数智读书笔记系列022《算力网络-云网融合2.0时代的网络架构与关键技术》读书笔记

news2025/3/25 5:26:34

在这里插入图片描述

一、书籍核心价值与定位

1.1 书籍概述:中国联通研究院的权威之作

《算力网络 —— 云网融合 2.0 时代的网络架构与关键技术》由中国联通研究院算力网络攻关团队精心撰写,是业界首部系统性探讨云网融合 2.0 与算力网络的专著。在云网融合从 1.0 迈向 2.0 的关键节点,本书的出版为整个行业提供了权威且全面的技术指南。中国联通研究院凭借其在通信领域深厚的技术积累和丰富的实践经验,牵头撰写此书,旨在为科研人员、高校师生以及行业从业者提供关于算力网络的深度洞察和实践指导。

1.2 核心内容解析:九章结构的技术脉络

本书采用九章的结构,从多个维度对算力网络进行了深入剖析,构建了一个完整的技术知识体系。

发展历程(第 1 - 2 章):第 1 章和第 2 章梳理了云网融合从 1.0 到 2.0 的演进逻辑。云网融合 1.0 阶段主要聚焦于云与网的协同,实现了基本的能力整合;而云网融合 2.0 则是在继承 1.0 的基础上,进一步强调网络与计算的深度融合,以适应不断变化的业务形态。书中深入解析了算力网络产生的技术内涵与产业背景,探讨了云计算、大数据、人工智能等新兴技术对算力需求的推动作用,以及网络架构如何随之演进以满足这些需求。

架构体系(第 3 章):提出了 “算网分层解耦 + 智能协同” 的创新架构模型。该架构将算力网络分为基础设施层、资源管理层与服务编排层。基础设施层负责提供物理层面的计算、存储和网络资源;资源管理层对这些资源进行统一管理和调度,实现资源的高效利用;服务编排层则根据用户需求,将各种资源和服务进行组合和编排,提供定制化的解决方案。这种分层解耦的设计,使得各层之间职责明确,便于独立演进和扩展,同时通过智能协同机制,实现了算网资源的全局优化配置。

关键技术(第 4 - 7 章):这部分内容聚焦于 SRv6、云原生、算力交易等核心技术,构建了一个涵盖控制转发、资源调度、安全保障的技术闭环。例如,SRv6 作为一种新型的网络协议,利用 IPv6 及源路由技术实现了网络的可编程性,为算力网络提供了灵活的路径选择和流量调度能力;云原生技术则通过容器化、微服务等手段,提升了应用的部署效率和弹性伸缩能力,使应用能够更好地适应算力网络的动态环境;算力交易技术借助区块链等技术,实现了算力资源的可信交易和流通,促进了算力市场的形成。

应用与展望(第 8 - 9 章):剖析了六大典型应用场景,包括新媒体、智能安防、车联网等。在新媒体场景中,算力网络可通过边缘云部署虚拟形象渲染服务,提升直播体验;在智能安防场景中,实现云 - 边 - 端协同,提升安防系统的智能防御能力;在车联网场景中,利用 5G MEC 实现车辆的实时控制和信息交互。书中还预测了算网融合在 “东数西算”、AI 基础设施等国家战略中的重要作用,强调了算力网络作为新型数字基础设施,将为未来数字经济的发展提供强大支撑 。

二、技术体系深度解读

2.1 网络架构创新:SRv6 技术的核心突破

协议优势:SRv6(Segment Routing IPv6)是实现算力网络灵活路由与流量调度的关键技术,它通过在 IPv6 报文中插入路由扩展头(SRH),实现网络路径的可编程。每个 SRv6 的段标识(SID)都对应着一个特定的网络功能或路径节点,源节点通过在报文中预先定义 SID 列表,精确控制报文的转发路径,从而绕开网络拥塞区域,实现低时延、高带宽的通信。这种基于源路由的方式,使网络具备了算力感知的智能路由能力,能够根据不同业务的算力需求,动态调整路由策略,确保关键业务的服务质量(QoS)。例如,对于实时性要求极高的 VR 直播业务,SRv6 可以通过智能算路,为其分配最优的网络路径,保障直播画面的流畅传输,避免卡顿和延迟 。

应用实践:在广东大湾区

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2320236.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

第十六届蓝桥杯康复训练--6

题目链接&#xff1a;790. 数的三次方根 - AcWing题库 思路&#xff1a;二分&#xff0c;注意正负号和小数判断退出的方法&#xff08;虽然正负无所谓&#xff09; 代码&#xff1a; #include<bits/stdc.h> using namespace std;#define exs 0.00000018812716007232667…

logisim安装以及可能出现的问题

阅读提示&#xff1a;我这篇文章更偏向于安装出现问题的解决方案 目录 一、安装步骤 二、安装问题 1、出错的问题 2、出错的原因与解决方法 一、安装步骤 1、下载logisim 官方网站&#xff1a;https://sourceforge.net/projects/circuit/ 下载适用于你操作系统的版本&…

Servlet、HttpServletRequest、HttpServletResponse、静态与动态网页、jsp、重定向与转发

DAY15.2 Java核心基础 JavaWeb 要想通过浏览器或者客户端来访问java程序&#xff0c;必须通过Servlet来处理 没有Servlet&#xff0c;java是无法处理web请求的 Web交互&#xff1a; 接收请求HttpServletRequest&#xff1a;可以获取到请求的信息&#xff0c;比如uri&#…

hackmyvm-Icecream

arp-scan -l nmap -sS -v 192.168.222.106 enum4linux 192.168.222.106 445端口 smbmap -H 192.168.222.106 icecream为只读模式 smbclient \\192.168.222.106\icecream 反弹shell(上传put php-reverse-shell.php) 开启监听 nc -lnvp 1234 拿到webshell cat /etc/passwd 9000端…

告别低效人工统计!自动计算计划进度

实时监控任务进度一直是项目管理中的一项巨大挑战。 人工统计方式不仅耗时耗力&#xff0c;而且往往由于信息传递的延迟和人为误差&#xff0c;导致无法实时获得准确的项目进展信息。 这种不准确性可能掩盖潜在的风险点&#xff0c;从而影响项目的整体进度和成果。 Ganttable …

AI比人脑更强,因为被植入思维模型【16】反脆弱

毛选中就有言&#xff0c;不经历困难&#xff0c;我们就不会掌握战胜困难的方法。 这个世界纷繁复杂&#xff0c;不是强者总是运气好&#xff0c;而是他们能够失败后快速复原&#xff0c;不断找到战胜困难的方法。 定义 马斯洛需求层次模型是一种将人类需求从低到高按层次进…

L2TP实验

放开安全策略机制&#xff0c;FW1不配IP [FW1]firewall zone trust [FW1-zone-trust]add interface GigabitEthernet 1/0/0 [FW1]security-policy [FW1-policy-security]default action permit FW2 和FW3 [FW2]interface g1/0/1 [FW2-GigabitEthernet1/0/1]ip address 2…

【数据预测】基于遗传算法GA的LSTM光伏功率预测 GA-LSTM光伏功率预测【Matlab代码#91】

文章目录 【可更换其他算法&#xff0c;获取资源请见文章第6节&#xff1a;资源获取】1. 遗传算法GA2. 长短期记忆网络LSTM3. 基于GA-LSTM的光伏功率预测4. 部分代码展示5. 运行结果展示6. 资源获取 【可更换其他算法&#xff0c;获取资源请见文章第6节&#xff1a;资源获取】 …

【记录一下】LMDeploy学习笔记及遇到的问题

LMDeploy 是一个用于大型语言模型&#xff08;LLMs&#xff09;和视觉-语言模型&#xff08;VLMs&#xff09;压缩、部署和服务的 Python 库。 其核心推理引擎包括 TurboMind 引擎和 PyTorch 引擎。前者由 C 和 CUDA 开发&#xff0c;致力于推理性能的优化&#xff0c;而后者纯…

HC-05与HC-06蓝牙配对零基础教程 以及openmv识别及远程传输项目的概述

这个是上一年的项目&#xff0c;之前弄得不怎么完整&#xff0c;只有一个openmv的&#xff0c;所以openmv自己去我主页找&#xff0c;这篇主要讲蓝牙 这个是我在使用openmv连接单片机1然后单片机1与单片机2通过蓝牙进行通信 最终实现的效果是&#xff1a;openmv识别到图形和数…

Transformer-GRU、Transformer、CNN-GRU、GRU、CNN五模型多变量回归预测

Transformer-GRU、Transformer、CNN-GRU、GRU、CNN五模型多变量回归预测 目录 Transformer-GRU、Transformer、CNN-GRU、GRU、CNN五模型多变量回归预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 Transformer-GRU、Transformer、CNN-GRU、GRU、CNN五模型多变量回归预…

OpenLayers集成天地图服务开发指南

以下是一份面向GIS初学者的OpenLayers开发详细教程&#xff0c;深度解析代码&#xff1a; 一、开发环境搭建 1.1 OpenLayers库引入 <!-- 使用CDN引入最新版OpenLayers --> <link rel"stylesheet" href"https://cdn.jsdelivr.net/npm/ollatest/ol.c…

VBA-Excel

VBA 一、数据类型与变量 常用数据类型&#xff1a; Byte&#xff1a;字节型&#xff0c;0~255。Integer&#xff1a;整数型&#xff0c;用于存储整数值&#xff0c;范围 -32768 到 32767。Long&#xff1a;长整型&#xff0c;可存储更大范围的整数&#xff0c;范围 -214748364…

OpenHarmony 开源鸿蒙北向开发——linux使用make交叉编译第三方库

这几天搞鸿蒙&#xff0c;需要编译一些第三方库到鸿蒙系统使用。 头疼死了&#xff0c;搞了一个多星期总算搞定了。 开贴记坑。 一、SDK下载 1.下载 在linux下使用命令 wget https://cidownload.openharmony.cn/version/Master_Version/OpenHarmony_5.1.0.54/20250313_02…

【第14届蓝桥杯C/C++B组省赛】01串的熵

问题描述 算法思想 首先分析题目中给出的公式 S 100时&#xff0c;其信息熵为 H(S)−p(0)log2​(p(0)) − p(0)log2​(p(0)) − p(1)log2​(p(1)) 继续化简公式得 设0出现的次数为x&#xff0c;1出现的次数为3-x H(S)−x * p(0) * log2​(p(0)) − (3-x) * p(1) * log2​(p(1)…

鸿蒙harmonyOS笔记:练习CheckBoxGroup获取选中的值

除了视觉效果实现全选和反选以外&#xff0c;咱们经常需要获取选中的值&#xff0c;接下来看看如何实现。 核心步骤&#xff1a; 1. 给 CheckBoxGroup 注册 onChange。 2. CheckBox 添加 name 属性。 3. 在 onChange 的回调函数中获取 选中的 name 属性。 事件&#xff1a…

收数据花式画图plt实战

目录 Python plt想把纵坐标化成对数形式代码 子图ax. 我又有ax scatter&#xff0c;又有ax plot&#xff0c;都要去对数 数字接近0&#xff0c;取对数没有定义&#xff0c;怎么办 创建数据 添加一个小的常数以避免对数未定义的问题 创建一个figure和一个子图ax 在子图a…

系统架构书单推荐(一)领域驱动设计与面向对象

本文主要是个人在学习过程中所涉猎的一些经典书籍&#xff0c;有些已经阅读完&#xff0c;有些还在阅读中。于我而言&#xff0c;希望追求软件系统设计相关的原则、方法、思想、本质的东西&#xff0c;并希望通过不断的学习、实践和积累&#xff0c;提升自身的知识和认知。希望…

Centos6配置yum源

Centos6配置yum源 为Centos6配置CentOS Vault源—防止yum源过期为Centos6配置epel源为Centos6配置ELRepo源---已ELRepo被官方清空Centos6安装dockerdocker配置国内镜像加速 为Centos6配置CentOS Vault源—防止yum源过期 参考&#xff1a;https://mirrors.ustc.edu.cn/help/cen…

CVPR 2025 | 文本和图像引导的高保真3D数字人高效生成GaussianIP

小小宣传一下CVPR 2025的工作GaussianIP。 arXiv&#xff1a;https://arxiv.org/abs/2503.11143 Github&#xff1a;https://github.com/silence-tang/GaussianIP 欢迎star, issue~ 摘要 文本引导的3D人体生成随着高效3D表示及2D升维方法&#xff08;如SDS&#xff09;的发展…