Сеть вычислительных мощностей (CPN)

Обложка

Цитировать

Полный текст

Аннотация

В данной статье рассматривается концепция сети вычислительных мощностей CPN (Computing Power Network) ‒ новой парадигмы распределенных вычислений, предназначенной для распределения, управления и оптимального использования вычислительных ресурсов по запросу пользователей по аналогии с распределением электрической энергии в энергосистемах.Актуальность исследования обусловлена тем, что с развитием цифрового общества все больше и больше приложений требуют не только высокой вычислительной мощности, но и низкой задержки, что делает вычисления и сети связи тесно интегрированными. В отличие от технологий облачных, граничных и туманных вычислений, требуется новая парадигма организации территориально-распределенных вычислений, которая сможет обеспечить более гибкое, эффективное и качественное предоставление вычислительных мощностей по запросу пользователей для поддержки разнообразных перспективных приложений (искусственный интеллект / машинное обучение, анализ больших данных, промышленный интернет вещей, умное производство, беспилотный транспорт и др.). По аналогии с распределением электрической энергии в энергосистемах, сравнительно недавно была предложена новая модель распределения вычислительных ресурсов – CPN. Она представляет «вычислительную энергию», которая может передаваться, накапливаться и потребляться в распределенной сети узлов – аналогично тому, как электрическая энергия распределяется между генераторами, подстанциями и потребителями в энергосетях.Цель исследования – изучение архитектурных и функциональных особенностей сетей вычислительных мощностей, а также анализ современного состояния международной стандартизации данной технологии.Методы включают обзор научной и нормативной литературы, оценку состояния уровня международной стандартизации технологий сетей вычислительных мощностей.Результаты. В ходе исследования были проанализированы общие принципы построения, структура и функциональная архитектура сети вычислительных мощностей и определено, что для полноценного функционирования CPN требуется развитая сетевая инфраструктура, прежде всего на базе технологий программно-конфигурируемых сетей SDN и платформ управления сетью с использованием искусственного интеллекта. Новизна. Проведенное исследование является первой попыткой провести системный анализ концепции сети вычислительных мощностей в контексте русскоязычной научной литературы. Работа восполняет существующий пробел в отечественной науке, предлагая всесторонний взгляд на возможности построения и функционирования сети вычислительных мощностей с использованием технологий существующих и перспективных сетей связи.Теоретическая значимость работы заключается в создании основы для изучения и интеграции перспективных сетей фиксированной F5G и мобильной 5G / 6G связи c облачными и периферийными вычислениями для реализации концепции сети вычислительных мощностей.

Об авторах

А. В. Росляков

Поволжский государственный университет телекоммуникаций и информатики

Email: a.roslyakov@psuti.ru
ORCID iD: 0000-0003-3130-8262

П. А. Алексахин

Поволжский государственный университет телекоммуникаций и информатики

Email: p.aleksahin@psuti.ru
ORCID iD: 0009-0005-1979-4992

В. А. Михайлов

Поволжский государственный университет телекоммуникаций и информатики

Email: v.mihaylov@psuti.ru
ORCID iD: 0009-0002-0028-3402

Список литературы

  1. Rec. ITU-T Y.2501. Computing Power Network – framework and architecture. 2021.
  2. Смелянский Р.Л. Эволюция вычислительной инфраструктуры // Вестник Московского университета. Серия 15. Вычислительная математика и кибернетика. 2024. № 4. С. 190–233. doi: 10.55959/MSU/01370782152024474190234. EDN:OZHXTV
  3. Foster I., Zhao Y., Raicu I., Lu S. Cloud Computing and Grid Computing 360-Degrees Compared // Proceedings of the Grid Computing Environment Workshop (Austin, USA, 12–16 November 2008). IEEE, 2008. doi: 10.1109/GCE.2008.4738445
  4. Duan Q. Service-Oriented Network Virtualization for Composition of Cloud Computing and Networking // International Journal of Next-Generation Computing. 2011. Vol. 2. Iss. 2. PР. 123–138.
  5. Huawei Technology Report. Computing 2030. Tech. Rep., 4. 2023. https://www-file.huawei.com/-/media/corp2020/pdf/giv/intelligent_world_2030_en.pdf
  6. Lei B., Liu Z., Wang X., Yang M., Chen Y. Computing network: A new multiaccess edge computing // Telecommunications Science. 2019. Vol. 35. Iss. 9. PP. 44–51.
  7. Yukun S., Bo L., Junlin L., Haonan H., Xing Z., Jing P. Computing power network: A survey // China Communications. 2024. Vol. 21. Iss. 9. PP. 109–145. doi: 10.23919/JCC.ja.2021-0776
  8. Zhao Q., Lei B., Wei M. Survey of computing power network // ITU Journal on Future and Evolving Technologies. 2022. Vol. 3. Iss. 3. PP. 632–644. doi: 10.52953/BXBJ6384. EDN:WJMMIH
  9. Jia Q., Hu Y., Zhou X., Ma Q., Guo K., Zhang H., Xie R., Huang T., Liu Y. Deterministic Computing Power Networking: Architecture, Technologies and Prospects // arXiv:2401.17812. 2024. doi: 10.48550/arXiv.2401.17812
  10. Lei B., Zhao Q., Mei J. Computing Power Network: An Interworking Architecture of Computing and Network Based on IP Extension // Proceedings of the 22nd International Conference on High Performance Switching and Routing (HPSR, Paris, France, 07–10 June 2021). IEEE, 2021. doi: 10.1109/HPSR52026.2021.9481792
  11. Li S., Li T., Zhou X. Computing Power Network: A Network-Centric Supply Paradigm for Integrated Resources // ZTE Technology Journal. 2021. Vol. 27. Iss. 3. PP. 29–34. doi: 10.12142/ZTETJ.202103007
  12. Tang X., Cao C., Wang Y., Zhang S., Liu Y., Li M., et al. Computing power network: The architecture of convergence of computing and networking towards 6G requirement // China Communications. 2021. Vol. 18. Iss. 2. PP. 175–185. doi: 10.23919/JCC.2021.02.011. EDN:FDUIVB
  13. Cao C., Zhang S., Liu Y., Tang X. Convergence of telco cloud and bearer network based computing power network orchestration // Telecommunications Science. 2020. Vol. 36. Iss. 07. PP. 55–62.
  14. Lei B., Wang J., Zhao Q., Yu Y., Yang M. Novel network virtualization architecture based on the convergence of computing, storage and transport resources // Telecommunications Science. 2020. Vol. 36. Iss. 7. PP. 42–54.
  15. Liu J., Sun Y., Su J., Li Z., Zhang X., Lei B., et al. Computing Power Network: A Testbed and Applications with Edge Intelli-gence // Proceedings of the Conference on Computer Communications Workshops (INFOCOM WKSHPS, New York, USA, 02–05 May 2022). IEEE, 2022. doi: 10.1109/INFOCOMWKSHPS54753.2022.9798112.
  16. Smeliansky R. Network Powered by computing: Next generation of computational infrastructure // Edge Computing – Technology, Management and Integration. Iss. IntechOpen. 2023. PP. 47‒70. doi: 10.5772/intechopen.110178
  17. Smeliansky R. Network Powered by Computing // Proceedings of the International Conference on Modern Network Technologies (MoNeTec, Moscow, Russian Federation, 27–29 October 2022). IEEE, 2022. doi: 10.1109/MoNeTec55448.2022.9960771
  18. Глушак Е.В. Облачные и туманные вычисления: архитектура, моделирование, применение. Москва; Вологда: Инфра-Инженерия, 2025. 180 c. EDN:BUZGWB
  19. Росляков А.В., Ваняшин С.В., Гребешков А.Ю., Самсонов М.Ю. Интернет вещей. Самара: ПГУТИ, 2014. 342 c.
  20. Росляков А.В., Герасимов В.В. Детерминированные сети связи и их стандартизация // Стандарты и качество. 2024. № 7. C. 42–47. doi: 10.35400/0038-9692-2024-7-70-24. EDN: UTBDXB
  21. Ефименко А.А., Федосеев С.В. Организация инфраструктуры облачных вычислений на основе SDN сети // Экономика, статистика и экономика. Вестник УМО. 2013. № 5. C. 185–187. EDN:RPFQDD
  22. Росляков А.В., Герасимов В.В., Мамошина Ю.С., Сударева М.Е. Стандартизация синхронизируемых по времени сетей TSN // Стандарты и качество. 2021. № 4. C. 48–53. doi: 10.35400/0038-9692-2021-4-48-53. EDN:UYWULY
  23. Rec. ITU-T Q.4140. Protocols and signalling for computing power networks. Signalling requirements for service deployment in computing power networks. 2023.
  24. Rec. ITU-T Q.4141. Protocols and signalling for computing power networks. Requirements and signalling of intelligence control for the border network gateway in computing power networks. 2023.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».