信息学院邵子瑜课题组在智能网络调度机制研究领域取得重要进展

信息学院邵子瑜课题组在智能网络调度机制研究领域取得重要进展。课题组围绕“预测性调度为智能网络系统带来的根本性增益的极限何在”这一基础性研究问题，针对基于网络流量分析的预测性调度机制展开了深入研究，提出了系统性的预测性调度解决方案，并将其分别适配到多个典型的智能网络场景中去。其中针对软件定义网络场景的相关成果以“Predictive Switch-Controller Association and Control Devolution for SDN Systems”为题，被国际顶级期刊IEEE/ACM Transactions on Networking（IEEE/ACM TON）接收。IEEE/ACM TON是由信息领域两大国际学术组织IEEE（国际电气电子工程师学会）以及ACM（美国计算机学会）联合主办的期刊，体现了网络研究领域横跨电子工程和计算机科学两大学科的交叉融合性，网络领域许多的经典成果均发表在这一期刊，被国际公认为网络研究领域最权威最高水平的期刊，在中国计算机学会（CCF）推荐的网络领域A类期刊中排名第一。

近年来在人工智能，通信、计算、控制等多方技术融合的大趋势下，为了应对快速变化的网络需求，提供多样化高质量的网络服务，智能化网络调度技术研究应运而生，即借助人工智能技术构建针对网络流量以及用户需求的在线预测，并结合这些预测分析结果，为网络系统提供预测性调度服务。但在已有的研究方案中，基础性的核心问题尚未解决：（1）在不同网络场景下，预测性调度所带来的根本性增益的极限何在？（2）利用短期的流量可预测性，是否足以显著提升系统性能？（3）调度过程中相关的性能指标之间的权衡如何量化？（4）预测失效将为系统性能带来怎样的影响？

针对这些基础性核心问题，邵子瑜教授课题组以及合作者提供了一套系统性的解决方案。通过几年来的不懈探索，邵子瑜教授课题组提出了针对一般性智能网络场景的预测性调度算法设计模型与机制，并针对多类前沿且普适的智能网络场景开展了深入的适配性研究。 图1中展示了部分场景的设计示意图。 值得一提的是，这些研究成果不但适用于所聚焦的网络场景，同时也能为新基建背景下，构建以5G、物联网、工业互联网、卫星互联网为代表的通信网络基础设施，以人工智能、云计算、区块链等为代表的新技术基础设施，和以数据中心、智能计算中心为代表的算力基础设施，提供有益的理论指导与设计思路。

图1： 针对部分智能网络场景的预测性调度机制设计示意图

此次被接收的论文聚焦于智能软件定义网络场景中的预测性调度机制问题。解决该问题涉及三个关键点：（1）如何构建合适粒度的模型对预测性调度过程进行刻画，（2）如何有效利用预测信息提升服务质量，（3）如何在不断变化的系统动态下维护不同性能指标之间的权衡。围绕这三点，该研究工作提出了精准刻画软件定义网络中预测性调度的动态过程的调度模型，以及新颖的分布式在线预测性调度方案，并通过理论分析与大规模仿真评估验证了该方案的有效性。其成果表明，仅结合有限时间窗口内的短期流量预测技术，预测性调度就足以在不牺牲其它系统性能指标的前提下，显著提升网络服务质量。同时，在面对预测误差时，预测性调度依旧能够有效提升系统性能，展现出较强的鲁棒性。

此次被接收的IEEE/ACM TON论文，邵子瑜课题组的博士研究生黄曦为第一作者，同组博士研究生边思梦为第二作者，邵子瑜教授为通讯作者，上科大为第一完成单位。相关研究得到了上海科技大学科研启动基金，国家自然科学基金以及上海市自然科学基金的支持。

文章链接：

https://ieeexplore.ieee.org/document/9200338