخت فیزیکی مشترک ارائه دهند. در حالی که قطعهبندی شبکه وعده ارائه خدمات بر اساس تقاضا را میدهد، بسیاری از موارد استفاده آن، مانند خودروهای خودران، نیاز به ادغام پلتفرم محاسباتی لبه با دسترسی چندگانه[6] در شبکههای 5G دارند. محاسبات لبه[7] به عنوان یکی از محرکهای کلیدی برای شبکههای 5G و 6G در نظر گرفته شده است، اما نقش آن در قطعهبندی شبکه همچنان باید بهطور کامل بررسی شود. یک معماری میکروسرویس ابری بومی[8] به همراه موارد استفاده بالقوه آن برای قطعهبندی شبکه 5G پیشبینی میشود. این مقاله پیشرفتهای اخیر در امکانپذیر کردن قطعهبندی شبکه به صورت انتها به انتها، فناوریهای فعالکننده[9]، راهحلها و تلاشهای استانداردسازی فعلی را شرح میدهد.
کلیدواژه: شبکههای 5G، محاسبات ابری، محاسبات لبه، قطعهبندی شبکه
مقدمه
همانطور که اپراتورهای شبکه پیشبینی میکنند، شبکه تلفن همراه نسل پنجم ارتباطات را به چشمانداز اینترنت همهچیز[10]، نزدیکتر میکند. شبکههای 5G برای پشتیبانی نه تنها از اینترنت اشیا بلکه صنایع نوظهور در نظر گرفته شدهاند. اینترنت اشیا نیاز به پشتیبانی از مجموعه متنوعی از خدمات مانند شهرهای هوشمند، بهداشت الکترونیکی، ساختمانهای هوشمند، اینترنت وسایل نقلیه و غیره دارد. رشد سریع اینترنت اشیا به تنهایی به این معنی است که میلیاردها دستگاه در دهه آینده به شبکه متصل خواهند شد.
الزامات برای شهرهای هوشمند مبتنی بر اینترنت اشیا متنوع است. خدماتی مانند شبکههای هوشمند، مدیریت چراغهای هوشمند، خانههای هوشمند و کشاورزی هوشمند، به تعداد زیادی اتصال نیاز خواهند داشت و به همین دلیل، پهنای باند ترانزیت بالا برای ترافیک تجمعی مورد نیاز خواهد بود. خدمات حیاتی مانند وسایل نقلیه خودران، رانندگی مشارکتی خودرو، پایش سلامت از راه دور و کنترل صنعتی به ارتباطات بسیار قابل اعتماد و با تأخیر کم نیاز خواهند داشت.
الزامات ناهمگن و متنوع برای شهرهای هوشمند آینده نشان میدهد که طرحهای شبکه فعلی مبتنی بر رویکرد متعارف «یک اندازه برای همه» دیگر مناسب نخواهد بود و طراحی شبکه 5G باید نیاز به طرحهای شبکه مقیاسپذیر و انعطافپذیر را منعکس کند. معماریهای شبکه 5G باید برای ارائه تنوع سرویس، عملکرد تضمینی و زمان کوتاه ورود به بازار تکامل یابند تا اطمینان حاصل شود که از استقرار خدمات جدید، تخصیص منابع، کاهش هزینههای سرمایهای[11]، خودکارسازی خدمات و همگرایی دسترسی ثابت و همراه پشتیبانی میشود. تنوع و انتظارات انعطافپذیری برای شبکههای 5G چالش مهمی را برای ارائه انعطاف پذیری سرویس در عین فعال کردن تنوع فناوری شبکه ایجاد میکند. برای غلبه بر این چالشها، قطعه بندی شبکه به صورت انتها به انتها یک فناوری توانمندساز کلیدی بالقوه است که از خدمات شبکه سفارشی شده از طریق تهیه نمونههای قطعه شبکه بر اساس تقاضا پشتیبانی میکند.
مفهوم قطعهبندی شبکه درنتیجه پیشرفتهای اخیر در محاسبات ابری و مجازیسازی توابع شبکه پدید آمد. قطعهبندی شبکه، قطعهبندی منابع زیرساخت شبکه فیزیکی به شبکههای منطقی اختصاصی است که به این ترتیب امکان تفکیک عمودی شبکهها، خدمات و برنامهها را فراهم میکند. از شبکههای منطقی یا اختصاصی میتوان برای ارائه راهحلهای سفارشی برای انواع سرویسها و سناریوهای کاربردی متمایز استفاده کرد.
NFV[12] یک فناوری کلیدی برای قطعهبندی شبکه 5G است زیرا امکان ایجاد و نمونهسازی NSI[13]ها را با انتزاع منابع زیرساخت مجازی و فیزیکی و ارائه پیکربندیها و سیاستهای سفارشی برای منابع منطقی اختصاصی فراهم میکند. منابع منطقی یا شبکهها سپس به یک برنامه اختصاص داده میشوند که ممکن است شامل ارائه توابع شبکه مجازی باشد. VNF[14]ها از طریق پیوندهای منطقی یا مجازی به خوبی تعریف شده به هم مرتبط هستند تا NSI کامل تشکیل دهند.
شبکه نرمافزارمحور (SDN[15]) نیز یکی از عوامل کلیدی برای قطعهبندی شبکه به صورت انتها به انتها است. SDN یک الگوی شبکهسازی است که صفحههای کنترل[16] و داده را از هم جدا میکند. کنترلکننده SDN مدیریت متمرکز و نمای کلی از توپولوژی شبکه را ارائه میکند که باعث افزایش کارایی تصمیمگیری مرتبط با جریان ترافیک شبکه میشود. SDN از عملیات برنامهریزیشده انعطافپذیر صفحه کنترل پشتیبانی میکند، SDN از طریق استقرار سریع برنامههای شبکه جدید و بهروزرسانیشده، هدایت ترافیک، مدیریت تحرک برای ایستگاههای موبایل بیسیم و تغییر مسیر ترافیک برای جلوگیری از ازدحام ترافیک، این امکان را میدهد تا با ارائه زنجیرهسازی سرویس پویا[17]، اتصال و هدایت ترافیک کارآمد بین VNFهای مختلف که یک NSI را تشکیل میدهند، ممکن شود. کنترلرهای SDN با تبادل اطلاعات با کنترلرهای مجاور و دروازههای دامنه[18]، اطلاعات توپولوژی شبکه را حفظ میکنند.
هسته 5G به صورت ابری بومی برای قطعهبندی شبکه
قطعهبندی شبکه 5G فرصتهایی را برای اپراتورهای شبکه فراهم میکند تا با ارائه موارد استفاده سازمانی جدید فراتر از خدمات پهنای باند موبایل پیشرفته، به افزایش قابل توجه درآمد برسند. برای ارائه موارد استفاده جدید، به فناوریهای هسته 5G تکاملیافته نیاز است. طراحی نرمافزاری هسته 5G ابری بومی میتواند با ارائه خدمات بر اساس تقاضا، قطعهبندی شبکه را تسهیل کند.
ویژگی کلیدی برای 5G، در مقایسه با نسلهای قبلی تلفن همراه، مبتنی بر سرویس بودن آن است، مانند URLLC ،mMTC و eMBB، این ویژگی برای پشتیبانی از طیف گستردهای از حوزههای کاربری است. برای ارائه خدمات متنوع با مجموعه متفاوتی از الزامات، اپراتورها باید بتوانند اجزای هسته 5G را در مراکز داده عمومی، محلی یا خصوصی و در هر مکان جغرافیایی به صورت پویا، بسته به تقاضای برنامه، مستقر کنند. بنابراین، طراحی هسته 5G باید انعطافپذیر و قابل حمل باشد، که میتوان این قابلیت را با تطبیق طراحی نرمافزار ابری بومی هسته 5G و انتقال VNFها به CNF[19]ها به دست آورد، انتقال به CNFها اجازه میدهد اجزای هسته 5G (NF[20]) بر روی کانتینرها اجرا شوند که این امر امکان خودکارسازی را در هر محیط ابری فراهم میکند. اصول ابری بومی را میتوان در توابع کنترل و صفحه کاربر[21] هسته 5G، به ترتیب AMF ،[22]SMF[23] و UPF[24]، برای دستیابی به انعطافپذیری، مقیاسپذیری و کارایی عملکرد اعمال کرد. اپراتورها میتوانند از رویکرد ابری بومی در UPF به طور کامل استفاده کنند، تا نیاز به سختافزار اختصاصی برای مسیریابی و سوئیچینگ شبکه هسته را از بین ببرند. اصول طراحی و برخی از اجزای اصلی که رویکرد ابری بومی را در زمینه قطعهبندی شبکه 5G امکانپذیر میسازند در بخشهای زیر توضیح داده شدهاند.
اصول طراحی ابری بومی برای قطعهبندی شبکه
عدم وابستگی: ابری بومی برای NFهای 5G ضروری است. برای خدمات سفارشی بر اساس تقاضا، مانند URLLC، برنامههای کاربردی شبکه 5G نباید برای زیرساخت خاصی ساخته شوند. برنامههای کاربردی شبکه ابری بومی باید بتوانند روی هر زیرساختی که کوبرنتیز فعال است اجرا شوند، زیرا این برنامههای کاربردی ابری بومی را میتوان بسته به الزامات سرویس، بهصورت توزیع شده در لبه، هسته یا ابر عمومی مستقر کرد.
نرمافزار به صورت ماژولار: برنامههای کاربردی شبکه 5G باید به گونهای طراحی شوند که بتوانند به میکروسرویسها تجزیه شوند. این امکان مدیریت چرخه حیات مستقل و مقیاسپذیری را فراهم میکند.
هماهنگی و خودکارسازی: برای مدیریت پیچیدگی برنامههای کاربردی 5G و موارد استفاده مبتنی بر سرویس، ضروری است از هماهنگی لازم برای مدیریت برنامههای کاربردی و زیرساختهای ابری بومی استفاده و آن را توسعه دهیم.
شکل 1: کانتینرها و ماشینهای مجازی [1]
فناوریهای فعالسازی ابری بومی برای قطعهبندی شبکه
کانتینرها
کانتینرها یک جایگزین مجازیسازی سبک برای ماشینهای مجازی هستند که از دو ویژگی هسته لینوکس استفاده میکنند: فضای نام[25] و گروههای کنترل[26]. فضای نام برای فعال کردن جداسازی برنامه با ارائه یک نمای محدود از محیط سیستم عامل زیرین، یعنی منابع شبکه (آدرسهای IP، جداول مسیریابی و رابطها) استفاده میشود. گروههای کنترل قابلیت اعمال محدودیتها و اولویتبندی منابع سیستم (CPU و حافظه) را فراهم میکنند.
5G [27]SBA و موارد استفاده آن، مانند MEC و قطعهبندی شبکه، به شدت به تکنیکهای مجازیسازی متکی هستند. مجازیسازی مبتنی بر ماشین مجازی پیچیدگی و سربار را به سیستم اضافه میکند، زیرا ماشینهای مجازی نیاز به بستهبندی کل سیستم عامل به همراه برنامهها یا توابع میزبانی شده دارند. در مقایسه با ماشینهای مجازی، کانتینرها می توانند با بستهبندی فقط برنامه یا تابع و وابستگیهای خاص برنامه، سربار را کاهش دهند. یکی از پرکاربردترین فناوریهای کانتینریزاسیون Docker است، زیرا توانایی ارائه قابلیت حمل و مقیاس پذیری را دارد. مزیت استفاده از کانتینرها به جای ماشینهای مجازی برای قطعهبندی شبکه را میتوان در شکل 1 مشاهده کرد.
کانتینرها امکان استقرار کارآمد میکروسرویسها را فراهم میکنند، جایی که هر قسمت از سرویس را میتوان به کانتینرهای جداگانه تقسیم و در POD بستهبندی کرد که در آن میتوانند با یکدیگر ارتباط برقرار کنند. این امکان توسعه ماژولار، مقیاسبندی کارآمد و مدلهای استقرار را فراهم میکند. کانتینرها بخش جداییناپذیر از چارچوب NFV در نظر گرفته میشوند که فناوری کلیدی فعالسازی برای قطعهبندی شبکه است.
شکل 2: معماری کوبرنتیز [1]
کوبرنتیز
Docker با بستهبندی و توزیع برنامهها یا توابع سروکار دارد، در حالی که از پلتفرم کوبرنتیز برای مقیاسبندی، اجرا و نظارت بر برنامهها یا توابع استفاده میشود. کوبرنتیز همچنین به عنوان یک اُرکستراتور کانتینر شناخته میشود که استقرار خودکار، زمانبندی، مقیاسبندی و هماهنگی برنامههای کانتینری را فراهم میکند. کوبرنتیز کانتینرها را بهطور مستقیم اجرا نمیکند، در عوض، یک یا چند کانتینر در یک معماری سطح بالا به نام POD بستهبندی میشوند. کانتینرها در یک POD منابع و شبکه را به اشتراک میگذارند و با یکدیگر ارتباط برقرار میکنند. معماری کلی خوشه کوبرنتیز شامل حداقل یک گره کنترلی[28] و چندین گره پردازشی است.
شکل 3: معماری KubeEdgeا[2]
Openstack
Openstack به دلیل ماهیت انعطافپذیر و ماژولار خود، به عنوان یکی از نامزدهای ایده آل برای فعال کردن موارد استفاده محاسبات لبه در 5G نیز در نظر گرفته میشود. Openstack یک نرمافزار متنباز است که برای پیادهسازی زیرساختهای ابری خصوصی و عمومی استفاده میشود و پشتیبانی قوی از فناوریهای مجازیسازی و کانتینریزاسیون ارائه میدهد. همچنین Openstack به عنوان یک سیستم عامل ابری نامیده میشود که استخرهای[29] بزرگی از منابع مانند محاسبات، شبکه و ذخیرهسازی را در مراکز داده مدیریت و کنترل میکند. Openstack یک پلتفرم نرمافزاری زیرساختی بسیار توزیع شده را فراهم میکند و امروزه در تعداد زیادی از مراکز داده در سراسر جهان استفاده میشود. به تازگی، توسط صنعت مخابرات برای پیشبرد موارد استفاده محاسبات لبه پذیرفته شده است.
شکل 4: قطعه بندی شبکه به صورت ابری بومی [1]
سناریوهای استقرار
چندین سناریوی استقرار وجود دارد که در آن میتوان از رویکرد ابری بومی، مانند Docker،Kubernetes و OpenStack برای تهیه موارد استفاده متمرکز بر سرویس قطعهبندی شبکه فعالشده توسط MEC استفاده کرد. به عنوان مثال، کل خوشه کوبرنتیز را میتوان در یک بسته سبکوزن قرار داد و در لبه مستقر کرد، جایی که میتواند برنامههای کاربردی حوزههای کاری مختلف و توابع هسته 5G ابری بومی را به عنوان کانتینر در حال اجرا در داخل PODها میزبانی کند. رویکرد دیگری که پیشنهاد شده، این است که به جای استقرار کل خوشه کوبرنتیز در لبه، صفحه کنترل مستقر در ابر، کانتینرها و PODها در حال اجرا در گرههای لبه را مدیریت کنند. این رویکرد همچنین توسط سیستم متنباز به نام KubeEdge پیشنهاد شده است. در شکل 3، معماری KubeEdge مشخص شده است.
شکل 5: زنجیرهبندی سرویس [1]
معماری ابری بومی و مزایای آن
قابلیت مدیریت خودکار و مقیاسپذیری VNFهای ابری بومی آنها را از VNFهای سنتی متمایز میکند. در ادامه برخی از مزایای کلیدی VNFهای ابری بومی که بر محدودیتهای VNFهای سنتی غلبه میکنند، آمده است:
- نصب و پیکربندی خودکار VNFها
- مقیاسپذیری خودکار و پویای منابع شبکه و VNFها بسته به حجم کاری
- خودترمیمی و تحمل خطا که در آن پلتفرم ارکستراسیون ابری بومی به طور خودکار VNFهای معیوب را راه اندازی مجدد میکند.
- پایش عملکرد خودکار VNFها برای تجزیهوتحلیل گلوگاهها، برای بهبود عملکرد کلی
- مدیریت ساده و نرمافزاری که امکان کاهش مصرف انرژی را فراهم میکند.
- قابلیت استفاده مجدد و قابلیت حمل بالا که توسط پلتفرم کانتینریزاسیون سبک وزن امکانپذیر شده است.
در گذشته در مورد قطعهبندی شبکه، به طور کامل هسته 5G ابری بومی و معماری میکروسرویسها در نظر گرفته نمیشد. همچنین، بیشتر تحقیقات موجود مزایای استفاده از مجازیسازی مبتنی بر کانتین VNFها را ارائه نمیدهند. ماشینهای مجازی و Hypervisor اغلب برای مجازیسازی استفاده میشدند. بر اساس اصول طراحی شناسایی شده در این مقاله، معماری برای قطعهبندی شبکه ابری بومی فعال شده توسط MEC متصور شده است که از مزایای فعال کردن ویژگیهای جدید برای NFV با فناوری های ابری بومی، مانند کانتینرهای Docker و Kubernetes بهره میبرد. جریان منطقی تهیه قطعات شبکه به صورت انتها به انتها از همان فرآیند پیروی میکند، اما از فناوریهای ابری بومی برای متصور شدن یک پشته NFV ابری بومی به جای ارکستراتور(های) مجازیسازی سنتی استفاده میشود.
زنجیرهبندی سرویس در محیط ابری بومی
در یک محیط ابری بومی، سرویسها با ایجاد کانتینرها و PODها ارائه میشوند تا بهطور پویا یک یا چند سرویس را به ترافیک از یک نقطه پایانی به دیگری اعمال کنند. برای ایجاد زنجیرهای سرویس، SDN میتواند ایجاد تونلها در سراسر شبکه زیرین را که تمام سرویسهای زنجیره را پوشش میدهد، تسهیل کند. شکل 5 دو گره پردازشی مستقر در یک خوشه کوبرنتیز را نشان میدهد که هر کدام دارای یک نمونه سرویس و ترافیکی هستند که از یک نقطه به نقطه دیگری منتقل میشوند.
بررسی نمونههای کاربردی نیازمند قطعهبندی شبکه ابری بومی
بهداشت و سلامت
آمبولانس متصل به 5G یکی از مهم ترین موارد استفاده از قطعهبندی شبکه است. هدف این کاربرد بهبود خدمات آمبولانس و ارائه مراقبتهای بهداشتی و کمک های اولیه بلادرنگ به بیماران است. چشمانداز این کاربرد، فعال کردن یک آمبولانس متصل برای خدمت به عنوان یک لبه سیار (هاب اتصال) برای تجهیزات پزشکی اضطراری یا دستگاههای پوشیدنی است که امکان پخش و ذخیرهسازی پویا و بلادرنگ دادههای بهداشتی بیمار را برای گروه اضطراری منتظر در بیمارستان مقصد فراهم میکند. از طریق فیدهای ویدئویی بلادرنگ و ارائه بینش بیمار، گروه اضطراری قادر خواهند بود از پرسنل فوریتهای پزشکی که از بیماران مراقبت میکنند با پشتیبانی تصمیمگیری هوشمندانه حمایت کنند.
این مورد استفاده، مستلزم استقرار قطعات URLLC بر اساس تقاضا برای فعال کردن ارتباط دادههای بیمار (فیدهای ویدئویی) فشرده و بلادرنگ بین پرسنل فوریتهای پزشکی و تیم اضطراری منتظر در بیمارستان مقصد است. این مورد استفاده را میتوان با سناریوهای مختلف معماری میکروسرویس 5G ابری بومی پیشبینی شده برای قطعهبندی شبکه پشتیبانی کرد. به عنوان مثال، موردی را در نظر بگیرید که آمبولانس دارای مرکز داده کوچک[30] اختصاصی خود با قابلیت میزبانی VNFها باشد. از آنجایی که مورد آمبولانس متصل نیاز به ارائه URLLC دارد، VNFهای صفحه کنترل را میتوان در مرکز داده مرکزی قرار داد، در حالی که VNFهای صفحه کاربر و همچنین RAN مجازی (vRAN) و برنامههای کاربردی آمبولانس متصل را میتوان در مرکز داده کوچک آمبولانس قرار داد که در شکل 6 نشان داده شده است.
شکل 6: آمبولانس با تجهیزات 5G و زیرساخت ابری [1]
مورد استفاده V2X برای خدمات URLLC
ارتباط V2X مستلزم ارائه خدمات پهنای باند بالا و URLLC است. برخی از برنامههای V2X نظیر برنامههای ایمنی پیشرفته، مانند برنامههای یادگیری ماشین برای تشخیص الگو، طبقهبندی و رانندگی مشارکتی برای ارتباط V2V، نیاز به ارتباط کم تأخیر دارند. پروژه METIS اروپا تأخیر به صورت انتها به انتها را کمتر از پنج میلیثانیه و قابلیت اطمینان 99.99 درصد پیشبینی میکند. از اهداف کلیدی پروژه METIS میتوان به توسعه طراحی جامع شبکه دسترسی رادیویی 5G و ارائه ابزارهای فنی لازم برای ادغام و استفاده کارآمد از انواع فناوریها و اجزا 5G اشاره نمود.
MEC[32] با ارائه منابع محاسبات ابری نزدیکتر به کاربران نهایی در لبه شبکه، وعده قابل توجهی را در اینجا ارائه میدهد. میزبان MEC یا MEH[31] منابع محاسباتی، ذخیرهسازی و شبکه را برای میزبانی برنامهها و خدمات V2X مختلف فراهم میکند. در پاسخ به الزامات تحرک بالای مورد استفاده V2X، برنامهها و خدمات باید به طور یکپارچه از یک MEH به MEH مجاور مهاجرت کنند، در حالی که تأخیر و وقفه خدمات کاهش یافته است.
این مورد استفاده را می توان با رویکرد مبتنی بر کانتینریزاسیون برای قطعه بندی شبکه پشتیبانی کرد. کانتینرهای Docker سبک از قابلیت حمل و استقرار بلادرنگ برنامههای توزیع شده پشتیبانی میکنند. ویژگیهای ارائه شده توسط راهحلهای مبتنی بر کانتینر Docker آن را به یک عامل کلیدی برای MEC تبدیل میکند.
برای سناریوی تحرک بالا، با حرکت وسیله نقلیه از ناحیه سرویس یک MEH به دیگری، MEO با استفاده از سرویس اطلاعات شبکه رادیویی ([33]RNIS)، مسیر وسیله نقلیه را ردیابی می کند و MEH هدف مناسب را پیدا میکند. با استفاده کامل از ماژولار بودن ارائه شده توسط راه حل کانتینر شده، برنامهها و خدمات را میتوان به صورت بلادرنگ به MEH هدف انتقال داد، به عنوان مثال، نمونههای سرویس و برنامه در MEH هدف تکرار میشوند. کنترلر SDN قوانین ترافیک را دوباره پیکربندی میکند و جریانهای جدیدی را برای هدایت مجدد ترافیک از وسیله نقلیه به سمت MEH هدف نصب میکند. این مورد استفاده را میتوان در شکل 7 مشاهده کرد.
شکل V2X :7ا[1]
قابلیت تحرک در قطعه شبکه و مهاجرت سرویس در ابرهای لبه ابری بومی
5G از موارد استفاده جدیدی در حوزههای مختلف پشتیبانی میکند که نیاز به رویکردهای تحرک جدید فراتر از رویکردهای سنتی مبتنی بر دستگاه دارند. برای مثال، خدمات ارتباطی با تأخیر کم که در لبه مستقر میشوند و توسط گروهی از کاربران سیار، مانند گروهی از خودروهای متصل یا وسایل نقلیه هوایی بدون سرنشین (UAV) به اشتراک گذاشته میشوند، مدل حرکتی متفاوتی نسبت به مدلهای سنتی دارند. برای اطمینان از تداوم سرویس، با حرکت کاربران از ناحیه سرویس یک ابر لبه به دیگری، فایلهای پیکربندی سرویس و منابع قطعه نیز باید به صورت بلادرنگ به ابر لبه مقصد منتقل شوند. رویکرد ابری بومی را میتوان برای پشتیبانی از قابلیت جابهجاییپذیری[34] استفاده کرد، زیرا استفاده از ویژگیهای پیشرفته کانتینر، امکان انتقال خدمات لبه از یک ابر لبه به دیگری به صورت بلادرنگ فراهم میشود.
ارزیابی اولیهای از رویکرد ابری بومی برای پشتیبانی از مهاجرت بلادرنگ خدمات ارتباطی به اشتراک گذاشته شده توسط گروهی از کاربران سیار در سراسر ابرهای لبه مختلف انجام شده است. شکل 8 بستر آزمایش تجربی را نشان میدهد که برای شبیه سازی تحرک قطعه در سراسر ابرهای لبه مختلف مستقر شده به عنوان خوشههای کوبرنتیز چند نودی در مناطق مختلف در Google Cloud Platform ایجاد شده است. به خوشههای Kubernetes 3 CPU و 11.25 گیگابایت حافظه اختصاص داده شده است. در آزمایش فرض شده است که گروهی از کاربران سیار، مانند گروهی از UAV[35] و گروهی از خودروهای متصل، به ترتیب توسط قطعه 1 و قطعه 2 سرویس میگیرند. قطعات شامل چندین سرویس هستند که به عنوان کانتینر در PODهای مربوطه خود اجرا میشوند. قطعات با تشکیل خوشههای مجازی با تعریف Namespaceهای مختلف در خوشه Kubernetes جدا میشوند. خوشههای مجازی امکان مهاجرت یکپارچه و موازی همه سرویسهای تعریف شده در Namespace را فراهم میکنند.
شکل 8: تحرک قطعه شبکه [1]
چالشها و مسیر تحقیقات آتی
چالشها و مسیر تحقیقات آتی به شرح ذیل خواهد بود:
انطباق هسته 5G ابری بومی
انطباق هسته 5G ابری بومی برای بهرهمندی کامل از کارکردهای ابری بومی، مانند اتوماسیون خدمات، مقیاسدهی پویا برنامهها وNF ها و استفاده کارآمد از قابلیتهای ذخیره سازی و محاسباتی، ضروری است. برای پذیرش کامل معماری ابری بومی، NF های هسته ای باید به گونهای طراحی شوند که کاملاً با معماری میکروسرویس ابری بومی سازگار باشند. برای مثال، نقش UPF مدیریت ترافیک دریافتی از دستگاههای کاربر نهایی و انجام عملیات مختلفی مانند مدیریت جلسات و مسیریابی ترافیک به لبه است. برای تبدیل UPF به ابری بومی، چالش این است که یک راه حل پردازش بستهای طراحی شود که کاملاً با کانتینرها سازگار باشد و بتواند به صورت الاستیک مقیاس بندی شود. علاوه بر این، باید مقرون به صرفه نیز باشد، به عنوان مثال، نیاز به CPU کاهش یابد.
ترکیب کانتینرها و ماشینهای مجازی
ممکن است نتوان NFها را ابری بومی کرد و با رویکرد میکروسرویس بدون حالت[36]، سازگار کرد، زیرا ممکن است همه برنامهها از رویکرد ابری بومی بهرهمند نشوند، به عنوان مثال، LAN ها وWAN ها. همزیستی هر دو فناوری کانتینرها و ماشینهای مجازی ممکن است راه پیش رو باشد. بنابراین، به تلاشهای تحقیقاتی بیشتری برای توسعه یک پلتفرم ارکستراسیون نیاز است که دو نوع مختلف از بارهای کاری را به هم متصل کند، به عنوان مثال، ماشینهای مجازی ارکستر شده توسط OpenStack و PODهایی که توسط Kubernetes مدیریت شدهاند. در این خصوص تحقیقات محدودی تاکنون انجام شده است.
جداسازی قطعه شبکه برای خدمات شرکتهای دیگر[37]در محیط ابری بومی
انتظار میرود شبکههای تلفن همراه 5G آینده از ایجاد قطعههای شبکهای پشتیبانی کنند که ممکن است در اختیار سازمانها و شرکتهای دیگر، قرار گیرد. پلتفرمهای ارکستراسیون سنتی ابری بومی، به عنوان مثال، Kubernetes، یک مدل شبکه تخت ارائه میکنند که در آن منابع ایجاد شده، به عنوان مثال، PODها، میتوانند با یکدیگر تعامل داشته باشند. بنابراین، پیش نیاز پشتیبانی از خدمات بسیار حساس در یک قطعه شبکه، توسعه یک سیاست مؤثر برای ارائه جداسازی بین PODها و خدمات مختلف است.
انتقال هوشمندی و محاسبات خاص کاربر به لبه
در نسلهای بعدی شبکههای موبایل، پیشبینی شده است که محاسبات خاص کاربر و هوشمندسازی به لبه منتقل شوند. بهرهگیری از محاسبات لبه به برنامههای محاسباتی فشرده و نیازمند تاخیر پایین اجازه میدهد تا در لبه اجرا شوند. تعداد فزاینده دستگاههای هوشمند در کاربردهایی نظیر برنامههای شهر هوشمند، حجم عظیمی از دادههای محلی را تولید میکند که برای پردازش به ابر متمرکز منتقل میشود و منجر به تأخیر و پیچیدگی محاسباتی در ابر میشود. برای مقابله با این چالشها، چشمانداز شبکههای نسل بعدی، تسهیل موارد استفاده هوش مصنوعی در ابر لبه است. انتقال قابلیت هوش مصنوعی و محاسبات به لبه، موارد استفاده و خدمات جدیدی مانند خودروهای خودران، واقعیت مجازی موبایل و برنامههای واقعیت ترکیبی را امکان پذیر میکند. چالش این است که برای تحقق خدمات جدید، معماریهای شبکه عصبی کارآمد و جدیدی بر روی لینک بیسیم در لبه شبکه طراحی شود.
بهرهگیری از یادگیری ماشین برای استفاده کارآمد از منابع
الگوریتمهای یادگیری ماشین، مانند ماشین بردار پشتیبان ([38]SVM) و یادگیری تقویتی عمیق (DRL)، در قطعهبندی شبکه هنوز به طور کامل مورد بهرهبرداری قرار نگرفته است. برای مثال، SVM را میتوان به عنوان یک ابزار کارآمد برای طبقهبندی الزامات سرویس استفاده کرد که به انتخاب قطعه شبکه کمک میکند و DRL[39] را میتوان در مسائل تخصیص منابع وابسته به بار کاری پویا مانند تخصیص کارآمد و پویای منابع به هر شبکه منطقی (تخصیص منابع قطعه) در یک شبکه فیزیکی مشترک به اشتراک گذاشت.
راهحلهای قرارگیری کنترلر
قطعهبندی شبکه از تحقق خدمات به صورت انتها به انتها بر حسب تقاضا پشتیبانی میکند که هر کدام الزامات خاص خود را دارند، مانند تأخیر، پهنای باند و در دسترس بودن. بسته به الزامات سرویس، NF های هسته 5G را میتوان در مراکز داده عمومی، محلی یا خصوصی در هر مکان جغرافیایی مستقر کرد. بنابراین، چالش این است که استراتژی قرارگیری مطلوب را برای کنترلر قطعه شبکه به صورت انتها به انتها پیدا کنیم که مدیریت قطعه را با توجه به الزامات خاص سرویس امکانپذیر کند. همچنین، تعیین تعداد مطلوب کنترلرهای مورد نیاز برای هر قطعه یک موضوع باز است که باید مورد بررسی قرار گیرد.
جداسازی و تعامل صفحه کنترل
کسبوکارهای حوزههای مختلف ممکن است الزامات سرویس متفاوتی داشته باشند، به عنوان مثال، صنعت خودروسازی ممکن است به یک برنامه کنترل، یعنی برنامه مدیریت تحرک برای برآورده کردن الزامات سرویس تحرک بالا نیاز داشته باشد. چالشها، ارائه یک صفحه کنترل جدا و سفارشی برای مشتریان حوزههای مختلف به جای یک صفحه کنترل مشترک است. این قابلیت به کسب و کارهای حوزههای مختلف اجازه میدهد تا یک برنامه کنترل سفارشی برای برآورده کردن الزامات سرویس ارائه دهد. همچنین، رابطها و تعاریف جدیدی مورد نیاز است که تعامل صفحه کنترل SDN با قطعههای شبکه را تسهیل کند. تعامل صفحه کنترل SDN با قطعههای شبکه یک موضوع باز است که باید مورد بررسی قرار گیرد.
جمعبندی
قطعهبندی شبکه مبتنی بر MEC، SDN، NFV و هسته 5G ابری بومی به عنوان یک فناوری فعال ساز کلیدی برای اپراتورها و ارائهدهندگان خدمات شبکه 5G در حال ظهور است تا فرصتهای درآمدی جدیدی را به دست آورند و خدمات سفارشی جدید و نوآورانه را بر اساس تقاضا ارائه دهند. با این حال، برای دستیابی کامل به اهداف متمرکز بر خدمات 5G، مسائل و چالشهای فنی متعددی از جمله یکپارچهسازی[40] قطعهبندی در میان بخشهای سیستمی[41] متعدد، انطباق هسته 5G ابری بومی برای پشتیبانی از موارد استفاده MEC، زنجیرهبندی خدمات پویا و طراحی و جایگذاری کنترلر باقی میماند.
در این مقاله تلاشهای اخیر و پیشرفتهایی که در تحقق قطعهبندی شبکه به صورت انتها به انتها، فناوریهای فعالکننده کلیدی مانند NFV برای پشتیبانی مجازیسازی، MEC برای خدمات URLLC، هسته 5G ابری بومی برای اتوماسیون خدمات و SDN برای زنجیرهبندی خدمات پویا و مدیریت VNF ، بررسی شده است. با توجه به اینکه موارد استفاده NFV و 5G شروع به انتقال به یک پلتفرم ابری بومی کردهاند، پذیرش برنامههای کاربردی و NF ابری بومی در میان اپراتورهای شبکه برای مقیاسپذیری خدمات، عدم وابستگی، قابل حمل بودن و اتوماسیون در حال افزایش است. در این مقاله همچنین، یک معماری ابری بومی فعال شده با SDN و MEC برای قطعهبندی شبکه 5G به همراه برخی از موارد استفاده بالقوه آن پیشبینی شده است، پیشرفت اخیر صورت گرفته توسط استانداردسازی صنعت و تحقیق در مورد قطعهبندی شبکه 5G مورد بحث قرار گرفته است و مسائل باز تحقق چشمانداز آینده قطعهبندی شبکه 5G شناسایی شده است.
منابع
[1] S. D. A. Shah, M. A. Gregory and S. Li, “Cloud-Native Network Slicing Using Software Defined Networking Based Multi-Access Edge Computing: A Survey,” in IEEE Access, vol. 9, pp. 10903-10924, 2021, doi: 10.1109/ACCESS.2021.3050155.
[2] https://release-1-15.docs.kubeedge.io/docs/
پینوشت
[1] Ultra-reliable and low latency communication
[2] Real-time and dynamic data processing
[3] Intensive computation
[4] Network Slicing
[5] End to End
[6] Multi Access Edge Computing (MEC)
[7] Edge Computing
[8] Cloud Native
[9] Enabling Technologies
[10] Internet of Everything
[11] CAPEX
[12] Network Function Virtualization
[13] Network Slice Instance
[14] Virtual Network Function
[15] Software Defined Networking
[16] Control Plane
[17] Dynamic Service Chanining
[18] Domain Gateway
[19] Cloud Native Network Function
[20] Network Function
[21] User Plane
[22] Session Management Function
[23] Access and Mobility Management Function
[24] User Plane Function
[25] Namespace
[26] Control Groups
[27] Service Based Architecture
[28] Master Node/Control Node
[29] Pool
[30] Mini DC
[31] MEC Host
[32] MEC Orchestrator
[33] Radio Network Information Service
[34] Portability
[35] Unmanned Aerial vehicles
[36] Stateless
[37] Third Party
[38] Support Vector Machine
[39] Deep Reinforcement Learning
[40] Federation
[41] Administrative Domains
