一體化網(wǎng)絡(luò)流量理論與鏈路匯聚及網(wǎng)絡(luò)融合機(jī)理

潘成勝 楊 力 張鐘錚 魏德賓,4 石懷峰,

1.南京信息工程大學(xué)電子與信息工程學(xué)院 江蘇 南京 210044 2.南京理工大學(xué)自動(dòng)化學(xué)院 江蘇 南京 210094 3.北方自動(dòng)控制技術(shù)研究所 山西 太原 030006 4.大連大學(xué)信息工程學(xué)院 遼寧 大連 116622

戰(zhàn)場(chǎng)空襲裝備不斷升級(jí), 新質(zhì)作戰(zhàn)力量不斷涌現(xiàn), 傳統(tǒng)分工明確的防空系統(tǒng)難以應(yīng)對(duì)強(qiáng)對(duì)抗、高機(jī)動(dòng)的戰(zhàn)場(chǎng)目標(biāo), 為此, 構(gòu)建一體化、高可靠、模塊化陸軍戰(zhàn)術(shù)防空指揮控制系統(tǒng), 解決原有系統(tǒng)互聯(lián)互通差導(dǎo)致的混編使用難, 動(dòng)態(tài)重組慢導(dǎo)致的多代指揮弱等頑疾, 成為近年來(lái)美軍網(wǎng)絡(luò)中心戰(zhàn)和我軍相關(guān)工程實(shí)施中, 陸軍防空反導(dǎo)領(lǐng)域研究的熱點(diǎn)和難點(diǎn)[1-2].

伊拉克戰(zhàn)爭(zhēng)中, 美軍防空反導(dǎo)系統(tǒng)在支持旅級(jí)、營(yíng)級(jí)、連級(jí)等不同級(jí)別的任務(wù)需求時(shí), 靈活性和協(xié)調(diào)性嚴(yán)重不足, 為此美國(guó)陸軍逐步發(fā)展陸軍防空反導(dǎo)一體化系統(tǒng), 其關(guān)鍵是陸軍防空反導(dǎo)一體化指揮控制系統(tǒng), 主要破解兩方面的問(wèn)題：一是原有系統(tǒng)互聯(lián)互通差、混編使用難的問(wèn)題；二是原有系統(tǒng)動(dòng)態(tài)重組難、多代指揮弱的問(wèn)題. 目前已經(jīng)完成關(guān)鍵技術(shù)測(cè)試與系統(tǒng)試驗(yàn), 預(yù)計(jì)2022年以后開(kāi)始列裝[3].

我陸軍戰(zhàn)術(shù)防空指揮控制系統(tǒng)歷經(jīng)發(fā)展, 新老通信體制、防空裝備、指揮控制系統(tǒng)共存. 其中陸軍防空指揮控制通信網(wǎng)絡(luò)系統(tǒng)的異構(gòu)鏈路多達(dá)10 種以上,異構(gòu)網(wǎng)絡(luò)也多達(dá)10 種以上.光纖、短波等10 多種異構(gòu)鏈路協(xié)議差異大、傳輸速率波動(dòng)大、業(yè)務(wù)QoS 需求差異大, 導(dǎo)致鏈路匯聚復(fù)雜；戰(zhàn)術(shù)電臺(tái)互聯(lián)網(wǎng)、超短波指揮/情報(bào)網(wǎng)等10 多種異構(gòu)網(wǎng)絡(luò)中, IP 和ATM 等交換方式并存,系統(tǒng)無(wú)法有效互聯(lián)互通、無(wú)法高效動(dòng)態(tài)重組.怎樣破解新老通信體制無(wú)法有效互聯(lián)互通導(dǎo)致的新老裝備混編使用難、動(dòng)態(tài)重組慢導(dǎo)致的多代指揮弱這些歷史頑疾, 成為提升陸軍防空作戰(zhàn)效能的關(guān)鍵.

在國(guó)家863 計(jì)劃項(xiàng)目和長(zhǎng)期的型號(hào)研制過(guò)程中,提出了支撐新老通信體制高效互聯(lián)互通和系統(tǒng)快速動(dòng)態(tài)重組的一體化網(wǎng)絡(luò)流量理論, 構(gòu)建了基于一體化網(wǎng)絡(luò)流量理論的異構(gòu)鏈路匯聚機(jī)理、異構(gòu)網(wǎng)絡(luò)融合機(jī)理以及網(wǎng)鏈融合技術(shù), 在我陸軍戰(zhàn)術(shù)防空指揮控制系統(tǒng)中應(yīng)用, 實(shí)現(xiàn)了異構(gòu)鏈路高效匯聚和異構(gòu)網(wǎng)絡(luò)高效統(tǒng)一承載, 解決了長(zhǎng)期困擾我陸軍戰(zhàn)術(shù)防空指揮控制系統(tǒng)存在的新老通信體制無(wú)法有效互聯(lián)互通、動(dòng)態(tài)重組慢的歷史頑疾.

本文系統(tǒng)梳理了在一體化網(wǎng)絡(luò)流量理論、陸軍戰(zhàn)術(shù)防空通信網(wǎng)絡(luò)異構(gòu)鏈路匯聚機(jī)理、異構(gòu)網(wǎng)絡(luò)融合機(jī)理, 以及網(wǎng)鏈融合技術(shù)方面進(jìn)行探索與實(shí)踐的成果, 期望為新一代陸軍防空反導(dǎo)系統(tǒng)的建設(shè)提供理論與技術(shù)支撐.

1 一體化網(wǎng)絡(luò)流量的概念、定義和主要定理

一體化網(wǎng)絡(luò)由空間信息網(wǎng)絡(luò)和地面信息網(wǎng)絡(luò)組成[4-6], 如圖1 所示, 一體化網(wǎng)絡(luò)的主要特征是時(shí)空變化大尺度、網(wǎng)絡(luò)流量高時(shí)變、流量強(qiáng)度高突發(fā), 存在的難點(diǎn)問(wèn)題是流量特征建模難、性能邊界確定難、流量規(guī)律預(yù)測(cè)難, 導(dǎo)致網(wǎng)絡(luò)難以有效管理. 然而, 國(guó)內(nèi)外沒(méi)有空間信息網(wǎng)絡(luò)流量理論, 一體化網(wǎng)絡(luò)流量理論缺失. 為此, 在構(gòu)建空間信息網(wǎng)絡(luò)體系架構(gòu)和網(wǎng)絡(luò)協(xié)議的過(guò)程中, 提出并論證了空間信息網(wǎng)絡(luò)流量的自相似性, 明晰了緩存容量理論邊界與網(wǎng)絡(luò)流量自相似程度的關(guān)系, 揭示了空間信息網(wǎng)絡(luò)流量演變的規(guī)律[7]. 進(jìn)而, 構(gòu)建了特征、邊界和規(guī)律“三位一體”的一體化網(wǎng)絡(luò)流量理論. 一體化網(wǎng)絡(luò)流量理論和模型關(guān)系如圖2 所示.

圖1 天地一體化網(wǎng)絡(luò)結(jié)構(gòu)示意圖Fig.1 Schematic diagram of the space-terrestrial integrated network structure

圖2 一體化網(wǎng)絡(luò)流量理論和模型關(guān)系圖Fig.2 Relationship diagram between integrated network traffic theory and model

1.1 一體化網(wǎng)絡(luò)流量的自相似性（特征）

網(wǎng)絡(luò)流量是信息或數(shù)據(jù)在通信網(wǎng)絡(luò)中的“流動(dòng)”,其研究源于公共交換電話網(wǎng)絡(luò). 長(zhǎng)期以來(lái)人們認(rèn)為語(yǔ)音流量, 以及擴(kuò)展到數(shù)據(jù)流量, 都可以用特定的馬爾可夫模型（如泊松模型）來(lái)充分描述, 這些模型在一定程度上可以進(jìn)行流量的精確分析和有效控制.但隨著一體化網(wǎng)絡(luò)時(shí)空大尺度變化、網(wǎng)絡(luò)規(guī)模擴(kuò)大、用戶數(shù)量激增與業(yè)務(wù)種類層出不窮等, 網(wǎng)絡(luò)中業(yè)務(wù)流不再是單一的, 而是呈現(xiàn)出高復(fù)雜性, 即網(wǎng)絡(luò)流量高時(shí)變、流量強(qiáng)度高突發(fā)等, 這種復(fù)雜性決定了可將網(wǎng)絡(luò)流量看作一種類似于“湍流”的自然現(xiàn)象, 即網(wǎng)絡(luò)流量的自相似性. 網(wǎng)絡(luò)流量的自相似性是指在不同觀測(cè)時(shí)間尺度網(wǎng)絡(luò)流呈現(xiàn)相同的突發(fā)特性, 即無(wú)論增大還是減小時(shí)間尺度, 匯聚業(yè)務(wù)的突發(fā)性會(huì)得到保持. 如果將網(wǎng)絡(luò)流量看作是隨機(jī)過(guò)程, 可用如下的數(shù)學(xué)定義描述自相似.

定義1 連續(xù)自相似過(guò)程[8]：如果廣義平穩(wěn)隨機(jī)過(guò)程滿足

上述是連續(xù)的自相似隨機(jī)過(guò)程, 對(duì)于離散序列可根據(jù)序列二階特性定義二階自相似. 廣義平穩(wěn)隨機(jī)序列的長(zhǎng)度為n 的聚集序列定義為

定義3 漸近二階自相似[8]：如果聚集序列的自相關(guān)函數(shù)滿足條件

關(guān)于網(wǎng)絡(luò)流量的自相似性, 文獻(xiàn)[9]指出, 文件的大小和到達(dá)時(shí)間間隔的重尾分布是導(dǎo)致網(wǎng)絡(luò)流量自相似特征的主要物理根源. 文獻(xiàn)[10]利用ON/OFF 模型建模數(shù)據(jù)源在發(fā)送數(shù)據(jù)和不發(fā)送數(shù)據(jù)這兩種狀態(tài)之間交替更迭. 其中, ON 對(duì)應(yīng)發(fā)送數(shù)據(jù)期間, 而OFF對(duì)應(yīng)不發(fā)送數(shù)據(jù)期間, 網(wǎng)絡(luò)流量可以看作是由一系列ON/OFF 源疊加共同作用產(chǎn)生的.

把時(shí)間尺度增加K 倍, 那么在（0, Kt]的時(shí)間內(nèi),鏈路上傳輸?shù)睦塾?jì)源包數(shù)為

當(dāng)匯聚的異構(gòu)鏈路越多, 匯聚的時(shí)間越長(zhǎng), 鏈路上傳輸?shù)睦塾?jì)數(shù)據(jù)包變化規(guī)律就是具有自相似統(tǒng)計(jì)特征的分形布朗運(yùn)動(dòng), 即數(shù)據(jù)包數(shù)主要由一個(gè)常數(shù)決定, 而且以這個(gè)常數(shù)為中心做上下波動(dòng). 即當(dāng)業(yè)務(wù)源的總數(shù)M 和時(shí)間縮放因子足夠大時(shí)（仿真中M 取20, K 取100 s）, 隨機(jī)過(guò)程的統(tǒng)計(jì)特性接近于

其中, 設(shè)TON和TOFF分別為業(yè)務(wù)源ON 持續(xù)的時(shí)間和OFF 持續(xù)的時(shí)間的對(duì)應(yīng)的隨機(jī)變量；E（TON）和E（TOFF）分別為它們的均值；c 是一個(gè)取決于TON和TOFF分布的因子, BH（t）表示分形布朗運(yùn)動(dòng).

在強(qiáng)對(duì)抗、高機(jī)動(dòng)的復(fù)雜戰(zhàn)場(chǎng)環(huán)境下, 一體化網(wǎng)絡(luò)中的鏈路隨機(jī)通斷的概率增加, 網(wǎng)絡(luò)拓?fù)涓邉?dòng)態(tài)變化, 如果將網(wǎng)絡(luò)中鏈路的通斷也看作ON/OFF 過(guò)程, 并用ΘON和ΘOFF分別表示鏈路連通時(shí)間和斷開(kāi)時(shí)間對(duì)應(yīng)的隨機(jī)變量. 進(jìn)一步, 設(shè)TON、TOFF、ΘON和ΘOFF均服從重尾分布, 并且當(dāng)x→∞時(shí), 它們的累積分布函數(shù)分別為

認(rèn)為T(mén)ON和ΘON同時(shí)發(fā)生時(shí), 發(fā)送數(shù)據(jù)包；TOFF和ΘOFF只要有一個(gè)發(fā)生, 則不發(fā)送數(shù)據(jù)包. 于是數(shù)據(jù)包發(fā)送時(shí)間的分布函數(shù)可用Z=min（TON, ΘON）表示, 數(shù)據(jù)包不發(fā)送時(shí)間的分布函數(shù)可用Z=max（TOFF, ΘOFF）表示.

于是

這里假設(shè)β2>β1, 容易證明

定理1 當(dāng)業(yè)務(wù)源的ON 和OFF 時(shí)長(zhǎng), 以及鏈路連接時(shí)長(zhǎng)均為重尾分布的條件下, 在t 時(shí)刻, 對(duì)于足夠大的M 和K, 聚合行為的統(tǒng)計(jì)行為收斂于

式（15）表明, 當(dāng)業(yè)務(wù)源的ON 和OFF 時(shí)長(zhǎng), 以及鏈路連接時(shí)長(zhǎng)均為重尾分布時(shí), 網(wǎng)絡(luò)流量仍具有自相似性.

1.2 基于網(wǎng)絡(luò)流量自相似性的緩存容量與服務(wù)速率設(shè)置（邊界）

網(wǎng)絡(luò)流量的自相似性使得匯聚業(yè)務(wù)的突發(fā)性會(huì)得到保持. 異構(gòu)鏈路聚集業(yè)務(wù)的突發(fā)性會(huì)導(dǎo)致緩存溢出率高、時(shí)延變長(zhǎng). 此外, 緩沖區(qū)隊(duì)列長(zhǎng)度影響著業(yè)務(wù)的丟包率和時(shí)延, 如果緩沖區(qū)太大, 隊(duì)列的丟包率可以滿足要求, 但時(shí)延不能得到保障；反之, 如果緩沖區(qū)太小, 數(shù)據(jù)包時(shí)延可以滿足要求, 但較低丟包率可能得不到保障. 為此, 根據(jù)自相似網(wǎng)絡(luò)流量特點(diǎn),分別給出了滿足丟包率要求的緩存理論最小值, 以及滿足時(shí)延要求的緩存理論最大值.

為了準(zhǔn)確描述異構(gòu)鏈路匯聚業(yè)務(wù)流的自相似性,在此用Norros 提出分形布朗運(yùn)動(dòng)業(yè)務(wù)模型[11]

進(jìn)一步, 假設(shè)允許的溢出概率最大值為ε, 則結(jié)合溢出概率表達(dá)式可得

于是

因此有：

進(jìn)一步, 引入具有自相似特性的分形漏桶來(lái)描述網(wǎng)絡(luò)流量的到達(dá)曲線[13]

其中,

其中, ρ 為業(yè)務(wù)長(zhǎng)期平均速率；b 為突發(fā)量；γ 為正常數(shù)（一般取6）；σ 為標(biāo)準(zhǔn)差；H 為自相似參數(shù). 假設(shè)網(wǎng)絡(luò)積壓在T 處取得, 即B（t）=b+ρT, 其中, T 為網(wǎng)絡(luò)節(jié)點(diǎn)服務(wù)延遲, 包括排隊(duì)時(shí)延、處理時(shí)延和發(fā)送時(shí)延.設(shè)業(yè)務(wù)在網(wǎng)絡(luò)節(jié)點(diǎn)處能容忍的最大時(shí)延為dmax, 通常情況下dmax>T, 則網(wǎng)絡(luò)節(jié)點(diǎn)緩存的理論最大值為：b+ρdmax. 于是有

定理3 設(shè)網(wǎng)絡(luò)流量的到達(dá)曲線A（t）=ρt+b 符合自相似特性的分形漏桶特性, 其中,, 業(yè)務(wù)允許的最大延遲為dmax, 則網(wǎng)絡(luò)節(jié)點(diǎn)緩存的理論最大值為

假設(shè)鏈路帶寬與緩存服務(wù)速率相同為C, 網(wǎng)絡(luò)的緩存最大值大于等于網(wǎng)絡(luò)節(jié)點(diǎn)的最大積壓, 即Cdmax≥b+ρT.得到在最大時(shí)延dmax約束下的鏈路帶寬最小值為

綜上所述, 得到：

定理4 在定理3 的約束條件下, 鏈路帶寬C 最小值為

其中, ρ 為業(yè)務(wù)長(zhǎng)期平均速率；γ 為正常數(shù)（一般取6）；σ 為標(biāo)準(zhǔn)差；H 為自相似參數(shù).

1.3 基于網(wǎng)絡(luò)流量自相似性的流量預(yù)測(cè)與控制（規(guī)律）

傳統(tǒng)網(wǎng)絡(luò)認(rèn)為丟包的原因就是擁塞, 通過(guò)發(fā)送端不斷地向網(wǎng)絡(luò)注入數(shù)據(jù), 依據(jù)數(shù)據(jù)包返回的ACK的時(shí)延來(lái)判斷網(wǎng)絡(luò)是否發(fā)生擁塞, 若發(fā)生擁塞, 則采取減輕擁塞的措施, 是一種試探性并且事后補(bǔ)救的方法, 無(wú)法避免擁塞發(fā)生帶來(lái)的損失. 對(duì)于強(qiáng)對(duì)抗、高機(jī)動(dòng)復(fù)雜戰(zhàn)場(chǎng)環(huán)境下的無(wú)線通信網(wǎng)絡(luò), 丟包并不意味著網(wǎng)絡(luò)擁塞, 有可能是干擾、斷鏈等導(dǎo)致的鏈路錯(cuò)誤或重路由, 由此引起的數(shù)據(jù)包傳輸延遲, 如果據(jù)此進(jìn)行流量控制將導(dǎo)致鏈路利用率的降低和網(wǎng)絡(luò)吞吐量的下降.

為此, 提出了網(wǎng)絡(luò)流量預(yù)測(cè)和控制機(jī)制, 揭示了一體化網(wǎng)絡(luò)流量的規(guī)律：緩存溢出概率隨緩存尺寸的增加呈現(xiàn)負(fù)指數(shù)降低, 但溢出概率的增長(zhǎng)幅度隨自相似程度H 的增大趨于倍增關(guān)系（2X）.根據(jù)式（17）可以得到P（X>x）與x 的關(guān)系曲線如圖3 所示.

圖3 P（X>x）與x 的關(guān)系曲線Fig.3 Relationship between P（X > x）and X

從圖中可以看出, P（X>x）隨x 的變化趨勢(shì)與H有關(guān), 當(dāng)x 超過(guò)一定值時(shí), 隨著x 的增加, H 越大, 曲線下降越緩慢, 即對(duì)于自相似性強(qiáng)的業(yè)務(wù)流, 增大緩存容量并不能有效地改善溢出.

此外, 網(wǎng)絡(luò)流量的自相似特性意味著在大范圍的時(shí)間尺度上存在著低活動(dòng)和高活動(dòng)（即突發(fā)）的集中時(shí)期, 這給基于QoS 服務(wù)質(zhì)量的資源調(diào)度帶來(lái)了新的復(fù)雜性, 但同時(shí)也開(kāi)辟了一個(gè)網(wǎng)絡(luò)流量擁塞控制的新的研究途徑——即在更大的時(shí)間尺度上, 可以利用存在的自相似特性, 通過(guò)隊(duì)列管理與調(diào)度等進(jìn)行更好的擁塞控制.

在流量控制方面, 針對(duì)網(wǎng)絡(luò)流量的自相似特性,提出了基于小波分析和LFSN 模型的網(wǎng)絡(luò)流量預(yù)測(cè)和控制方法. 該方法在網(wǎng)絡(luò)節(jié)點(diǎn)處對(duì)經(jīng)預(yù)處理的流量做小波分解, 形成包含高頻和低頻兩部分的多個(gè)分支, 利用LFSN 模型分別對(duì)重構(gòu)后的單支進(jìn)行預(yù)測(cè)并合成流量, 返回預(yù)測(cè)結(jié)果, 發(fā)送端根據(jù)業(yè)務(wù)屬性,利用動(dòng)靜結(jié)合的多級(jí)多元令牌桶帶寬分配方法控制發(fā)送速率, 控制的過(guò)程如圖4 所示.

圖4 基于自相似流量模型的流量控制原理Fig.4 Flow control principle based on self-similarity flow model

由STK 和OPNET 共同構(gòu)建仿真系統(tǒng). 衛(wèi)星網(wǎng)絡(luò)部分使用66 顆銥星通信系統(tǒng), 設(shè)置2 個(gè)需要銥星系統(tǒng)中繼通信的地面區(qū)域, 每個(gè)區(qū)域中包含50 個(gè)地面終端. 其中, 星間鏈路帶寬25 Mb/s, 終端與衛(wèi)星鏈路帶寬1.5 Mb/s, 采用最短路徑算法路由. 如圖5 所示,驗(yàn)證表明利用基于預(yù)測(cè)的流量控制, 其端到端吞吐量最多可提高約40%.

圖5 基于預(yù)測(cè)的流量控制的網(wǎng)絡(luò)端到端吞吐量Fig.5 Network end-to-end throughput based on predictive traffic control

2 基于一體化網(wǎng)絡(luò)流量理論的異構(gòu)鏈路匯聚和異構(gòu)網(wǎng)絡(luò)融合機(jī)理

在陸軍戰(zhàn)術(shù)防空通信網(wǎng)絡(luò)中, 采用有線、光纖、短波、超短波、空中中繼、衛(wèi)星等多種異構(gòu)鏈路, 構(gòu)建了地面、空中、天基相結(jié)合, 初級(jí)戰(zhàn)術(shù)互聯(lián)網(wǎng)、戰(zhàn)術(shù)互聯(lián)網(wǎng)、專用通信網(wǎng)等多種網(wǎng)絡(luò)相融合的一體化網(wǎng)絡(luò)（以下簡(jiǎn)稱一體化網(wǎng)絡(luò)）. 基于特征、邊界和規(guī)律“三位一體”的一體化網(wǎng)絡(luò)流量理論, 實(shí)現(xiàn)了一體化網(wǎng)絡(luò)中異構(gòu)鏈路高效匯聚和異構(gòu)網(wǎng)絡(luò)融合, 以及面向業(yè)務(wù)的網(wǎng)系/鏈路自動(dòng)優(yōu)選的網(wǎng)鏈融合, 支撐了話音、數(shù)據(jù)、圖像、視頻等防空業(yè)務(wù)的高效傳輸.

2.1 基于一體化網(wǎng)絡(luò)流量理論的異構(gòu)鏈路匯聚機(jī)理

在一體化網(wǎng)絡(luò)中, 異構(gòu)鏈路協(xié)議差異大、傳輸速率波動(dòng)大、業(yè)務(wù)QoS 需求差異大, 導(dǎo)致異構(gòu)鏈路匯聚復(fù)雜. 國(guó)內(nèi)外現(xiàn)有基于流量短相關(guān)特性的匯聚技術(shù),無(wú)法準(zhǔn)確刻畫(huà)流量突變導(dǎo)致的匯聚難點(diǎn), 不能有效解決上述問(wèn)題.

為此, 提出了基于一體化網(wǎng)絡(luò)流量理論的異構(gòu)鏈路匯聚新機(jī)理[14-18], 實(shí)現(xiàn)了異構(gòu)鏈路的高效匯聚,破解了一體化網(wǎng)絡(luò)系統(tǒng)互聯(lián)互通的技術(shù)瓶頸. 各關(guān)鍵技術(shù)之間的交互關(guān)系如圖6 所示.

圖6 基于一體化網(wǎng)絡(luò)流量理論的異構(gòu)鏈路匯聚關(guān)鍵技術(shù)Fig.6 Key technologies of heterogeneous link aggregation based on integrated network traffic theory

本文重點(diǎn)闡述隊(duì)列綜合調(diào)度, 自適應(yīng)幀生成, 隊(duì)列管理解決與誰(shuí)匯聚的問(wèn)題, 自適應(yīng)幀生成解決何時(shí)匯聚的問(wèn)題, 隊(duì)列調(diào)度和隊(duì)列綜合調(diào)度解決高效匯聚的問(wèn)題, 其關(guān)系如圖7 所示.

圖7 異構(gòu)鏈路匯聚流程Fig.7 Heterogeneous link aggregation process

2.1.1 基于一體化網(wǎng)絡(luò)流量自相似性的隊(duì)列綜合調(diào)度方法

在傳統(tǒng)研究中, 隊(duì)列管理算法主要負(fù)責(zé)節(jié)點(diǎn)緩存資源的分配, 隊(duì)列調(diào)度算法主要負(fù)責(zé)鏈路帶寬資源的分配, 兩類算法研究成果的相關(guān)性弱、耦合度低. 然而, 從資源管理的角度來(lái)看, 隊(duì)列管理和隊(duì)列調(diào)度是相輔相成、緊密耦合的, 只有兩者相互配合才能獲得最優(yōu)的流量控制效果. 為此, 基于一體化網(wǎng)絡(luò)的網(wǎng)絡(luò)流量特征, 提出了一種隊(duì)列管理算法與隊(duì)列調(diào)度算法相結(jié)合的隊(duì)列綜合調(diào)度方法[13].

1）隊(duì)列管理算法

本文1.1 節(jié)中闡明了一體化網(wǎng)絡(luò)流量的特征, 網(wǎng)絡(luò)流量強(qiáng)度高突發(fā), 即流量的自相似性, 依據(jù)定理2和式（17）, 自相似性越強(qiáng), 異構(gòu)鏈路匯聚節(jié)點(diǎn)的排隊(duì)性能受到的影響越大, 單純依靠增加緩存容量, 并不能顯著改善系統(tǒng)性能, 甚至?xí)黾友訒r(shí). 為此, 構(gòu)建基于Hurst 參數(shù)的長(zhǎng)度閾值計(jì)算模型, 設(shè)計(jì)基于流量突發(fā)性表征參數(shù)以及流量等級(jí)預(yù)測(cè)結(jié)果的分組丟棄概率, 即何時(shí)丟包？丟什么樣的包？解決和誰(shuí)匯聚的問(wèn)題. 該算法采用基于Hurst 值與優(yōu)先級(jí)的兩級(jí)丟包策略, 即包丟棄概率Pb 由兩級(jí)丟棄概率, 粗粒度丟棄概率Pb1 和細(xì)粒度丟棄概率Pb2 決定. 粗粒度丟棄概率Pb1 重在對(duì)所有包的公平性, 即依據(jù)網(wǎng)絡(luò)流量的平均速率m、方差系數(shù)a 和Hurst 值, 調(diào)整下一時(shí)間間隔內(nèi)包的丟棄概率的大?。患?xì)粒度丟棄概率Pb2, 重在確保VIP 業(yè)務(wù)優(yōu)先傳輸. 為每個(gè)隊(duì)列分配一個(gè)優(yōu)先級(jí), 同一個(gè)隊(duì)列中的包具有相同的優(yōu)先級(jí),根據(jù)包的優(yōu)先級(jí)調(diào)整細(xì)粒度丟棄概率.

由此, 既保證了隊(duì)列的包丟棄概率依據(jù)流量的自相似程度動(dòng)態(tài)調(diào)整, 又保證了高優(yōu)先級(jí)業(yè)務(wù)具有較低的包丟棄概率.

2）隊(duì)列調(diào)度算法

在完成隊(duì)列管理算法設(shè)計(jì)的基礎(chǔ)上, 設(shè)計(jì)了基于邊界可移動(dòng)的隊(duì)列調(diào)度算法. 根據(jù)業(yè)務(wù)優(yōu)先級(jí)和隊(duì)列等待時(shí)間完成隊(duì)列的動(dòng)態(tài)賦權(quán)與敏捷調(diào)度, 解決高效匯聚的問(wèn)題. 將隊(duì)列分為VIP 隊(duì)列、同步隊(duì)列和異步隊(duì)列, 隊(duì)列中的數(shù)據(jù)則相應(yīng)為VIP 數(shù)據(jù)、同步數(shù)據(jù)和異步數(shù)據(jù). 由于VIP 數(shù)據(jù)要隨到隨傳, 下面重點(diǎn)分析同步隊(duì)列的調(diào)度算法、異步隊(duì)列的調(diào)度算法和隊(duì)列綜合調(diào)度方法.

a）同步隊(duì)列的調(diào)度算法

對(duì)于視頻業(yè)務(wù)和音頻業(yè)務(wù)的同步隊(duì)列的傳輸,設(shè)計(jì)了一種新的加權(quán)周期輪詢調(diào)度算法, 即如果分配給同步隊(duì)列VC1、VC2 的時(shí)隙數(shù)分別為n1、n2,時(shí)隙數(shù)n1 內(nèi)首先調(diào)度n1 個(gè)VC1, 時(shí)隙數(shù)n2 內(nèi)再調(diào)度n2 個(gè)VC2. 實(shí)現(xiàn)了同步業(yè)務(wù)基于公平性的傳輸時(shí)延性能的提升.

b）異步隊(duì)列的調(diào)度算法

對(duì)異步隊(duì)列, 在傳統(tǒng)動(dòng)態(tài)優(yōu)先級(jí)調(diào)度算法的基礎(chǔ)上, 設(shè)計(jì)了一種自適應(yīng)動(dòng)態(tài)優(yōu)先級(jí)調(diào)度算法：

即構(gòu)建各異步隊(duì)列的動(dòng)態(tài)優(yōu)先級(jí)Dpi, 并設(shè)置每個(gè)異步隊(duì)列的最大延時(shí)Ti,

式中, Dpi為包丟棄概率Pi時(shí)第i 個(gè)隊(duì)列的動(dòng)態(tài)優(yōu)先級(jí)；mi為第i 個(gè)隊(duì)列的緊迫度系數(shù), 當(dāng)該隊(duì)列有待傳的幀時(shí)；Bi為1, 否則Bi為0；Fi為第i 個(gè)隊(duì)列在緩存內(nèi)待傳的幀數(shù)為第i 個(gè)隊(duì)列的時(shí)延, Ti為第i 個(gè)隊(duì)列的最大時(shí)延.

判斷是否有超過(guò)最大延時(shí)的異步隊(duì)列, 若有選擇超出時(shí)間最多的一個(gè)；否則傳送動(dòng)態(tài)優(yōu)先級(jí)最高的異步隊(duì)列.

3）隊(duì)列綜合調(diào)度方法

將隊(duì)列管理算法和隊(duì)列調(diào)度算法有效結(jié)合起來(lái),提出了基于一體化網(wǎng)絡(luò)流量自相似性的隊(duì)列綜合調(diào)度方法（HPRED-DS）. 在隊(duì)列管理階段, HPRED 算法重點(diǎn)解決節(jié)點(diǎn)緩存資源的分配, 在隊(duì)列調(diào)度階段, 邊界可移動(dòng)的VIP/同步/異步隊(duì)列混合調(diào)度算法進(jìn)行動(dòng)態(tài)調(diào)度, 重點(diǎn)解決帶寬資源的分配, 進(jìn)一步提升匯聚的效率,即高效匯聚,具體算法見(jiàn)文獻(xiàn)[14].

利用MATLAB 仿真工具對(duì)HPRED-DS 算法性能進(jìn)行了驗(yàn)證, 參數(shù)設(shè)置為：Qmax=200 packets, Qmin=100 packets, 每幀封裝的包個(gè)數(shù)N=3. 各虛擬信道的平均包到達(dá)率（packets/s）、優(yōu)先級(jí)和緊迫度系數(shù)如表1 所示.

表1 虛擬信道參數(shù)設(shè)置Table 1 Setting of virtual channel parameters

結(jié)果如圖8～圖9 所示. 驗(yàn)證表明：在保持高處理效率和吞吐率的同時(shí), 該算法可穩(wěn)定隊(duì)列長(zhǎng)度, 平均排隊(duì)時(shí)延降低40%以上, 實(shí)現(xiàn)了對(duì)戰(zhàn)術(shù)指揮控制網(wǎng)絡(luò)中異構(gòu)鏈路傳輸業(yè)務(wù)的有效管理.

圖8 各隊(duì)列的隊(duì)列長(zhǎng)度（H=0.8）Fig.8 Queue length of each queue（H=0.8）

圖9 排隊(duì)延時(shí)Fig.9 Queuing delay

2.1.2 面向多業(yè)務(wù)多鏈路的自適應(yīng)幀生成方法

基于一體化網(wǎng)絡(luò)流量的邊界與規(guī)律, 對(duì)未被丟棄的包, 設(shè)計(jì)最優(yōu)幀長(zhǎng), 確定VIP 數(shù)據(jù)、同步數(shù)據(jù)和異步數(shù)據(jù)等的最佳成幀時(shí)間, 保障復(fù)用效率的同時(shí), 降低時(shí)延敏感業(yè)務(wù)的成幀時(shí)間, 解決何時(shí)匯聚的問(wèn)題.

VIP 數(shù)據(jù)、同步數(shù)據(jù)和異步數(shù)據(jù)這3 類數(shù)據(jù)的成幀方式如下：

1）VIP 數(shù)據(jù)的成幀方式

VIP 數(shù)據(jù)的實(shí)時(shí)性最強(qiáng), 用VIP 虛擬信道傳輸,只要出現(xiàn)VIP 數(shù)據(jù), 則VIP 虛擬信道將搶占系統(tǒng)的資源, 采用即入即出的成幀方式, 使其在最短的時(shí)間內(nèi)得到傳輸.

2）同步數(shù)據(jù)的成幀方式

音頻、視頻等流媒體的幀之間具有嚴(yán)格的時(shí)序性和實(shí)時(shí)性, 因此, 構(gòu)建了基于同步虛擬信道分配的等時(shí)成幀方式.

3）異步數(shù)據(jù)的成幀方式

有效載荷狀態(tài)、基于作戰(zhàn)效果評(píng)估的戰(zhàn)后復(fù)原等異步數(shù)據(jù), 時(shí)序性和實(shí)時(shí)性低, 因此, 構(gòu)建基于異步虛擬信道動(dòng)態(tài)傳輸?shù)牡乳L(zhǎng)成幀方式.

然而, 在一體化網(wǎng)絡(luò)中, 10 多種以上異構(gòu)鏈路并存, 傳輸路徑此斷彼通、信道狀態(tài)多變. 當(dāng)傳輸信道狀態(tài)變化時(shí), 固定的幀長(zhǎng)會(huì)造成吞吐量大幅降低, 從而影響系統(tǒng)性能. 為此, 根據(jù)信道狀態(tài)完成了自適應(yīng)幀長(zhǎng)的設(shè)計(jì), 獲得了最優(yōu)幀長(zhǎng), 保證了系統(tǒng)吞吐量始終最大化[15].

a）幀長(zhǎng)與吞吐量的關(guān)系模型

成幀解決了何時(shí)匯聚的問(wèn)題, 匯聚后系統(tǒng)的傳輸性能是由歸一化吞吐量來(lái)描述的, 歸一化的吞吐量定義為

其中, r 為信道編碼效率；ηf為幀效率（傳輸幀中幀數(shù)據(jù)域長(zhǎng)與幀長(zhǎng)之比）, ηd為幀數(shù)據(jù)域的效率, 假設(shè)為1；Lf為幀長(zhǎng)；pe為信道誤比特率, 設(shè)信道為無(wú)記憶隨機(jī)差錯(cuò)信道, 即前后碼元互不相關(guān), 具有等概率無(wú)記憶特性. 由式（28）可得不同信道誤比特率下幀長(zhǎng)與吞吐量的關(guān)系如圖10 所示.

圖10 不同誤比特率下幀長(zhǎng)與吞吐量的關(guān)系Fig.10 Relationship between frame length and throughput under different bit error rates

圖10 描述了歸一化吞吐量與幀長(zhǎng)Lf、信道誤比特率pe之間的關(guān)系. 當(dāng)pe小于10-6時(shí), 幀長(zhǎng)對(duì)吞吐量性能影響較小, 即信道傳輸特性較好時(shí), 幀長(zhǎng)可取較大值, 以提高幀效率；當(dāng)pe大于10-5時(shí), 幀長(zhǎng)對(duì)吞吐量性能影響較大, 吞吐量隨著幀長(zhǎng)的增大有一個(gè)小幅增量, 然后迅速下降. 因此, 需要基于信道傳輸特性, 設(shè)計(jì)最優(yōu)幀長(zhǎng)（Lfo）, 使系統(tǒng)獲得最大吞吐量.

b）最優(yōu)幀長(zhǎng)設(shè)計(jì)

其中,Cf是幀頭的長(zhǎng)度,由0

圖11 不同誤比特率情況下的最優(yōu)幀長(zhǎng)Fig.11 Optimal frame length under different bit error rates

圖12 比較了3 種調(diào)制下, 采用最優(yōu)幀長(zhǎng)和固定幀長(zhǎng)時(shí)系統(tǒng)的歸一化吞吐量. 其中, 固定幀長(zhǎng)分別選取了1 024 B、500 B、100 B 和50 B, 如圖12 所示.

圖12 本算法與固定幀長(zhǎng)的吞吐量比較Fig.12 The throughput of this algorithm compared with that of fixed frame length

驗(yàn)證結(jié)果表明：在BPSK、8PSK 和16QAM 3 種調(diào)制方式下, 本算法設(shè)計(jì)的最優(yōu)幀長(zhǎng)明顯大于任意一種固定幀長(zhǎng)條件下的歸一化吞吐量, 能夠顯著提升大容量數(shù)據(jù)業(yè)務(wù)吞吐能力.

2.2 基于一體化網(wǎng)絡(luò)流量理論的異構(gòu)網(wǎng)絡(luò)融合機(jī)理

在陸軍戰(zhàn)術(shù)防空通信網(wǎng)絡(luò)中, 異構(gòu)網(wǎng)絡(luò)包括戰(zhàn)術(shù)電臺(tái)互聯(lián)網(wǎng)、超短波指揮/情報(bào)網(wǎng)等, 異構(gòu)網(wǎng)絡(luò)中IP 和ATM 等交換方式并存, 國(guó)內(nèi)外現(xiàn)有的網(wǎng)絡(luò)互聯(lián)方式設(shè)備復(fù)雜、轉(zhuǎn)換效率低、路由收斂慢導(dǎo)致系統(tǒng)無(wú)法有效互聯(lián)互通和快速動(dòng)態(tài)重組, 難以滿足多業(yè)務(wù)多QoS 需求.

為此, 提出了基于一體化網(wǎng)絡(luò)流量理論的異構(gòu)網(wǎng)絡(luò)融合新機(jī)理[16-23], 構(gòu)建MPLS 多協(xié)議標(biāo)簽交換架構(gòu), 從而有效屏蔽協(xié)議類型及數(shù)據(jù)單元格式的差異性, 解決“聯(lián)得通”的問(wèn)題. 基于網(wǎng)絡(luò)流量特征以及業(yè)務(wù)的差異化傳輸需求, 構(gòu)建多業(yè)務(wù)路由優(yōu)化方法, 解決“傳得快”的問(wèn)題, 實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)資源的統(tǒng)一調(diào)配與集中控制, 以及網(wǎng)絡(luò)層ATM、IP 等不同交換體制間的信息交互, 保障承載數(shù)據(jù)分發(fā)的及時(shí)性, 破解了系統(tǒng)快速動(dòng)態(tài)重組的難題. 本文重點(diǎn)分析多業(yè)務(wù)路由優(yōu)化方法.

本文的1.3 節(jié)揭示了一體化網(wǎng)絡(luò)流量的規(guī)律, 提出了基于小波分析和LFSN 模型的網(wǎng)絡(luò)流量預(yù)測(cè)方法, 以此預(yù)測(cè)結(jié)果作為輸入, 針對(duì)當(dāng)前一體化網(wǎng)絡(luò)路由方案缺乏對(duì)業(yè)務(wù)QoS 需求與鏈路實(shí)時(shí)狀態(tài)關(guān)聯(lián)關(guān)系的考量, 導(dǎo)致多業(yè)務(wù)路由收斂慢、網(wǎng)絡(luò)效率低的問(wèn)題. 綜合分析不同業(yè)務(wù)對(duì)QoS 的不同要求, 利用動(dòng)態(tài)本征向量法確定丟包率、時(shí)延抖動(dòng)、帶寬等多QoS指標(biāo)的權(quán)值, 將一體化網(wǎng)絡(luò)的多業(yè)務(wù)路由問(wèn)題轉(zhuǎn)化為多目標(biāo)決策優(yōu)化問(wèn)題, 構(gòu)建一種基于多目標(biāo)決策的多業(yè)務(wù)路由優(yōu)化方法.

2.2.1 一體化網(wǎng)絡(luò)業(yè)務(wù)QoS 指標(biāo)的表征模型

一體化網(wǎng)絡(luò)業(yè)務(wù)種類繁多, 不同業(yè)務(wù)有不同的QoS 要求, 一體化網(wǎng)絡(luò)中QoS 指標(biāo)包括：丟包率、時(shí)延抖動(dòng)、帶寬等, 可分別用可乘性參數(shù)、可加性參數(shù)和凹性參數(shù)來(lái)描述. 用Sij表示第i 條鏈路的QoS 中j指標(biāo)值；TS表示整個(gè)路徑的QoS 指標(biāo)值；TS 表示整個(gè)路徑的鏈路集, 則丟包率、時(shí)延抖動(dòng)、帶寬等表征模型如表2 所示.

表2 QoS 指標(biāo)的表征模型Table 2 Characterization model of QoS index

2.2.2 基于多目標(biāo)決策的多業(yè)務(wù)路由優(yōu)化方法

利用動(dòng)態(tài)本征向量法確定了不同業(yè)務(wù)的丟包率、時(shí)延抖動(dòng)、帶寬等QoS 指標(biāo)的權(quán)值后, 構(gòu)建多目標(biāo)決策優(yōu)化方法.

在可行鏈路域存在多條可選鏈路, 對(duì)于A 類業(yè)務(wù), 若鏈路i*, 其丟包率、時(shí)延抖動(dòng)、帶寬等QoS 指標(biāo)分別都滿足下列條件：

多目標(biāo)決策優(yōu)化方法就是為每種業(yè)務(wù)尋找與理想鏈路最接近的實(shí)際通信鏈路組成的傳輸路徑, 即滿足以下條件的實(shí)際通信鏈路

其中, i 為A 業(yè)務(wù)TS 傳輸路徑中第i 個(gè)鏈路；wj為A業(yè)務(wù)中第j 個(gè)QoS 指標(biāo)的權(quán)值；（j=1, 2, …, N）；N 為A 業(yè)務(wù)的QoS 指標(biāo)數(shù).

采用1.3 節(jié)設(shè)置的仿真拓?fù)? 2 個(gè)通信區(qū)域內(nèi)終端數(shù)目設(shè)置為各15 個(gè), 其他參數(shù)設(shè)置相同. 對(duì)上述多目標(biāo)決策的多業(yè)務(wù)路由優(yōu)化算法的性能進(jìn)行了驗(yàn)證, 如圖13、圖14 所示.

圖13 網(wǎng)絡(luò)吞吐量Fig.13 Network throughput

圖14 負(fù)載分布指數(shù)Fig.14 Load distribution index

驗(yàn)證結(jié)果表明：該算法使得網(wǎng)絡(luò)吞吐量提升16%以上, 同時(shí)均衡了負(fù)載.

2.3 陸軍戰(zhàn)術(shù)防空通信網(wǎng)絡(luò)網(wǎng)鏈融合的實(shí)踐

針對(duì)陸軍防空指控通信網(wǎng)絡(luò), 基于一體化網(wǎng)絡(luò)流量理論的異構(gòu)鏈路匯聚機(jī)理, 即通過(guò)隊(duì)列綜合調(diào)度、自適應(yīng)幀生成和變速率傳輸?shù)膮f(xié)同獲得最優(yōu)流量控制, 形成了異構(gòu)鏈路尋址交換體系；基于異構(gòu)網(wǎng)絡(luò)融合機(jī)理, 即通過(guò)多協(xié)議標(biāo)簽交換、多業(yè)務(wù)路由優(yōu)化和路由快速收斂的協(xié)同, 獲得均衡流量, 形成了異構(gòu)網(wǎng)絡(luò)尋址交換體系, 如圖15 所示.

圖15 陸軍防空指揮通信網(wǎng)絡(luò)網(wǎng)鏈融合關(guān)鍵技術(shù)示意圖Fig.15 Schematic diagram of key technologies of network chain integration of army air defense command and communication network

3 一體化網(wǎng)絡(luò)流量理論和關(guān)鍵技術(shù)面臨的挑戰(zhàn)

近年來(lái), 美軍不斷創(chuàng)新作戰(zhàn)理論, 提出了多域聯(lián)合作戰(zhàn)、馬賽克作戰(zhàn)、分布式作戰(zhàn)、無(wú)人機(jī)蜂群作戰(zhàn)等新型作戰(zhàn)樣式, 使得戰(zhàn)爭(zhēng)從網(wǎng)絡(luò)中心戰(zhàn)向智能化戰(zhàn)爭(zhēng)飛速轉(zhuǎn)化. 我軍為應(yīng)對(duì)新軍事變革, 加速?gòu)木W(wǎng)絡(luò)中心戰(zhàn)向智能化戰(zhàn)爭(zhēng)轉(zhuǎn)變. 支持網(wǎng)絡(luò)中心戰(zhàn)的是天地一體化通信網(wǎng)絡(luò)系統(tǒng), 支持智能中心戰(zhàn)的是天地一體化智能通信網(wǎng)絡(luò)系統(tǒng). 增加“智能”后, 智能網(wǎng)絡(luò)具有了新的特征, 天地一體化智能網(wǎng)絡(luò)最顯著的特征, 就是節(jié)點(diǎn)綠色泛在, 關(guān)鍵節(jié)點(diǎn)具有計(jì)算和存儲(chǔ)功能. 節(jié)點(diǎn)綠色泛在使得網(wǎng)絡(luò)流量的強(qiáng)突發(fā)性進(jìn)一步增強(qiáng), 關(guān)鍵節(jié)點(diǎn)由于具備計(jì)算能力, 原來(lái)的大容量數(shù)據(jù)得到處理變成小容量數(shù)據(jù), 數(shù)據(jù)的內(nèi)容得到壓縮,流量特性將隨之改變, 由于具備存儲(chǔ)和轉(zhuǎn)發(fā)能力, 網(wǎng)絡(luò)流量的突發(fā)性得到減弱或增強(qiáng), 流量特性也將隨之改變. 上述變化將影響網(wǎng)絡(luò)流量聚合與傳播中數(shù)據(jù)包的分布規(guī)律和統(tǒng)計(jì)特性, 使得與時(shí)間相關(guān)和連接相關(guān)的流量特征描述發(fā)生變化, 降低了流量分類的可靠性, 影響網(wǎng)絡(luò)流量模型、鏈路匯聚和網(wǎng)絡(luò)融合. 因此, 智能網(wǎng)絡(luò)流量理論如何描述？基于智能網(wǎng)絡(luò)流量理論能否有效實(shí)現(xiàn)智能網(wǎng)絡(luò)中異構(gòu)鏈路的高效匯聚？能否實(shí)現(xiàn)智能網(wǎng)絡(luò)中多網(wǎng)絡(luò)的統(tǒng)一承載等,是新的挑戰(zhàn)和難點(diǎn)所在.

4 結(jié)論

本文提出了支撐高效互聯(lián)互通和快速動(dòng)態(tài)重組的一體化網(wǎng)絡(luò)流量理論, 揭示了基于一體化網(wǎng)絡(luò)流量理論的異構(gòu)鏈路匯聚機(jī)理、異構(gòu)網(wǎng)絡(luò)融合機(jī)理, 應(yīng)用于陸軍戰(zhàn)術(shù)防空指揮控制系統(tǒng), 破解了陸軍戰(zhàn)術(shù)防空通信網(wǎng)絡(luò)互聯(lián)互通差導(dǎo)致混編使用難、動(dòng)態(tài)重組慢導(dǎo)致多代指揮弱等難題. 但是面向智能化戰(zhàn)爭(zhēng),智能網(wǎng)絡(luò)應(yīng)運(yùn)而生, 其關(guān)鍵節(jié)點(diǎn)的計(jì)算與存儲(chǔ)功能,給網(wǎng)絡(luò)流量理論和基于網(wǎng)絡(luò)流量理論的異構(gòu)鏈路高效匯聚和智能融合帶來(lái)了新的挑戰(zhàn), 也將成為未來(lái)的難點(diǎn)和研究熱點(diǎn).