中國移動內(nèi)容網(wǎng)絡的運營現(xiàn)狀及未來發(fā)展趨勢分析

中國移動以“轉(zhuǎn)型升級”和“改革創(chuàng)新”為著力點，以5G+AICED為目標，加強三融三力建設，保持穩(wěn)定增長，培育新的動能，強化協(xié)同效應，轉(zhuǎn)型升級持續(xù)發(fā)展，一直秉承“網(wǎng)絡質(zhì)量是通信企業(yè)生命線”的理念，全力保持網(wǎng)絡質(zhì)量感知領先優(yōu)勢。

內(nèi)容網(wǎng)絡運營現(xiàn)狀

中國移動內(nèi)容網(wǎng)絡經(jīng)過幾年的快速發(fā)展，在網(wǎng)絡規(guī)模、下沉節(jié)點數(shù)量、分發(fā)業(yè)務流量等方面已經(jīng)躋身國內(nèi)一流CDN陣營，覆蓋342個地市，邊緣節(jié)點超過1500個。有效支撐“CHBN”業(yè)務發(fā)展，峰值流量超140Tbps，占全網(wǎng)用戶訪問流量的46%。

（1）家庭市場：分發(fā)加速騰訊視頻、芒果TV、愛奇藝、阿里云視頻、今日頭條、海思、又拍云7家ICP，峰值流量超10Tbps；

（2）移動/集客市場：分發(fā)加速集團客戶94018家，峰值流量超400Gbps；

（3）新業(yè)務：分發(fā)31省互聯(lián)網(wǎng)電視業(yè)務、咪咕視頻、咪咕音樂、和地圖、移動MM、和飛信等自有業(yè)務。

同時，在防疫期間，為了響應國家“停課不停學”號召，組織31省魔百和電視緊急加載中小學在線教育業(yè)務340個，積極主動組織CDN資源和動態(tài)調(diào)度，預注入分發(fā)教育直播頻道782路，點播內(nèi)容39.6萬部；通過CDN快速適配分發(fā)26個小屏在線教育業(yè)務，承接全國大學生思政直播課等分發(fā)需求，組織CDN應急調(diào)度有效抵抗峰值沖擊，共調(diào)度流量2.06Tbps。目前，已覆蓋大小屏在線教育業(yè)務服務中小學生累計8500萬人，有效支撐了在線教育業(yè)務質(zhì)量保障。

內(nèi)容網(wǎng)絡核心技術(shù)創(chuàng)新

目前，現(xiàn)網(wǎng)的內(nèi)容、用戶及網(wǎng)絡均呈現(xiàn)指數(shù)增長態(tài)勢，內(nèi)容網(wǎng)絡面臨大流量、多業(yè)務、多層級等復雜局面，CDN運營中心積極優(yōu)化現(xiàn)有調(diào)度模式及維護模式，提出高質(zhì)量發(fā)展、高效率運營的發(fā)展目標，打造“高智能、深融合、高安全、深下沉、廣服務”的內(nèi)容網(wǎng)絡技術(shù)體系。

（1） 面向大流量復雜場景的高效調(diào)度體系架構(gòu)

自主設計完成了具有中國移動特色多維度、高效的內(nèi)容網(wǎng)絡調(diào)度體系架構(gòu)。調(diào)度與控制相分離：調(diào)度決策控制系統(tǒng)實時監(jiān)測節(jié)點服務及用戶請求的質(zhì)量、性能、區(qū)域及熱點內(nèi)容，并進行智能調(diào)度策略的算法計算及調(diào)度策略生成；調(diào)度執(zhí)行系統(tǒng)執(zhí)行決策控制系統(tǒng)生產(chǎn)的調(diào)度策略。通調(diào)度與控制分離，可以實現(xiàn)多維度、復雜場景的大流量調(diào)度，實現(xiàn)CDN調(diào)度的“自動化、智能化、精準化”。

（2） 精細化多維度指標統(tǒng)計

針對單用戶訪問及多層級各節(jié)點服務情況，進行平臺負載、業(yè)務熱點、服務質(zhì)量、用戶分布等多維度指標分析及業(yè)務預測等關聯(lián)分析。負載維度：區(qū)域、節(jié)點、設備的帶寬、負載率等；熱點維度：節(jié)點、設備的頻道/內(nèi)容請求、流量等數(shù)據(jù)；QOS維度：節(jié)點、設備、CP、頻道/內(nèi)容的首包、下載速率、服務成功率、命中率等數(shù)據(jù)。

（3） 多場景智能調(diào)度

基于業(yè)務畫像算法、指標分類算法、以及業(yè)務趨勢預測等智能算法，形成面向跨平面、跨地市、跨節(jié)點以及節(jié)點內(nèi)跨設備的智能均衡調(diào)度，以及面向熱點內(nèi)容的下沉智能調(diào)度。

業(yè)務畫像算法：將采集的節(jié)點和設備等原始數(shù)據(jù)，經(jīng)過AI指標體系分類后進行智能標記，從而對節(jié)點和設備等進行畫像；

指標分類算法：研究驗證基于K-Means聚類算法的實現(xiàn)指標分類，實現(xiàn)將采集的指標進行分類分級處理，提升調(diào)度決策支撐系統(tǒng)學習效果；

業(yè)務趨勢預測機制：研究驗證了通過非線性回歸算法生成業(yè)務趨勢預測模型曲線，從而對業(yè)務發(fā)展趨勢進行預測的機制；

（4）閾值自適應智能告警

性能智能預警設計了基于密度的異常檢測閾值自動判定算法，從歷史數(shù)據(jù)中自動學習適宜閾值，將基于歷史數(shù)據(jù)獲取的歷史殘差序列進行排序，并不斷的將當前殘差序列中最大值移到異常集合中，使得異常集合和余下的殘差集合（正常集合）距離足夠遠，并且異常集合中異常點數(shù)量小于一定的比例，這時正常集合的最大值即為歷史閾值。此外，考慮到CDN系統(tǒng)的動態(tài)性，進一步設計了動態(tài)閾值調(diào)整算法，將基于實時預測獲取的當前殘差序列，使得當前殘差序列的均值和方差變化率最大的閾值即為當前閾值。而最終的動態(tài)閾值由歷史閾值和當前閾值共同決定，因此該動態(tài)閾值既可以體現(xiàn)KPI指標的歷史狀態(tài)，也能夠反映其當前動態(tài)特性，從而取得更高的檢測準確性。

（5）資源集中部署、統(tǒng)一管理

資源智能管理實現(xiàn)了對內(nèi)容網(wǎng)絡設備資源的集中接入和管理，對內(nèi)容網(wǎng)絡流量性能的統(tǒng)一采集和分析。實現(xiàn)了應用軟件和業(yè)務配置的模塊化倉儲式管理，具備軟件一鍵部署升級，配置一鍵下發(fā)的自動化運維支撐能力。實現(xiàn)了設備資源的全生命周期管理，具備自動上線、集中配置、自動隔離等智能化運維支撐能力。

（6）節(jié)點極致下沉

實踐拓展BRAS、OLT基礎網(wǎng)絡硬件能力，通過板卡式CDN，實現(xiàn)節(jié)點進一步下沉，無阻塞全連接（FullMesh），交換和排隊時延比spine-leaf更小；同時OLT內(nèi)置分流轉(zhuǎn)發(fā)功能，可以減少設備數(shù)量，縮短業(yè)務路徑；打破了機房環(huán)境限制，可以充分利用PON網(wǎng)絡的高帶寬來傳輸大視頻的大流量，實現(xiàn)快速下沉能力，儲備5G業(yè)務發(fā)展。

內(nèi)容網(wǎng)絡與邊緣計算融合發(fā)展是技術(shù)、業(yè)務發(fā)展的必然

隨著5G網(wǎng)絡的普及，將數(shù)字化生活、數(shù)字化社會、數(shù)字化工業(yè)推向了新的高度，5G網(wǎng)絡具有超高速率、超大連接、超低時延的特征，與邊緣計算的場景不謀而合，5G將有效助力邊緣計算快速落地。

邊緣計算需要與網(wǎng)絡資源等基礎設施能力進行深度融合，部署在靠近接入側(cè)的邊緣，就近提供存儲、計算、網(wǎng)絡等能力，極大的降低端到端的時延、提升寬帶使用效率、保障業(yè)務安全可靠。

內(nèi)容網(wǎng)絡CDN與邊緣計算在流程、調(diào)度、資源上緊密相關，基于內(nèi)容網(wǎng)絡拓展邊緣計算能力將成為未來發(fā)展的必然。主要包括：

1、邊緣計算所計算的內(nèi)容需要由CDN分發(fā)，例如常見的視頻編解碼。

2、邊緣計算生產(chǎn)的內(nèi)容由CDN分發(fā)至邊緣，例如我們?nèi)粘Ｉ钪幸呀?jīng)使用過的VR直播。

3、在資源方面，CDN邊緣節(jié)點眾多，且已部署在網(wǎng)絡最邊緣，是部署邊緣計算的最方便資源。

目前，通過虛擬化技術(shù)（虛機、容器兩種）實現(xiàn)內(nèi)容網(wǎng)絡邊緣節(jié)點底層硬件資源的統(tǒng)一編排、分配、智能管理，對虛機/容器的快速創(chuàng)建和終止，對資源及業(yè)務自動化部署和靈活管理，實現(xiàn)彈性伸縮和共享，靈活調(diào)配。初步基于內(nèi)容網(wǎng)絡實現(xiàn)了視頻轉(zhuǎn)碼、視頻預處理、云游戲、虛擬機頂盒、VR視頻分發(fā)等邊緣計算場景，首次實現(xiàn)中國移動邊緣計算應用現(xiàn)網(wǎng)部署，滿足5G業(yè)務、大視頻新業(yè)務發(fā)展對網(wǎng)絡的需求。

未來，將繼續(xù)秉承“質(zhì)量第一”主線，加強改革創(chuàng)新，開展智能運營，積極拓展?jié)M足新業(yè)務、新場景需求，持續(xù)開展運營集中化、調(diào)度智能化、網(wǎng)絡虛擬化、能力邊緣化的四化創(chuàng)新，實現(xiàn)客戶感知更優(yōu)、響應速度更快、網(wǎng)絡質(zhì)量更佳、保障能力更強、運營效率更高。
責任編輯；zl