面向软件定义边缘计算的自驱动网络机制研究

Software-Defined Edge Computing is becoming the next wave of network computing paradigm. It will become a critical enabler for the future Internet of Things and the fifth-generation telecommunication. Taking the challenges brought by simplifying the complicated management of edge computing and the requirement of sustainable computing paradigm into account, we aim to study a new mechanism that can realize the Self-Driving Networking in this proposal. First, we plan to design a customized protocol dedicated to edge computing, based on the “East-West” protocol API and Lyapunov stochastic optimization theory. Next, we will evaluate the optimization deviation caused by the network-state synchronization latency, leveraging the Markov Approximation theory. Then, based on the blockchain platform, we are going to propose new smart contracts that can ensure the consistent global network state. Finally, we will study a new Reinforcement Learning Algorithm that adapts the “partial observation” as its input. This new algorithm will play an important role in the network optimization engine of Self-Driving Networking. We believe that our proposal, integrating the advantages of multiple cutting-edge theories and technologies, will provide an impactful new computing paradigm and a practical application platform for Software-Defined Edge Computing.

软件定义边缘计算将成为新型网络计算模式，是未来物联网和第五代通信网络的关键“赋能者”。针对简化边缘计算复杂的网络管理与可持续化计算模型的需求给软件定义边缘计算带来的挑战，本项目拟提出一套实现“自驱动网络”运行机制的研究方案。首先，基于软件定义协议“东-西”向编程接口，以Lyapunov随机优化为理论基础，研究设计专用于边缘计算的分布式同步协议。其次，运用“马尔科夫接近”优化理论，分析网络状态同步时延对优化算法造成的理论性能偏差。再者，借助区块链平台，设计保护全局网络视图一致性的智能合约，用于验证同步之后网络状态的确信性。最后，以增强学习方法为基础，以基于部分观测为状态集合提供输入为切入点，研究与软件定义边缘计算交互的新型增强学习算法，为自驱动网络机制构建可动态迭代式运行的网络优化引擎。本项目提出的自驱动网络机制融合多种理论与技术，将为软件定义边缘计算提供新型的体系结构与应用平台支撑。

1．研究内容.本项目将研究一个具有“感知-学习-预测-决策-验证-执行”完整流程闭环的“自驱动网络”运行机制：以边缘计算为研究对象，围绕简化网络状态多变环境下边缘计算的管理和提供可持续演化的计算模式为双重需求，针对边缘计算中网络状态不可及时获取、及分布式网络状态“全局一致性保护”的科学问题，分别从“感知、执行”，“学习、预测、决策”，“分析、验证”三个关键模块着手为边缘计算构建“自驱动网络”的理论框架与方法体系。..创新之处：本项目综合考虑边缘计算管理特性与可持续性演化的计算模式特点，准确把握实现自驱动网络的关键组件，从理论分析与原型系统组建的视角，对边缘计算环境中网络状态的感知时延与非完整性获取对网络优化性能的影响与偏差进行理论上的创新研究。..2. 对照项目任务书的目标，本项目已经全部完成各项指标。完成的主要研究内容如下：.(1) 本项目建立了一套面向边缘计算的自驱动网络运行机制与方法体系。该方法体系包括探究一个多中心的边缘网络中状态同步延时对性能造成的偏差与评估方法，网络状态的“全局一致性”保护方案，以及基于部分观测状态对边缘网络中的联邦学习参与设备的选择方案。.(2)本项目已在国内外重要期刊与主要国际会议上发表了3篇以上的高质量论文。.(3)参加了3 次国际会议，1次顶级国际学术会议，2次知名国际学术会议，并宣讲论文，取得了一定的学术界的影响力。.(4)已经培养硕士研究生4名以上。..3. 研究成果的应用前景：该项目为分布式边缘计算环境提出的“自驱动网络”的机制将会推动网络状态多变环境下的边缘计算持续演化，并为未来新型网络架构环境之下的智能网络计算的范式做出贡献，比如为边缘网络中的联邦学习提供可靠的计算环境，并为联邦学习的计算服务架构提供分析与决策模块。另外，项目在区块链方面的产出成果，将为未来高性能区块链系统提供高吞吐率的区块链底层机制。..4. 在人才培养方面的绩效：在该项目的资助之下，已经培养了7名硕士研究生顺利毕业。..5. 成果推广及经济效益：本项目的产出研究论文虽然尚未产生直接的经济效益，但是已经发表在国内外知名期刊与会议上，对研究成果起到了广泛的宣传效果。..6. 在此项目研究期间，国内外同类研究工作取得的新进展，以及对这方面研究工作的进一步设想：与国内外同类研究工作取得的新进展相比，本项目的产出成果位于同等先进水准。