[发明专利]一种知识推理引擎系统及实现方法

说明书

本发明公开了一种知识推理引擎系统及实现方法，涉及有线通信网络技术领域，系统包括数据生成模块、流划分模型、离线调度模块、在线调度模块、调度方案库以及历史信息库模块；所述数据生成模块用于生成数据集并将此划为多个分区；所述流划分模型用于对数据集进行分组；所述离线调度模块用于生成静态网络需求的调度方案；所述在线调度模块用于快速生成新TT流的调度方案；所述调度方案库，用于存储分组结果、分组迭代调度的顺序和离线调度方案；所述历史信息库，用于更新并存储相关数据信息以及性能指标。本发明提出的实现方法，将离线分组迭代调度与在线增量回溯算法结合并协同运行，解决了现有确定性调度方法无法同时保证伸缩性与可调度性的问题。

技术领域

本发明涉及有线通信网络技术领域，特别是涉及一种知识推理引擎系统及实现方法。

背景技术

随着人工智能(AI)和物联网(IoT)技术的快速发展和进步，一种被称为协同物联网(AIoT)的新型物联网体系结构被广泛应用于工业自动化、汽车联网等各个应用领域。然而，这种协作式AIoT面临着一个重大挑战，即满足大量物联网数据的高带宽需求，并保证对时间敏感的应用程序的确定性和实时传输。因此，具有确定性保证和高带宽服务的通信网络是协同智能联网的关键要求。传统的确定性通信网络是基于低带宽的现场总线，如FTT-CAN、FlexRay等，不能满足高带宽的要求。以太网是一种支持高带宽的标准组网机制，虽然其传输速率高，却不能提供确定性和实时性的保证。

为了增强IEEE 802.1以太网的确定性和实时性，IEEE 802.1TSN任务组开发了时间敏感网络(Time Sensitive Networking，TSN)。具体来说，IEEE 802.1Qbv定义了一种可编程的门控机制，称为时间感知整形器(Time-aware Shaper，TAS)，它通过打开和关闭队列出口，以基于预定义的周期计划(即门控制列表，GCL)传输时间触发(Time Triggered，TT)流、音频视频桥接(AVB)流和最佳努力(BE)流。不同于没有时间保证的BE流和有限制的端到端延迟要求的AVB流，TT流需要满足严格的延迟和抖动要求。虽然TSN标准指定了时间传输门控行为，但需要进一步调度配置以实现TT流的确定性延迟和有界抖动。针对TSN网络中TT流的确定性实时传输调度问题，大多数工作采用满足模理论(Satisfiability ModuloTheories，SMT)和整数线性规划(Integer linear programming，ILP)等建模方法来保证TT流的确定性和实时性传输行为。然而，这些工作忽略了TT流的路由规划，严格限制了可调度空间。一些工作通过高额的执行时间为代价换取可调度性，这些工作只适用于中小型网络，无法在大规模网络中使用。网络系统中历史调度方案的一些信息对于改善网络的性能与调度方案的生成有很大的帮助。因此，充分有效地利用历史的调度信息进行知识推理可以用来帮助解决大规模TSN调度的难题。

另外，随机流分区(Random Stream Partitioning,RSP)的方法虽然解决了可调度解空间低的问题，但这种方法并且没有考虑到在TSN网络中各个数据流之间的相关性，如果忽略掉流之间潜在的冲突与相互的依赖关系，会直接影响到流量的可调度性。因此，设计在时间敏感网络中既考虑流间关系，又保证可调度性与可伸缩性的实时、确定的调度方案是一个极具挑战的问题。

此外，由于TSN是开放的网络，在实际现场中网络需求与拓扑是会发生变化的，这时需要进行快速调度生成，缩短生成过程的时间代价对服务质量的影响，如何设计一种快速生成的在线调度方案是一个亟待解决的关键问题。