5G TSN-IP确定性时延保障方案设计及创新应用验证

邢剑卿，王笃炎，刘惜吾，陈华旺（中国联通广东分公司，广东广州 510627）

0 引言

传统的IP 网络QoS 方式，面向终端用户有限的业务类型时（如语音、视频、上网等），通过为不同的业务分配不同的优先级来尽力提升服务质量，但不做任何量化SLA 承诺。现网中大部分业务基于最短路径转发，设备转发面并不量化预留资源，在部分业务突发较大，或者上下游加速转发（Expedited Forwarding，EF）带宽不匹配，或者多个流汇聚等情况下，可能产生网络的拥塞/瞬时拥塞，影响业务的带宽、时延、丢包率等指标。当前网络的应对方式是让承载网络尽量轻载，降低拥塞/瞬时拥塞的可能性，但会产生大量的带宽浪费，却依然不能提供100%网络能力保障。

在工业互联网场景下，5G TSN-IP 可以面向各类工业应用涉及的业务流特性进行建模和定义［1］，并在此基础上，自适应定义不同的优先级与调度机制，从而实现5G网络服务质量差异化保障。

1 传统QoS面临的挑战

传统IP网络是面向无连接的统计复用网络［2］。如图1所示，来自不同入接口的报文，汇聚后从同一个出接口发出，出接口报文输出顺序是根据报文到达出接口队列的时机决定，先到的先发出，后到的后发出。

图1 传统IP网络转发机制

传统IP 网络是尽力而为网络。其优势在于：充分利用网络带宽，节省运营商的网络投资［3］。但随着5G网络技术日新月异的演进和工业互联网复杂多样的严苛业务需求，传统IP网络面临以下挑战：

a）优先处理，但不承诺：从RFC3246 对于EF 的定义可以看出［4］，EF 优先级是单节点优先处理的行为，但不能对业务SLA做出承诺。

b）缺少全局规划和资源预留：DiffServ 定义的逐跳行为（Per-Hop Behavior，PHB）是一个单机行为，缺少全局视角且不能预留充足的资源，难以做到业务端到端SLA保障。

c）无差异化能力：所有关键业务都是EF 转发，1 ms业务和20 ms业务等同处理［5］。

d）网络轻载难以定义：突发业务引起的峰值速率比例大，可能引起瞬时拥塞［6］；此外，在保障SLA 基础上，可以部署业务的数量难以量化［7］。

因此，亟需引入5G TSN-IP 技术突破当前瓶颈，满足工业互联网网络需求。

2 TSN-IP方案设计

2.1 TSN-IP理论基础

面向5G 网络确定性时延关键挑战，TSN-IP 方案基于对网络演算理论的工程化探索，以创新的控制面时延编排算法和转发面时延队列调度设计，达成高价值业务端到端时延保障、低价值业务带宽充分复用、关键业务队列级隔离以及现网设备平滑演进的目标［8］。

如图2 所示，TSN-IP 的实现原理是在原有的网络控制器基础上，配置了一个专用的大脑，通过设备转发面的触手，在业务入口自动学习业务的流量模型，评估收集各种业务的平均速率、峰值速率、突发大小等参数，基于网络演算理论在全局量化计算，在网络节点接口处规划高优先级车道，量化预留资源，并给出各种业务的最优转发路径，最终给出节点级和网络级的时延上界承诺。

图2 TSN-IP实现原理示意图

在设备级，TSN-IP 将网络演算理论应用于设备端口队列，基于现有QoS队列调度能力，叠加业务流量模型和设备调度服务模型，规划时延队列做到节点级时延保障。在网络级，依靠全局规划算法规划队列级业务路径，并量化计算资源预留，保障业务端到端时延可靠。TSN-IP演算理论框架如图3所示。

图3 TSN-IP演算理论框架图

根据网络演算理论基础，建立业务流量模型、设备服务模型和时延上限之间的算法关系。通过基于业务时延上限需求和业务流量模型，求解设备服务模型。网络演算理论基本原理如图4所示。

图4 网络演算理论基本原理

2.2 设备级方案设计

2.2.1 业务到达模型建模方法

基于设备转发面采集上报的实时测量信息，如报文到达时间、报文长度等信息，上报控制面分析模块。

分析模块拟合流量模型（到达曲线），保证任意时间段均为实际累计流量的上包络。

转发面和分析模块间使用压缩算法，减小上报数据量，提升信息上报效率。流量特征提取基本原理如图5所示。

图5 流量特征提取基本原理

2.2.2 服务模型保障方案

选取用户队列为时延队列的规划对象，不同时延队列之间，使用差分加权轮循（Deficit Weighted Round Robin，DWRR）按照权重调度，基于算法规划结果，为不同的时延队列配置资源预留值/调度权重。

在顶层端口队列使用严格优先级（Strict Priority，SP）调度，优先调度时延队列（时延敏感业务），然后调度其他队列（非时延敏感业务）。

2.3 网络级方案设计

基于设备队列级时延保障能力，配合管控面的路径、队列、资源规划算法，规划设备队列数量、队列时延等级、队列预留资源、业务队列级路径等，从而保证业务网络级时延上限。

3 TSN-IP典型应用场景测试验证

3.1 测试方案及环境搭建

基于流量特征分析器、TSN-IP 规划工具和流量特征提取设备构建TSN-IP 管控系统，与ATN1（Advantaged Transport Network）相连，接入测试网络。TSN-IP管控系统完成流量特征提取，将流量特征提取结果通知TSN-IP 规划工具。TSN-IP 规划工具基于流量特征数据、网络拓扑信息、业务需求信息等，算法计算设备相关端口时延队列预留资源，以及队列级的规划路径。最后，规划结果通过Telnet/SSH（Secure Shell）下发给ATN/MER（X8A/X16A）设备。5G TSN-IP 测试方案拓扑图如图6所示。

图6 5G TSN-IP测试方案拓扑图

其中ATN1-MER1、MER1-MER2、MER2-ATN2、ATN1-ATN2 间链路为50GE 链路，MER1-MER3、MER3-MER4 间为GE 链路，MER4-MER2 间为10GE链路，从而模拟了网络中多种带宽链路网络场景下的规划部署能力。

ATN1 和ATN2 分别提供4 个GE 接口与12×GE 测试仪相连，用于接入测试仪业务模拟流量，4 个GE 接口与8×10GE 测试仪相连，用于接入测试仪模拟的背景流量。

另外，在实验网机房部署2台测试仪，分别用于构建业务模拟流量和背景业务流量。ATN1 模拟业务云端或者服务端，ATN2 模拟客户侧终端，构建上下行双向业务，验证部署TSN-IP 确定性方案后，三大场景业务时延保障能力。

3.2 应用场景测试用例

本次测试选取智能电网、智慧港口和工厂自动化三大业务场景，分别对电力差动保护、龙门吊控制业务、龙门吊视频业务、AGV 集卡控制业务、工厂自动控制业务等共15种业务进行测试，相关业务流量模型和网络需求参考3GPP TS 122.104［9］。

3.3 典型测试用例验证结果

本次测试共涉及3 类典型场景、15 种业务、30 个测试用例，本文选取3 种典型业务场景测试用例中的电力差动保护、龙门吊控制业务、工厂自动控制业务进行重点分析。其中，对电力差动保护、龙门吊控制业务进行流量特征采集测试，对工厂自动控制业务进行业务确定性保障测试。

3.3.1 电力差动保护业务

电力差动保护是典型的低时延、高可靠需求业务之一［10］，具体性能要求如表1所示。

表1 电力差动保护典型业务需求

根据表1 中的需求，采用测试仪模拟业务流配置如表2所示。

表2 电力差动保护业务测试仪配置

图7 为分析器从设备转发面获取业务特征数据，并可视化呈现ms级报文到达Bytes数。

图7 业务达到模型监控

建模拟合结果如图8 所示，呈现结果与测试仪构造特征匹配，并输出TSN-IP 规划工具所需的报文大小、峰值速率、平均速率、突发大小等建模结果，建模结果能够包络目标业务流量到达曲线。

图8 建模拟合结果

3.3.2 龙门吊控制信号业务

龙门吊控制也是典型的低时延、高可靠需求业务之一［11］，具体性能要求如表3所示。

根据表3 中的需求，采用测试仪模拟业务流配置如表4所示。

表3 龙门吊控制信号典型业务需求

表4 龙门吊控制信号业务测试仪配置

图9 为分析器从设备转发面获取业务特征数据，并可视化呈现ms级报文到达Bytes数。

图9 业务达到模型监控

建模拟合结果如图10 所示。呈现结果与测试仪构造特征匹配，并输出TSN-IP规划工具所需的报文大小、峰值速率、平均速率、突发大小等建模结果，建模结果能够包络目标业务流量到达曲线。

图10 建模拟合结果

3.3.3 工厂自动化运动控制业务

工厂自动化运动控制是典型的超低时延、超高可靠需求业务［12］，具体性能要求如表5所示。

表5 工厂自动化运动控制典型业务需求

经过控制面规划和配置下发，业务最大时延始终低于需求时延和规划时延。资源预留数据量化呈现，业务队列级路径清晰呈现。

业务间呈现差异化保障效果，并且在背景流量冲击下，时延保障效果仍然保持良好。

4 总结

实验结果表明，5G TSN-IP 确定性网络技术方案可实现对业务流量特征自动学习，在不依赖网络低载的条件下，TSN-IP 技术能针对可识别的数据流进行有效的时延和带宽上界保障；可解决为了保障服务质量网络被迫空载/低载的问题，可满足不同业务对网络性能的差异化需求，提供精细化的网络服务保障。该技术与算网大脑等技术结合，可在更大范围内实现网络规划与优化策略的协调，以达到提高运营商全网资源利用率的效果。

TSN-IP 等确定性网络技术与5G 的结合，不仅可以赋能工业企业提供性能稳定的定制化网络服务，也能为游戏、XR 等实时交互类业务提供保障，是运营商未来面向垂直行业多样化需求的关键网络技术。