用AI重新定义网络交换

为了支持智能化网络计算和虚拟化网络功能部署 , 新一代智能交换机通过在现有交换机架构的基础上加入智能交换板以及相应的数据包处理框架 , 为用户提供高性能、高通量、通用化的网络服务软硬件支撑平台 。
作为近些年来热门的研究话题 , 人工智能(AI)已经融入到日常生活的方方面面 , 一个AI无处不在的新时代已经到来 。 在分布式计算机系统中 , 无论是中心云服务器还是边缘计算服务器都变得更加智能 , 然而 , 连接云服务器与边缘服务器并控制着数据传递的互联网本身却是最后一个不包含AI的领域之一 。 在互联网设计之初 , 各种硬件设施异常昂贵 , 设计者认为互联网应只具有最小的传输能力 , 却从未想过会发展到如今如此庞大的规模 。 网络基础结构中的任何细微调整都会产生连锁反应 , 从而可能危及整个网络秩序 。
尽管有历史遗留问题 , AI浪潮已经开始冲击网络的某些领域 。 例如 , 部署云和大数据设施 , 通过收集、分析和推断与用户、应用程序、设备或网络流量有关的网络数据来进行网络系统级集中式智能 。 除此之外 , 也有许多研究工作从智能网络流量分析和预测、智能网络资源管理、智能路由规划和故障诊断 , 甚至智能体验质量设置等方面探索AI如何影响网络功能 。 值得注意的是 , 所有上述智能算法都是在假设存在运行这些算法的中央服务器或云服务器的情况下提出的 。 网络内智能的缺失不仅浪费网络带宽 , 还使得对网络事件的响应速度变慢 。 为突破AI进入网络基础设施的障碍 , 同时又不违反互联网基本的“端到端”原则 , 需要重新设计和创新交换机架构:将网络智能部署在网络中间节点上 , 以实现对网络事件的在线识别和网络策略的本地执行 。
智能网络时代的网元平台
借力于各类高新技术产业的发展以及新型网络技术的提出 , 将AI融入互联网的条件已趋于成熟:存储以及计算资源价格大幅度降低 , 使得网络交换机可以配备功能强大的CPU甚至是GPU;NFV允许网络功能高速开发 , 并且消除了对专有或特定硬件的依赖;各类开源深度学习平台针对CPU和GPU提供了计算密集型的AI算法 , 为AI算法在网络内部署提供了无缝的方式 。 为了支持智能化网络计算和虚拟化网络功能部署 , 新一代智能交换机通过在现有交换机架构的基础上加入智能交换板以及相应的数据包处理框架 , 为用户提供高性能、高通量、通用化的网络服务软硬件支撑平台 。
1. 智能交换机的硬件设计
图 1展示了智能交换机的逻辑硬件架构 , 主要包括交换线卡、管理线卡、网板、背板和智能计算线卡 。 其中 , 背板用于连接主控线卡、网板、交换线卡和风扇电源等 , 提供插卡的供电、数据、管理、控制平面的各种通道;交换线卡提供业务传输的外部物理接口 , 完成数据接收和发送;网板主要负责跨接口单板卡之间的数据转发交换 , 负责各接口板之间报文的交换、分发、调度、控制;管理线卡提供设备的管理和控制功能 , 根据用户的操作指令来管理系统、监视性能 , 并向用户反馈设备运行情况;智能计算线卡接收交换线卡的业务数据 , 提供通用的计算存储资源以及高性能数据包抓取、解析、处理框架 , 根据部署的网络服务执行相应的计算任务 。
用AI重新定义网络交换文章插图
图 1 智能网络交换机的硬件结构
在上述硬件架构下 , 通过配置ACL规则可以将业务流量从交换线卡 , 经由内部交换网板镜像至智能计算板 。 在智能计算板上利用DPDK的零拷贝、CPU亲和性以及大页内存等特性提供高效的数据包抓取与解析处理功能 。 同时利用多核CPU的并行特性 , 提供流模式下的序列处理功能 , 避免流模式下多核并行的同步操作 。 为了进一步提高数据包处理的性能 , 智能计算板上还配备了通用GPU , 通过GPU的高并发特性支持高通量场景下的数据包过滤、正则匹配、特征提取等功能 , 同时利用GPU的计算资源为基于AI的网络应用提供平台 。
2. 高性能网络流量处理框架
如图 2所示 , 智能交换机的流量处理框架由数据平面、知识平面和管控平面三个部分组成 , 完成对流量感知、学习和策略分发的一体化流程 。
用AI重新定义网络交换文章插图
图 2 智能交换机的软件框架
数据平面主要包括数据包捕获和特征提取两个模块 。 数据包捕获模块通过匹配数据包中端口、协议和IP地址等字段 , 筛选出属于同一条流的数据包 。 在高速网络中 , 匹配过程通常使用多个线程并行操作 。 特征提取模块从原始数据包提取包含更多信息的特征数据 , 这些特征数据包括结构特征 , 统计特征和隐含特征 。 结构特征是指原始数据包中包含协议、IP地址和服务类型等的包头信息 , 统计特征是包括包大小、包间持续时间等的统计特征 。 隐藏特征是指数据包中数据的潜在属性 , 这些属性可以被卷积神经网络提取 。