NHÓM 15 HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG KHOA VIỄN THÔNG I BÁO CÁO TIỂU LUẬN ĐỀ TÀI QUẢN LÝ MẠNG VÀ DỊCH VỤ DỰA TRÊN AI NHÓM MÔN HỌC NHÓM 01 Giảng viên TS HOÀNG TRỌNG MINH NHÓM TIỂU LUẬN 15 Sinh viên NGUYỄN CHÍ VŨ B18DCVT446 NGUYỄN PHƯƠNG NAM B18DCVT302 NGUYỄN BÁ LONG B18DCVT254 Hà Nội, 32022 Bài tập lớn môn chuyên đề BẢNG PHÂN CÔNG CÔNG VIỆC Nguyễn Phương Nam B18DCVT302 ( Thành viên) Tìm hiểu làm nội dung chương 1 + chương 2 ( cụ thể nội dung 2 1 đến 2 3) tổng hợp và hoàn thiện bài báo.
Giới thiệu chung
Giới thiệu
Chức năng giám sát và quản lý mạng ngày càng phức tạp do sự gia tăng công nghệ và các phương thức triển khai khác nhau, dẫn đến quy trình xử lý tốn thời gian và dễ xảy ra lỗi Người dùng hiện nay yêu cầu dịch vụ phức tạp hơn, như dịch vụ nhận biết ngữ cảnh và cá nhân hóa Vấn đề này đã được hình thành từ năm 2002 với khái niệm quản lý thiết bị theo hướng kinh doanh (BDDM), nhằm cải thiện khả năng xác định và sử dụng quy trình nghiệp vụ trong quản lý tài nguyên mạng BDDM cho phép xây dựng và thực thi các quy tắc nghiệp vụ cho cấu hình thiết bị, sử dụng các chính sách khác nhau để quản lý dịch vụ mạng Những chính sách này tạo thành chuỗi liên tục, đại diện cho vòng đời dịch vụ mạng, giúp thu hẹp khoảng cách tự động hóa và kiểm soát tài nguyên mạng phân bổ cho người dùng Sự liên tục trong chuỗi chính sách là yếu tố quan trọng để đáp ứng nhu cầu đa dạng của các khu vực bầu cử khác nhau.
Vấn đề trở nên nghiêm trọng khi mức độ trừu tượng hóa kinh doanh gia tăng, đặc biệt trong trường hợp nhà khai thác mạng muốn tối ưu hóa dịch vụ để tối đa hóa doanh thu và giảm thiểu gián đoạn cho khách hàng Điều này có thể được xem như một bài toán tối ưu hóa đa mục tiêu, nơi các quyết định tối ưu cần thực hiện mặc dù không phải tất cả các mục tiêu đều có thể được tối ưu hóa đồng thời Khi có sự không chắc chắn về các thuộc tính của lựa chọn, vấn đề có thể được định nghĩa như một hàm tiện ích đa thuộc tính, trong đó độ không chắc chắn và rủi ro được mô hình hóa Các phương pháp như lập trình tuyến tính số nguyên đa hướng có thể được áp dụng để tối ưu hóa, nhưng thách thức chính nằm ở việc sử dụng kết quả để xác định và quản lý các dịch vụ mạng một cách hợp lý.
Một yếu tố quan trọng cần xem xét là chi phí tiền tệ liên quan đến việc cung cấp quá mức hoặc thiếu hụt công suất mạng và khả năng tính toán Điều này có thể được thể hiện qua các hạn chế trong việc thực hiện mục tiêu hoặc các thuộc tính bổ sung khi lựa chọn một phương pháp cụ thể.
Các nhà khai thác đang đối mặt với sự phức tạp trong việc tích hợp các nền tảng khác nhau trong mạng lưới của họ, dẫn đến thách thức trong việc tương tác và kéo dài thời gian tiếp thị các dịch vụ mới Thiếu cơ chế tiêu chuẩn hóa và có khả năng mở rộng để cung cấp dịch vụ theo ngữ cảnh làm tăng Chi phí Hoạt động (OPEX) cho việc quản lý mạng Để giảm OPEX, người vận hành cần tối ưu hóa việc sử dụng tài nguyên mạng, chẳng hạn như tự động hóa quy trình giám sát và cấu hình mạng Hơn nữa, việc cải thiện sử dụng và bảo trì hệ thống mạng là điều cần thiết để nâng cao hiệu quả hoạt động.
Sự thay đổi liên tục trong nhu cầu người dùng, mục tiêu kinh doanh và điều kiện môi trường làm gia tăng tính cấp thiết của việc cải thiện quy trình tự động hóa Điều này yêu cầu các vòng điều khiển khép kín hoạt động theo thời gian thực để đáp ứng hiệu quả với những biến đổi này.
Mạng thông minh rất quan trọng trong việc phát hiện các thay đổi theo ngữ cảnh, xác định nhóm thiết bị và dịch vụ có ảnh hưởng lẫn nhau, đồng thời quản lý các dịch vụ kết quả một cách hiệu quả để duy trì các thỏa thuận mức dịch vụ (SLA).
Thuật ngữ
Chương này định nghĩa các thuật ngữ chính như sau (Bảng 1.1):
Vòng điều khiển có hành động kiểm soát phụ thuộc vào phản hồi từ đối tượng hoặc quá trình được kiểm soát để đạt được hành vi mong muốn
Vòng điều khiển khép kín thích ứng
Vòng điều khiển khép kín có khả năng điều chỉnh linh hoạt theo đối tượng hoặc quá trình được kiểm soát, thông qua việc sử dụng các tham số không cố định hoặc có sự thay đổi theo thời gian.
Vòng điều khiển khép kín nhận thức
Một hệ thống kiểm soát khép kín có khả năng lựa chọn dữ liệu và hành vi để giám sát sẽ hỗ trợ đánh giá mức độ hoàn thành các mục tiêu đã đề ra Hệ thống này không chỉ tạo ra dữ liệu và thông tin mới mà còn cung cấp kiến thức thiết yếu, từ đó thúc đẩy quá trình đạt được các mục tiêu một cách hiệu quả.
Quá trình nhận thức bao gồm việc thu thập, hiểu và sản xuất dữ liệu, thông tin và kiến thức mới Mạng nhận thức sử dụng khả năng nhận thức theo ngữ cảnh để phân tích dữ liệu và hành vi mới, so sánh chúng với các mục tiêu hiện tại Từ đó, mạng hình thành các hành động nhằm bảo vệ và đạt được những mục tiêu này, đồng thời học hỏi từ những hậu quả của các hành động đã thực hiện.
Bối cảnh là sự tập hợp các kiến thức đã được đo lường và suy luận, nhằm mô tả môi trường mà một thực thể hiện hữu hoặc đã từng tồn tại Nhận thức theo ngữ cảnh đóng vai trò quan trọng trong việc hiểu rõ hơn về các yếu tố xung quanh.
Việc thu thập thông tin cá nhân và môi trường xung quanh nhằm cung cấp dịch vụ và tài nguyên được cá nhân hóa là rất quan trọng, giúp đáp ứng tốt hơn nhu cầu và bối cảnh của từng người dùng.
Học tập thông qua kinh nghiệm bao gồm cả các hành động từ hệ thống và những yếu tố bên ngoài tác động đến nó Chính sách là một tập hợp quy tắc nhằm quản lý và kiểm soát sự thay đổi cũng như duy trì trạng thái của một hoặc nhiều đối tượng được quản lý.
Một điểm khái niệm tại sự kết hợp của hai chức năng không chồng chéo có thể xác định loại thông tin được truyền giữa các chức năng này, được gọi là điểm tham chiếu bên ngoài.
Một điểm tham chiếu giữa hai hệ thống khác nhau Điểm tham chiếu, bên trong
Một điểm tham chiếu trong các chức năng khác nhau của hệ thống mà hệ thống bên ngoài không nhìn thấy được
Nhận thức về dữ liệu và hành vi trong các tình huống cụ thể là rất quan trọng để hiểu rõ ý nghĩa của chúng Việc phân tích dữ liệu và hành vi này giúp suy ra các quy trình và hành động mới, từ đó cải thiện khả năng ra quyết định Điều này không chỉ tạo điều kiện cho sự phát triển của các quy trình trong tương lai mà còn nâng cao hiệu quả và độ chính xác trong các quyết định.
Các vấn đề cần được giải quyết trong quản lý mạng và dịch vụ
Các vấn đề quản lý mạng hiện tại
Hầu hết các hệ thống hỗ trợ kinh doanh (BSS) và hệ thống hỗ trợ hoạt động (OSS) hiện nay được thiết kế theo kiểu ống dẫn, sử dụng các hệ thống tốt nhất cho từng nhiệm vụ cụ thể Điều này dẫn đến việc tồn tại nhiều hệ thống kiểm kê, mỗi hệ thống chỉ hỗ trợ một loại thiết bị và mạng nhất định, gây cản trở khả năng tương tác giữa các hệ thống Mỗi hệ thống có cái nhìn riêng về môi trường quản lý, làm khó khăn trong việc tổng hợp thông tin từ các nguồn khác nhau Những vấn đề này cần được giải quyết để cải thiện hiệu quả hoạt động của các hệ thống.
Hệ thống giống tốt nhất có khả năng ghép nối cao và tính liên kết thấp, cho phép các thành phần phụ thuộc lẫn nhau Khi một thành phần trong hệ thống được thay đổi, sự thay đổi này sẽ ảnh hưởng đến các thành phần khác, đảm bảo tính linh hoạt và khả năng thích ứng của toàn bộ hệ thống.
Việc tương tác giữa OSS và BSS, cũng như với các thực thể quản lý cấp thấp như bộ điều khiển SDN, bộ quản lý phần tử và bộ điều phối, không hề đơn giản Điều này khiến OSS trở thành một hệ thống ống dẫn phức tạp.
Thiếu dữ liệu thường dẫn đến việc cấm các thành phần khác nhau chia sẻ và tái sử dụng dữ liệu chung, ảnh hưởng không chỉ đến các thành phần nội bộ mà còn giữa các hệ thống khác nhau, chẳng hạn như BSS.
Một trong những vấn đề lớn nhất hiện nay là sự thiếu hụt kiến trúc thông tin thống nhất, điều này gây cản trở cho việc tích hợp thông tin từ nhiều nguồn khác nhau Sự không đồng nhất trong cách gọi tên một cá nhân, như trường hợp của JohnS, Strassner.John và jstrassn, khiến cho máy móc gặp khó khăn trong việc nhận diện Hơn nữa, khi một người được đại diện bằng ba dạng ID khác nhau trong ba hệ thống khác nhau, điều này càng làm phức tạp thêm việc xây dựng một bức tranh toàn cảnh về môi trường.
ID nhân viên 123456, EmpID "SJ033ab" và ID "123456" là ba định danh khác nhau với tên và kiểu dữ liệu khác nhau, gây khó khăn cho thiết bị trong việc nhận diện rằng các ID này đều xác định cùng một đối tượng.
Sự không tương thích kỹ thuật trong lĩnh vực mạng rất phổ biến, chủ yếu do thiếu thông tin và tiêu chuẩn để dịch các lệnh SNMP sang lệnh giao diện dòng lệnh hoặc các mô hình hiện đại như YANG Mỗi nhà cung cấp sử dụng cú pháp và ngữ nghĩa khác nhau, dẫn đến hàng trăm phiên bản hệ điều hành khác nhau, trong đó hai thiết bị có cùng phiên bản vẫn có thể phản hồi khác nhau cho cùng một lệnh Ngoài ra, còn tồn tại nhiều điểm không tương thích khác như giao thức và API Để giải quyết những vấn đề này, có thể áp dụng khái niệm Điểm tham chiếu và bổ sung ngữ nghĩa chính thức thông qua logic chính thức hoặc bản thể học vào các mô hình.
Tìm hiểu nhu cầu của người dùng và nhà điều hành
Sự không tương thích kỹ thuật chỉ ra rằng cần có một ngôn ngữ chung như Esperanto, nhưng điều này giả định rằng tất cả người dùng đều có cùng mục tiêu Người dùng doanh nghiệp thường không nắm rõ các chi tiết kỹ thuật, trong khi quản trị viên mạng có thể không hiểu các khái niệm như Quản lý quan hệ khách hàng Chẳng hạn, người dùng doanh nghiệp có thể quan tâm đến các tác động kinh tế của SLA, trong khi quản trị viên mạng lại chú ý đến cách lập trình các dịch vụ theo SLA Do đó, việc phát triển các ngôn ngữ riêng biệt cho từng nhóm người dùng là cần thiết để họ có thể diễn đạt nhu cầu của mình một cách hiệu quả Ý tưởng này đã dẫn đến khái niệm Chính sách liên tục, trong đó mỗi chế độ xem được tối ưu hóa cho từng kiểu người dùng khác nhau, ví dụ như người dùng doanh nghiệp chỉ muốn thông tin về SLA mà không quan tâm đến các khía cạnh kỹ thuật như hàng đợi hay định tuyến.
Hình 2.2 Sự liên tục của chính sách
Quản trị viên mạng cần phát triển các lệnh CLI để lập trình thiết bị, yêu cầu một biểu diễn chính sách khác để xây dựng lệnh xếp hàng và định tuyến Thỏa thuận mức độ dịch vụ (SLA) xác định các mục tiêu cụ thể, cần được chuyển đổi thành dạng mà quản trị viên có thể sử dụng Đây là một nhiệm vụ thường bị đánh giá thấp Ví dụ, một khách hàng có thể đã mua một dịch vụ áp dụng cho nhiều ứng dụng, mỗi ứng dụng bao gồm nhiều dịch vụ cần được lập trình theo nhu cầu riêng để tương tác hiệu quả với các dịch vụ khác Chính sách kinh doanh về việc chỉ định dịch vụ cho khách hàng sẽ được chuyển thành một bộ chính sách ở cấp độ thấp hơn, tiếp tục cho đến khi dịch vụ được khởi tạo đúng cách.
Chính sách cần được xem như một chuỗi liên tục, với các hình thức khác nhau nhằm đáp ứng nhu cầu đa dạng của người dùng Tuy nhiên, việc này gặp khó khăn do các thuật ngữ kinh doanh không được chuyển đổi thành các lệnh mạng, cùng với sự không đồng nhất của mạng lưới và sự khác biệt trong dữ liệu và lệnh giữa các thiết bị của các nhà cung cấp khác nhau.
Cả dự án ETSI ENI và MEF Policy Driven Orchestration (PDO) đều áp dụng một phương pháp tương tự, sử dụng các mô hình thông tin khởi đầu giống nhau để thể hiện các loại chính sách trong hệ thống Chính sách được sử dụng liên tục để xác định các khu vực bầu cử cho việc xây dựng chính sách PDO, là một mô hình thông tin mới, có khả năng xác định các loại chính sách khác nhau như mệnh lệnh, tuyên bố và ý định, đồng thời tạo điều kiện cho sự tương tác giữa chúng Chiến lược này là đặc trưng cho MEF và ETSI, trong khi các cơ quan tiêu chuẩn khác thường tiếp cận các loại chính sách theo cách một lần.
Chuyển nhu cầu kinh doanh sang dịch vụ mạng
Các thỏa thuận kinh doanh xác định điều kiện dịch vụ và các hình phạt, khuyến khích liên quan Chúng có thể được kết hợp thành Thỏa thuận mức độ dịch vụ (SLA), trong đó quy định dịch vụ sẽ được cung cấp, thời gian, địa điểm, chi phí, hiệu suất và các chỉ số như độ tin cậy và tính khả dụng SLA thường sử dụng ngôn ngữ kinh doanh thay vì thuật ngữ lập trình Thỏa thuận này cũng nêu rõ hậu quả nếu không đạt được các chỉ tiêu SLO trong SLA.
“Nếu 99% yêu cầu của hệ thống khách hàng không được hoàn thành trong 10 mili giây, khách hàng sẽ nhận được tiền hoàn lại.”).
SLA có thể áp dụng cho bất kỳ dịch vụ nào và nhiều SLA có thể xác định các đặc điểm của một dịch vụ cụ thể Chất lượng dịch vụ và hiệu suất được quy định bởi các Mục tiêu mức độ dịch vụ (SLO) tương ứng với từng SLA, dựa trên ngữ cảnh cụ thể như thời gian khứ hồi tối đa cho các gói trong nước và quốc tế Các dịch vụ rất đa dạng và thường được đặt hàng thông qua một sản phẩm.
Một sản phẩm có thể bao gồm một hoặc nhiều SLA, với mỗi SLA được thiết kế để cung cấp một tập hợp tài nguyên hoặc dịch vụ cụ thể Chẳng hạn, một sản phẩm có thể có hai mục hàng: một cho dịch vụ và một cho thông tin về phạm vi và bảo hành Ngoài ra, một sản phẩm cũng có thể được cấu thành từ nhiều thành phần, trong đó các đặc tính và hành vi của từng thành phần được xác định bởi SLA riêng của nó, như trường hợp của điện thoại di động với các thành phần như mã hoặc máy ảnh, mỗi thành phần đều có SLA riêng.
SLA có thể bao gồm một hoặc nhiều SLO, trong đó một số SLO phụ thuộc vào ngữ cảnh như vị trí địa lý, thời gian trong ngày và sự khác biệt giữa quốc gia và quốc tế Các SLO cũng có thể bị ảnh hưởng bởi các quy tắc kinh doanh của nhà cung cấp, chẳng hạn như tối đa hóa doanh thu cho một số loại khách hàng trong khi đảm bảo bảo mật cho các nhóm khác Mỗi SLO có thể được cấu thành từ các mức hiệu suất và chỉ số khác nhau, ví dụ như ba câu lệnh dưới đây có thể được xem là ba phần của cùng một SLO.
• 99,99% yêu cầu hệ thống của khách hàng sẽ hoàn thành trong vòng chưa đầy 15 mili giây.
• 99,9% yêu cầu hệ thống của khách hàng sẽ hoàn thành trong vòng chưa đầy 5 mili giây.
90% yêu cầu hệ thống của khách hàng sẽ được hoàn thành trong vòng chưa đầy 1 ms Mỗi SLO có hai giá trị mức dịch vụ (SLV), bao gồm phần trăm yêu cầu dịch vụ (như 99,99%, 99,9% và 90%) và thời gian hoàn thành (như 15, 5 và 1 mili giây) Mỗi SLV đi kèm với một số liệu tương ứng để đo lường hiệu suất Vì vậy, có một mối quan hệ rõ ràng giữa SLA, SLO và các SLV liên quan.
SLA bao gồm nhiều SLO, và mỗi SLO lại có nhiều SLV, với mỗi SLV được đo bằng một số liệu cụ thể Mặc dù không có tiêu chuẩn rõ ràng nào để chuyển đổi tài liệu kinh doanh, bao gồm SLA và SLO, sang định dạng dễ hiểu cho các kỹ sư mạng, việc nắm vững ngôn ngữ kinh doanh này là rất quan trọng Nó không chỉ xác định các điều khoản hợp đồng dịch vụ mà còn làm rõ trách nhiệm của nhà cung cấp và khách hàng, cũng như các đặc điểm và hành vi cụ thể của dịch vụ.
Có hai giải pháp cho tình huống khó xử này: một là nhờ người dịch thủ công tài liệu kinh doanh, nhưng cách này gặp hai vấn đề lớn Thứ nhất, quy trình thủ công làm chậm quá trình thử nghiệm ngoại tuyến và cung cấp dịch vụ Thứ hai, việc dịch này cần thực hiện cho từng bộ phận cấu thành, từ hợp đồng đến chính sách quản lý, ảnh hưởng đến việc lập trình và quản lý dịch vụ.
Giải pháp thứ hai là sử dụng trình phân tích cú pháp hoặc trình biên dịch để tự động hóa quy trình, tuy nhiên, phân tích ngôn ngữ tự nhiên rất phức tạp và đòi hỏi nhiều tính toán Hơn nữa, không có tiêu chuẩn rõ ràng cho các thuật ngữ trong tài liệu kinh doanh Một giải pháp khả thi là áp dụng cách tiếp cận kỹ thuật theo hướng mô hình, trong đó một mô hình chứa tất cả các thuật ngữ chính dự kiến sẽ xuất hiện Sơ đồ khối chức năng cấp cao được thể hiện trong Hình 2.3, với các bản dịch thực hiện liên tục từng cặp.
Trong cách tiếp cận này, Từ điển dữ liệu tạo thành nửa phía trước của hệ thống suy luận, trong đó các mô hình xác định “sự kiện” và bản thể luận cung cấp ngữ nghĩa chính thức cho các sự kiện qua hệ thống logic Điều này không chỉ cho phép các dữ kiện liên kết với các đối tượng khác mà còn giúp hệ thống lập luận về các sự kiện bằng logic hình thức, đưa ra giả thuyết và chứng minh tính đúng đắn của chúng về mặt toán học Việc kết hợp các mô hình và bản thể học là cần thiết vì tiêu chuẩn UML không cung cấp ngữ nghĩa chính thức cho các mô hình của nó.
Hình 2.3 Sơ đồ khối chức năng của một trình dịch ngữ nghĩa trên mỗi mức liên tục
Thành phần chính của biểu diễn tri thức đóng vai trò quan trọng trong kiến trúc nhận thức tổng thể, như đã đề cập trong Phần 3.1.3.
Từ điển Dữ liệu dựa trên Mô hình cung cấp một trình biên dịch ngữ nghĩa, cho phép thu thập thông tin không thể kiểm tra dễ dàng qua phân tích cú pháp, như kiểm tra kiểu và đảm bảo biến được khai báo trước khi sử dụng Mặc dù hầu hết các trình biên dịch không dựa vào ý nghĩa của từ và cụm từ, việc công nhận từ khóa và nghĩa vụ hợp đồng là thành phần chính trong phương pháp này Điều này cũng giải thích tại sao bản thể luận được áp dụng bên cạnh các mô hình.
Việc sử dụng các bản thể luận giúp tăng cường ý nghĩa cho dữ liệu trong các mô hình, nơi cả mô hình và bản thể luận có thể được coi là đồ thị Cần thiết phải thiết lập các mối quan hệ ngữ nghĩa giữa các khái niệm bản thể học và các phần tử trong mô hình, tạo thành một hệ thống đa đồ thị Logic nghiệp vụ trong Từ điển dữ liệu dựa trên mô hình đảm nhận việc xây dựng, lưu trữ và tái sử dụng các đồ thị này Chẳng hạn, một mô hình có thể xác định một khách hàng với các thuộc tính và mối quan hệ cụ thể Đối tượng khách hàng và các thuộc tính của nó chứa thông tin bổ sung có thể được tìm kiếm thông qua các bản thể luận liên quan Thông tin này có thể xuất hiện hoặc biến mất một cách động, với bản thể luận thực hiện truy vấn để kết hợp thông tin từ các mô hình và bản thể luận hiện có, cho phép sử dụng ngữ cảnh để điều chỉnh sự hiện diện của các đối tượng được mô hình hóa.
Trình biên dịch ngữ nghĩa tự động phân tích cú pháp các thỏa thuận kinh doanh như SLA và quy tắc kinh doanh để xác định khách hàng, dịch vụ và các SLA, SLO liên quan Quá trình này sử dụng nhận dạng thực thể được đặt tên, một nhiệm vụ trong xử lý ngôn ngữ tự nhiên, nhằm phân tích câu hoặc đoạn văn để nhận diện các thực thể thuộc các danh mục đã định Các danh mục này có thể bao gồm danh từ riêng và các khái niệm quan trọng như SLV, SLO, SLA Thông tin thu thập được sẽ được gửi đến các nhà bản thể học để tìm kiếm các ý nghĩa tương tự Nhận dạng thực thể được đặt tên kết hợp với thông tin ngữ cảnh từ Từ điển dữ liệu mô hình, giúp xây dựng tập hợp các ý nghĩa thay thế cho từng đồ thị trong đa đồ thị.
Học tập tích cực là một phương pháp hiệu quả để giảm chi phí ghi nhãn dữ liệu, đặc biệt trong việc xử lý các nhãn hoặc thẻ thay thế Bằng cách truy vấn chọn lọc thông tin có giá trị nhất từ trình chú thích, phương pháp này tự động cung cấp thông tin quan trọng thông qua đa đồ thị Thay vì chỉ tập trung vào việc chọn các cá thể đối tượng để truy vấn, cách tiếp cận này khai thác các phần tử của đa đồ thị để xác định thông tin cần thiết cho quá trình ghi nhãn.
Một khách hàng có thể có các Thỏa thuận Cấp độ Dịch vụ (SLA) khác nhau dựa trên ngữ cảnh, chẳng hạn như sự khác biệt giữa giờ làm việc và giờ không làm việc, hoặc loại giao thức truy cập mà họ sử dụng.
Sự cần thiết phải kết hợp tính năng động
Kỹ thuật hướng mô hình (MDE) là phương pháp phần mềm tập trung vào việc sử dụng mô hình để phát triển các hệ thống phần mềm có khả năng thay đổi linh hoạt trong thời gian thực MDE coi mô hình là các thành phần quan trọng, cho phép thiết kế và phân tích mà không cần mã hóa Một biến thể đặc biệt của MDE nhấn mạnh việc tối đa hóa sử dụng các mẫu thiết kế phần mềm Mặc dù MDE đã được áp dụng rộng rãi trong nhiều lĩnh vực như ô tô và sản xuất trong hơn 20 năm qua, nhưng ứng dụng của nó trong ngành viễn thông vẫn còn hạn chế FOCALE, một kiến trúc mạng tự trị được giới thiệu lần đầu vào năm 2006, đã trải qua nhiều cải tiến và mô tả các vòng điều khiển mới với các bước như Foundation, Observe, Compare, Act, Learn và rEason Hướng mô hình cho phép tự động tạo mã để kết nối các thực thể quản lý từ mô hình, như được thể hiện trong Hình 2.4.
Mỗi khối chức năng trong Hình 2.4 được kết nối qua bus ngữ nghĩa, hỗ trợ cả truy vấn đơn giản và ngữ nghĩa Bus ngữ nghĩa là mạch ngắt tìm kiếm và thông báo dựa trên nội dung, phân bố theo hướng sự kiện Điểm khác biệt so với bus dịch vụ doanh nghiệp tiêu chuẩn (ESB) là khả năng sắp xếp nội dung và định tuyến thông báo theo nghĩa, trong khi ESB chỉ sắp xếp các thông điệp Ngữ nghĩa và khả năng làm sáng tỏ của nó dựa vào các bản thể luận từ mô hình thông tin DEN-ng Thông báo được cấu trúc bằng OWL, giúp kiểm tra tính nhất quán và chỉnh sửa ngữ nghĩa, đồng thời cho phép đặt các đăng ký dựa trên bất kỳ phần nào của cấu trúc tin nhắn.
Hình 2.4: Sơ đồ khối đơn giản của kiến trúc FOCALE
Trình quản lý tự động FOCALE sử dụng bus ngữ nghĩa để điều chỉnh hành vi, hỗ trợ nhiều phương thức thu thập và phân phối kiến thức như đẩy, kéo và lập lịch Nó thực hiện các xử lý chung như chú thích ngữ nghĩa, chỉnh sửa và lưu trữ trước khi nội dung được chuyển đến các thành phần Nhờ đó, các thành phần có thể ghi nhận thông tin một cách chính xác hơn, từ đó giảm chi phí nhắn tin.
Các vòng điều khiển FOCALE hoạt động bằng cách tìm kiếm dữ liệu từ các tài nguyên được quản lý như bộ định tuyến Dữ liệu này được chuyển đổi sang dạng chuẩn hóa thông qua quá trình dịch dựa trên mô hình, sử dụng mô hình thông tin DEN-ng và các bản thể luận làm dữ liệu tham chiếu Sau đó, trạng thái hiện tại của thực thể được phân tích và so sánh với trạng thái mong muốn từ các máy trạng thái hữu hạn (FSM) Nếu không phát hiện sự cố, hệ thống sẽ tiếp tục sử dụng vòng lặp bảo trì; ngược lại, vòng lặp cấu hình sẽ được kích hoạt để điều chỉnh các dịch vụ và tài nguyên theo nhu cầu mới.
Trong FSM FOCALE, các nút biểu thị trạng thái cấu hình, với mỗi trạng thái có tập hợp liên kết của hoạt động cấu hình xác định thực thể Các cạnh thể hiện sự chuyển đổi trạng thái, cho phép thay đổi cấu hình tài nguyên quản lý Hành vi tĩnh được lập trình vào FOCALE thông qua thiết kế các FSM, trong khi hành vi động được xác định bằng cách thay đổi các FSM Quản lý chính sách theo ngữ cảnh điều chỉnh cả hai vòng điều khiển tự trị, cho phép ngữ cảnh lựa chọn bộ chính sách áp dụng Khi ngữ cảnh thay đổi, chính sách cũng thay đổi, dẫn đến việc điều chỉnh chức năng hệ thống cho phù hợp.
Trình quản lý tự trị sử dụng chính sách nhận biết ngữ cảnh để điều chỉnh hoạt động của các thành phần trong vòng điều khiển, cho phép chúng thay đổi theo ngữ cảnh hiện tại FOCALE phát triển thư viện chứa các mô hình, bản thể luận và hành vi mã hóa, tương tự như hàm xử lý chuỗi trong ngôn ngữ lập trình Thư viện này có thể tái sử dụng qua việc hiện thực hóa dưới dạng các đối tượng, với sự hỗ trợ từ mô hình và bản thể học Các hành vi trong thư viện được liên kết với việc áp dụng các hành động chính sách, được lựa chọn dựa trên ngữ cảnh cụ thể.
Chìa khóa của FOCALE là xác định xem trạng thái hiện tại có đạt được trạng thái mong muốn hay không, với "bằng" thể hiện sự phù hợp với bất kỳ trạng thái nào trong không gian trạng thái đáp ứng các mục tiêu hệ thống Điều này tương tự như việc leo đồi, khi mà thay vì chỉ tìm kiếm điểm cao nhất, một dải ngang được cắt qua đồi, và bất kỳ trạng thái nào nằm trong dải đó đều được coi là một nút Tuy nhiên, thuật toán tối ưu hóa vẫn có khả năng tiến tới trạng thái tốt hơn trong các phiên bản FOCALE sau này.
Quá trình đối chiếu lại sử dụng mã động để quản lý các thực thể trong hệ thống tự trị, dựa trên thông tin và dữ liệu từ cảm biến Hệ thống phân tích dữ liệu để xác định trạng thái hiện tại của tài nguyên và cảnh báo về bất kỳ thay đổi nào Trình quản lý tự trị so sánh trạng thái hiện tại với trạng thái mong muốn; nếu hai trạng thái khớp, giám sát tiếp tục, nhưng nếu không, nó sẽ tính toán các chuyển đổi trạng thái tối ưu cần thiết Trong quá trình này, hệ thống có thể gặp thay đổi ngoài kế hoạch trong thuộc tính, vì vậy nó sẽ kiểm tra xem thuộc tính có thay đổi hay không Nếu thuộc tính không thay đổi, quá trình tiếp tục; nếu có thay đổi, hệ thống sẽ điều chỉnh các chính sách để phản ánh những thay đổi đó, từ đó tạo ra các lệnh cấu hình mới từ các máy trạng thái.
Phản ứng theo ngữ cảnh
Mạng có thể chứa hàng trăm nghìn quy tắc chính sách thuộc nhiều loại khác nhau, từ quy tắc chính sách kinh doanh cấp cao đến quy tắc chính sách cấp thấp Một trong những mục đích quan trọng của việc nhận biết ngữ cảnh của các quy tắc này là để chỉ chọn ra những quy tắc phù hợp với nhiệm vụ quản lý hiện tại, giúp tối ưu hóa quy trình và nâng cao hiệu quả quản lý.
Bối cảnh của một thực thể bao gồm các kiến thức đo lường và suy ra, mô tả trạng thái và hoàn cảnh mà thực thể đó tồn tại hoặc đã tồn tại Định nghĩa này nhấn mạnh hai loại kiến thức quan trọng: sự kiện có thể đo lường và dữ liệu suy luận, thu được từ quá trình học máy và lý luận áp dụng cho ngữ cảnh hiện tại và quá khứ Ngoài ra, lịch sử bối cảnh cũng được xem xét, giúp các quyết định hiện tại dựa trên bối cảnh có thể học hỏi từ các quyết định trong quá khứ và nhận diện sự thay đổi của hoàn cảnh theo thời gian.
Nhận thức về ngữ cảnh giúp hệ thống thu thập thông tin về chính nó và môi trường xung quanh, từ đó cung cấp dịch vụ và tài nguyên cá nhân hóa Điều này cũng cho phép hệ thống linh hoạt điều chỉnh hành vi theo những thay đổi trong ngữ cảnh, nâng cao hiệu quả và tính phù hợp của các dịch vụ được cung cấp.
Nhận thức về ngữ cảnh giúp tăng khả năng tương quan giữa dữ liệu và thông tin đa dạng, từ đó dễ dàng tích hợp chúng Việc xác định thông tin theo ngữ cảnh là yếu tố then chốt để hiểu rõ dữ liệu, thông tin được nhập vào, cũng như cách mà dữ liệu, thông tin, kiến thức và trí tuệ hiện có có thể bị ảnh hưởng.
Lịch sử theo ngữ cảnh của người dùng, ứng dụng, thiết bị và các tương tác trước đó với hệ thống quản lý có thể hỗ trợ ra quyết định chính sách cho các tương tác hiện tại và tương lai Hành vi trong quá khứ giúp tăng tốc độ ra quyết định, trong khi thông tin lịch sử cũng có thể phát hiện những bất thường cần được xử lý kịp thời.
Hình 2.5: Lập luận dựa trên ngữ cảnh
Hình 2.5 cho thấy các thao tác chính cần thiết để lập luận dựa trên ngữ cảnh.
Bối cảnh có thể được mô hình hóa dưới dạng Dữ liệu lớn, với trọng tâm là trích xuất giá trị từ nguồn dữ liệu này Ba hoạt động chính trên Dữ liệu lớn thể hiện một loạt các hoạt động ngày càng chi tiết, nhằm mục đích chú thích thông tin về mặt ngữ nghĩa.
Tính năng được định nghĩa là đặc điểm quan trọng giúp mô tả và hiểu biết về một thực thể, ví dụ như các cạnh và góc trong hình ảnh Việc giảm số lượng tính năng là cần thiết để tránh tình trạng quá tải trong quá trình phân tích và lập luận Phân tích ngữ nghĩa tìm kiếm và làm phong phú thông tin về các khái niệm cụ thể, đồng thời liên kết các cấu trúc cú pháp có liên quan Phân tích này có thể được biểu diễn dưới dạng đồ thị hoặc mạng lưới từ ngữ và cụm từ liên quan Từ góc độ học máy, việc tính toán sự tương đồng ngữ nghĩa giữa các đối tượng thông qua các mối quan hệ như đồng nghĩa và trái nghĩa là một phương pháp thực tế và dễ tính toán hơn so với việc đạt được “sự hiểu biết tuyệt đối”.
Kết hợp Nhận thức Tình huống
Ngữ cảnh đóng vai trò quan trọng trong việc thu thập dữ liệu và thông tin từ bên ngoài vào hệ thống quản lý Nhận thức về ngữ cảnh giúp xác định cách mà các tình huống ảnh hưởng đến các mục tiêu của hệ thống.
Trong bài báo này, định nghĩa về nhận thức tình huống là:
Nhận thức về dữ liệu và hành vi trong các tình huống cụ thể là rất quan trọng, vì nó giúp hiểu rõ ý nghĩa và tầm quan trọng của những thông tin này Sự hiểu biết này không chỉ hỗ trợ trong việc phân tích các quy trình hiện tại mà còn dự đoán các hành động và tình huống mới có thể phát sinh, từ đó nâng cao khả năng ra quyết định chính xác và hiệu quả hơn trong tương lai.
Nhận thức về tình huống cho phép hệ thống hiểu rõ những gì đã xảy ra, khả năng xảy ra trong tương lai và tác động của chúng đến các mục tiêu mà hệ thống đang theo đuổi Điều này đòi hỏi khả năng phân tích diễn biến hiện tại và lý do phía sau Tóm lại, phân tích tình huống liên quan đến việc nhận thức ý nghĩa và tầm quan trọng của dữ liệu, cũng như cách thức xử lý và phát triển các quy trình, hành động từ dữ liệu đó trong tương lai gần nhằm đạt được mục tiêu hệ thống Đây là bản chất của nhận thức, đóng vai trò quan trọng trong hoạt động của cấu trúc nhận thức.
Tóm tắt các giải pháp vấn đề được đề xuất
Bảng 2.1 cung cấp tóm tắt về các vấn đề trên và các giải pháp được khuyến nghị của chúng.
Bảng 2.1 Tóm tắt giải pháp vấn đề
Giải quyết các vấn đề hệ thống kế thừa
Sử dụng thiết kế khối chức năng cùng các điểm tham chiếu để tối ưu hóa khớp nối và nâng cao tính liên kết Khai thác nhiều mô hình dữ liệu miền từ một mô hình thông tin duy nhất Thêm ngữ nghĩa vào dữ liệu được mô hình hóa thông qua logic và/hoặc bản thể luận.
Tìm hiểu nhu cầu của các khách hàng khác nhau
Phát triển một từ điển dữ liệu nhất quán từ các mô hình dữ liệu và bản thể luận liên quan nhằm đại diện cho các khái niệm được sử dụng bởi nhiều khách hàng khác nhau.
Sử dụng Chính sách liên tục để chia sẻ các chính sách được ủy quyền từ một khách hàng tới các khách hàng khác, nhằm chuyển đổi nhu cầu kinh doanh thành một hình thức dễ hiểu cho tất cả các bên liên quan.
Biến đổi nhu cầu nghề nghiệp
Xây dựng một trình phân tích cú pháp hoặc trình biên dịch có khả năng chuyển đổi các tài liệu nghề nghiệp như SLA và SLO thành dạng dễ hiểu cho người không chuyên Liên kết các hình thức này với các chính sách và sử dụng vai trò thay vì các đối tượng riêng lẻ để tăng tính mở rộng Kết hợp tính năng động và áp dụng các nguyên tắc MDE để cho phép thay đổi đối tượng trong thời gian thực thông qua các mẫu phần mềm tiêu chuẩn Sử dụng một hoặc nhiều máy tốt nhất, được hỗ trợ bởi MDE, để đảm bảo rằng trạng thái hiện tại của thực thể được quản lý là chấp nhận được, hoặc lập kế hoạch cho các thay đổi cần thiết để cải thiện trạng thái đó.
Kết hợp nhận thức theo ngữ cảnh
Sử dụng nhận thức ngữ cảnh để xác định trạng thái và môi trường tồn tại của một đối tượng là rất quan trọng Điều này giúp quản lý thực thể và điều chỉnh các dịch vụ mà đơn vị nhận được hoặc cung cấp, phù hợp với sự thay đổi nhu cầu của người dùng, quy tắc nghề nghiệp và điều kiện môi trường Việc tích hợp bối cảnh vào biểu diễn kiến thức của hệ thống là cần thiết để nâng cao hiệu quả hoạt động.
Kết hợp nhận thức tình huống
Sử dụng nhận thức tình huống để đánh giá khả năng đạt được mục tiêu của hệ thống hiện tại và tương lai bằng cách phân tích dữ liệu theo ngữ cảnh và thông tin liên quan như quy tắc kinh doanh, dữ liệu lịch sử và giả thuyết hiện tại Quá trình này giúp chiếu trạng thái hiện tại và tương lai của hệ thống vào một không gian trạng thái, phân loại thành đáp ứng, vượt quá hoặc vi phạm các mục tiêu hệ thống Nó cũng dự đoán các mối đe dọa đối với việc đạt được mục tiêu và mô tả sự phát triển của hệ thống cũng như các mối đe dọa Nhận thức tình huống cần được tích hợp vào biểu diễn kiến thức của hệ thống.
Nguyên tắc và kiến trúc nhận thức
Nguyên tắc nhận thức
Chương này mô tả một tập hợp các nguyên tắc chính để thiết kế và hiểu các kiến trúc nhận thức.
Nhận thức là quá trình tiếp nhận và phân tích dữ liệu, thông tin mới để hiểu rõ ý nghĩa và tầm quan trọng của chúng Qua đó, quá trình này cũng tạo ra dữ liệu và kiến thức mới, góp phần làm phong phú thêm hiểu biết về hoạt động của hệ thống và môi trường xung quanh.
Hình 3.1: Phiên bản đơn giản hóa của vòng điều khiển FOCALE
Nhận thức máy móc là quá trình mô phỏng cách bộ não con người thu nhận và hiểu dữ liệu, cũng như tạo ra thông tin và kiến thức mới Máy móc thực hiện điều này thông qua các vòng điều khiển khép kín, trong đó vòng kiểm soát nhận thức chọn lọc dữ liệu và hành vi để đánh giá trạng thái đạt được mục tiêu Vòng điều khiển Observe-Orient-Decide-Act (OODA), kết hợp với khả năng học tập và suy luận, được đề xuất làm nền tảng cho các vòng điều khiển nhận thức Tài liệu tham khảo xác định vòng điều khiển này và bổ sung quản lý chính sách, với hai chức năng mới được gọi là “plan” và.
Trong khung OODA cơ bản, bước "học" được tích hợp để thể hiện sự liên tục giữa các giai đoạn quan sát, định hướng, quyết định và hành động Mặc dù vòng lặp có vẻ tuần tự, nhưng thực tế, các bước này diễn ra đồng thời Bước định hướng đóng vai trò quan trọng trong việc xác định cách thức thực hiện các quan sát, quyết định và hành động Như Boyd đã chỉ ra, con người hành động dựa trên cách họ nhận thức thế giới, không phải dựa trên thực tế khách quan, và điều này cũng áp dụng cho máy móc.
Khối chức năng Quan sát tiếp nhận dữ liệu từ hệ thống quản lý, bao gồm thông tin về hoạt động, quản trị và quản lý, sau đó gửi đến Trình quản lý ngữ cảnh để diễn giải theo các mục tiêu kinh doanh hiện tại Kết quả này được chuyển đến Trình quản lý chính sách, nơi đưa ra các chính sách chi phối hoạt động của sáu khối chức năng trong vòng điều khiển FOCALE Đồng thời, khối chức năng Định hướng sử dụng dữ liệu đầu vào đã nhập để chuẩn hóa thông qua các mô hình và bản thể học, giúp cung cấp thông tin bổ sung và ý nghĩa cho dữ liệu Chức năng này rất quan trọng vì nó cho phép tổng hợp thông tin từ nhiều nguồn, tạo ra cái nhìn tổng quát hơn về tình hình.
Kế hoạch cung cấp một cái nhìn sâu sắc về cách bộ não con người xử lý thông tin để nhận thức và dự đoán hành vi của Dịch vụ theo các SLO Các phản ứng ngay lập tức được thực hiện dựa trên kích thích bên ngoài, cho phép hệ thống nhận thức nhận ra các tình huống đã gặp trước đó Điều này giúp bỏ qua các tính toán phức tạp và đi thẳng đến hành động nhằm thay đổi trạng thái hiện tại Các quy trình cố ý thu thập dữ liệu và gửi lệnh đến các quy trình phản ứng, đồng thời giải quyết các mục tiêu phức tạp thông qua việc sử dụng bộ nhớ và thực hiện kế hoạch Kiến thức được tích lũy và khái quát hóa, trong khi các quy trình từ chối giám sát tương tác giữa phản ứng và cân nhắc, nhằm phát triển các chiến lược sáng tạo Quá trình này cũng xem xét những sai lầm và khó khăn đã gặp phải để cải thiện hiệu suất, bao gồm cả việc tự đánh giá hiệu quả của các hành động đã thực hiện.
Mô hình nhận thức được xây dựng dựa trên ba kiểu xử lý, tạo ra nhiều đường dẫn khác nhau Một số đường dẫn này có thể là phím tắt, cho phép bỏ qua một hoặc nhiều chức năng khi đầu vào được nhận diện và đầu ra đã được biết hoặc có xác suất xuất hiện cao Trong FOCALE, điều này được thực hiện thông qua một tập hợp các máy trạng thái, mỗi trạng thái tương ứng với một dịch vụ hoặc cấu hình mạng cụ thể Siêu dữ liệu được thêm vào các trạng thái phù hợp để cung cấp thông tin tình huống quan trọng.
Phần Hành động xác định chiến lược tối ưu để bảo vệ các mục tiêu kinh doanh trong bối cảnh hiện tại Nó áp dụng các cơ chế MDE để chuyển đổi tập hợp các nút đã chọn trong máy trạng thái thành chuỗi lệnh, nhằm điều chỉnh tài nguyên và dịch vụ bị ảnh hưởng, đồng thời giám sát thông tin liên quan đến tài nguyên và dịch vụ.
Phần tìm hiểu lý do sử dụng nhận thức về ngữ cảnh và tình huống giúp hiểu dữ liệu và hành vi mới, so sánh các đầu vào mới với mục tiêu hiện tại Qua đó, nó hình thành các hành động nhằm bảo vệ và đạt được những mục tiêu này, đồng thời học hỏi từ hậu quả của các hành động đã thực hiện Điều này cũng kiểm tra sự thành công hay thất bại trong việc tổng hợp các nguồn lực và dịch vụ, nhằm liên kết hiệu quả từng trạng thái với hệ thống thực tế đang được quản lý.
3.1.2 Vòng lặp kiểm soát nhận thức và thích ứng
Quản lý nhận thức liên quan đến các khối chức năng khác trong hệ thống nhằm duy trì các mục tiêu đầu cuối như tối ưu hóa định tuyến, kết nối, hiệu quả, bảo mật và quản lý tin cậy Quá trình này thực hiện bằng cách điều chỉnh các chỉ thị của các khối chức năng khác, từ đó điều chỉnh kiến trúc FOCALE.
Hình 3.2: Một tập hợp các vòng điều khiển thích ứng và nhận thức
Vòng điều khiển kín thích ứng, như được thể hiện trong Hình 3.2, điều chỉnh chức năng điều khiển dựa trên các tham số không xác định hoặc thay đổi theo thời gian, phù hợp với bối cảnh và tình huống Việc xác định các tham số này ưu tiên việc sử dụng một mô hình để đạt hiệu suất vòng kín mong muốn, có thể được hỗ trợ bởi phân tích thống kê nhằm xây dựng mô hình toán học từ dữ liệu đo được Đồng thời, vòng điều khiển này còn được gọi là vòng điều khiển kín nhận thức, vì khả năng chọn lọc dữ liệu và hành vi giúp đánh giá trạng thái đạt được mục tiêu, đồng thời tạo ra thông tin và kiến thức mới để hỗ trợ việc hoàn thành các mục tiêu đề ra.
Biểu diễn tri thức có nhiều hình thức khác nhau, từ mô hình và bản thể luận đến mạng ngữ nghĩa và hệ thống suy luận tự động, cho phép thể hiện niềm tin, ý định và đánh giá của thực thể phần mềm Nó không chỉ mô tả cách tri thức được định nghĩa và vận dụng trong trí thông minh nhân tạo mà còn lập mô hình hành vi thông minh cho các thực thể này Quan trọng là, biểu diễn tri thức không coi dữ liệu là tĩnh, mà luôn có khả năng được sửa đổi hoặc tăng cường khi có đủ bằng chứng.
Có nhiều loại kiến thức khác nhau, bao gồm kiến thức thủ tục, kiến thức khai báo, kiến thức lôgic và kiến thức cấu trúc Kiến thức thủ tục mô tả cách thực hiện nhiệm vụ hoặc hoạt động, bao gồm quy tắc và chiến lược Kiến thức khai báo thể hiện các khái niệm, sự kiện và đối tượng thông qua các câu khai báo Tương tự, kiến thức lôgic diễn đạt các khái niệm và sự kiện theo một lôgic hình thức Cuối cùng, kiến thức cấu trúc mô tả các thành phần và mối quan hệ giữa các khái niệm và đối tượng Tất cả các dạng kiến thức này có thể được kết hợp để tạo thành một biểu diễn tri thức cho hệ thống.
Biểu diễn lôgic là ngôn ngữ hình thức giúp xác định tiên đề, lý thuyết, giả thuyết và mệnh đề một cách rõ ràng, không mơ hồ Nó áp dụng cú pháp và ngữ nghĩa chính xác, hỗ trợ nhiều kiểu suy luận và lập luận khác nhau Lợi ích lớn nhất của biểu diễn lôgic là khả năng chứng minh giả thuyết một cách toán học và khả năng tham khảo để xác định các đối tượng mới từ các đối tượng hiện có Tuy nhiên, nhược điểm chính là nhiều người dùng chưa quen thuộc với việc sử dụng logic hình thức.
FOCALE đã áp dụng một mạng ngữ nghĩa, một loại biểu đồ tri thức với các nút đại diện cho đối tượng và khái niệm, trong khi các cạnh mô tả mối quan hệ giữa chúng Các phiên bản sau của FOCALE đã mở rộng bằng cách sử dụng các mối quan hệ ngôn ngữ như từ đồng nghĩa, từ trái nghĩa, bên cạnh các mối quan hệ IS-A và HAS-A truyền thống Ưu điểm lớn nhất của FOCALE là khả năng thể hiện kiến thức một cách tự nhiên và dễ hiểu, nhưng nhược điểm chính là khó khăn trong việc biểu thị các kiểu quan hệ khác nhau.
Hệ thống nhận thức bao gồm nhiều loại bản ghi, hoạt động tương tự như con người Các loại bản ghi chính trong hệ thống kỹ thuật số được phân loại thành bộ nhớ ngắn hạn, bộ nhớ làm việc và bộ nhớ dài hạn.
Kiến trúc nhận thức
Kiến trúc nhận thức là một hệ thống mô phỏng quá trình học hỏi, lập luận và ra quyết định giống như bộ óc con người Cụ thể, hệ thống này sử dụng phần mềm để đưa ra giả thuyết và kiểm chứng chúng, đồng thời xây dựng kiến thức mới một cách linh hoạt trong quá trình ra quyết định.
Hệ thống nhận thức có khả năng suy luận và hành động trong những tình huống không được dự đoán trước, đồng thời học hỏi từ kinh nghiệm để cải thiện hiệu suất Hệ thống này có thể kiểm tra khả năng của chính nó, ưu tiên sử dụng dịch vụ và tài nguyên cần thiết, giải thích hành động đã thực hiện, và chấp nhận lệnh bên ngoài Khả năng hiểu mức độ liên quan của dữ liệu quan sát là cốt lõi của nhận thức, thường thông qua việc phân loại dữ liệu thành các đại diện đã được xác định trước Trí nhớ đóng vai trò quan trọng trong việc nâng cao khả năng hiểu tình huống, và cuối cùng, các hành động được đánh giá dựa trên hiệu quả hỗ trợ cho tình huống hiện tại.
Bảng 2.1 trong chương 2 đã nêu rõ các chức năng quan trọng cần kết hợp để giải quyết vấn đề chi phí thuê trong quản lý mạng và dịch vụ, từ đó hình thành sơ đồ khối chức năng đơn giản hóa như được trình bày dưới đây.
Kiến trúc nhận thức được chia thành ba phần chính: Nhà môi giới API, Phần xử lý đầu vào và đầu ra, và Phần chức năng xử lý nhận thức Hệ thống hoạt động với hai vòng điều khiển; vòng ngoài thu thập và phân tích dữ liệu từ hệ thống được quản lý, điều chỉnh hành vi của nó để đạt được các mục tiêu đề ra Trong khi đó, vòng lặp bên trong tập trung vào việc tối ưu hóa trạng thái của hệ thống, đảm bảo rằng các dịch vụ luôn sẵn sàng tại mọi thời điểm.
Hình 3.3 Sơ đồ khối chức năng được đơn giản hóa của một kiến trúc nhận thức
Việc sử dụng Nhà môi giới API sẽ có 3 lợi thế sau :
Việc áp dụng Nhà môi giới API thúc đẩy sự phát triển liên tục của kiến trúc nhận thức, cho phép tiến hành độc lập mà không bị ràng buộc bởi các yêu cầu cụ thể trong việc tương tác với các thực thể bên ngoài.
Sử dụng Nhà môi giới API mang lại giải pháp linh hoạt và dễ mở rộng, nhờ vào việc áp dụng các công nghệ phổ biến như RESTful và khả năng tích hợp các plugin tùy chỉnh, giúp tối ưu hóa giao tiếp với nhiều thực thể bên ngoài khác nhau.
Việc sử dụng Nhà môi giới API cho phép sử dụng các giải pháp nâng cao, chẳng hạn như thành phần API, được sử dụng.
Nhà môi giới API đóng vai trò quan trọng với hai chức năng chính: đầu tiên, nó hoạt động như một cổng API, giúp dịch chuyển dữ liệu giữa các API khác nhau; thứ hai, nó cung cấp khả năng quản lý hiệu quả cho các kết nối API.
API Quản lý API bao gồm xác thực, ủy quyền, kế toán, kiểm toán và chức năng liên quan.
Các chức năng của API Gateway bao gồm:
Chấp nhận các API từ một điểm tham chiếu bên ngoài và định tuyến chúng đến các khối chức năng phù hợp trong kiến trúc nhận thức.
Chấp nhận các API gửi đi được truyền qua một điểm tham chiếu bên ngoài thích hợp và định tuyến chúng đến thực thể bên ngoài thích hợp
Chuyển đổi các giao thức được sử dụng bởi các thực thể bên ngoài thành các giao thức được sử dụng bởi kiến trúc nhận thức và ngược lại
Quản lý các phiên bản khác nhau của cùng một API là rất quan trọng Điểm tham chiếu bên ngoài Eapi-sysin tiếp nhận và thực thi các yêu cầu API từ các thực thể bên ngoài, trong khi đó, điểm tham chiếu bên ngoài Eapi-sysout chấp nhận các yêu cầu từ kiến trúc nhận thức và gửi chúng đi.
3.2.3 Xử lý đầu vào và đầu ra
Kiến trúc nhận thức cần được thiết kế để tiếp nhận đa dạng dữ liệu đầu vào từ các ngôn ngữ khác nhau, yêu cầu chuyển đổi chúng thành một định dạng chung để xử lý hiệu quả Nếu không có sự chuyển đổi này, mỗi khối chức năng trong kiến trúc sẽ gặp khó khăn trong việc hiểu cú pháp và ngữ nghĩa của từng loại dữ liệu Hơn nữa, định dạng nội bộ của kiến trúc cũng cần được chuyển đổi thành dạng mà các thực thể bên ngoài có thể sử dụng.
Trong quá trình xử lý dữ liệu, các tác vụ chung được thực hiện trên toàn bộ dữ liệu nhập trước khi chúng được chuyển đến chức năng xử lý nhận thức Tương tự, khi lệnh đầu ra và thông tin được gửi từ chức năng này đến các thực thể bên ngoài, cũng có những nhiệm vụ chung được thực hiện Điều này tạo động lực cho việc phát triển các chức năng xử lý đầu vào và đầu ra hiệu quả.
Xử lý đầu vào bao gồm việc học hỏi và tham khảo từ dữ liệu thô của một hoặc nhiều miền, từ đó quyết định kiến thức nào sẽ được chuyển tiếp đến các khối chức năng khác Trong một số trường hợp, dữ liệu thô có thể được lưu lại để sử dụng sau này, đặc biệt trong các kiểu xử lý xu hướng cần truy cập vào dữ liệu này Thông thường, việc lưu trữ dữ liệu đã xử lý là nhanh chóng và hiệu quả hơn Quyết định lưu trữ dữ liệu ở dạng thô hay đã xử lý phụ thuộc vào ngữ cảnh và các tình huống hiện tại cũng như dự đoán trong tương lai.
Quá trình xử lý dữ liệu có thể sử dụng các hàm tổng hợp, tương quan và học máy, giúp khai thác kiến thức từ dữ liệu kết quả hoặc dữ liệu không chuẩn hóa Các bước trong xử lý đầu vào có thể bao gồm nhiều phương pháp khác nhau để tối ưu hóa thông tin từ các miền cụ thể.
Lọc dữ liệu là quá trình loại bỏ thông tin không cần thiết nhằm đơn giản hóa và tăng tốc độ phân tích Việc này tương tự như việc loại bỏ nhiễu trong tín hiệu, và yêu cầu xác định các quy tắc hoặc logic nghiệp vụ để chọn lọc dữ liệu cho phân tích Các ví dụ về lọc dữ liệu bao gồm loại bỏ ngoại lệ, chỉnh sửa chuỗi thời gian, tổng hợp dữ liệu từ nhiều nguồn khác nhau, xác thực thông tin và loại bỏ dữ liệu trùng lặp.
Tương quan dữ liệu thể hiện mối quan hệ giữa các tập dữ liệu, ví dụ như sự tăng trưởng doanh số bán hàng nhờ vào quảng cáo nhắm mục tiêu và các bản dùng thử miễn phí có giới hạn Dữ liệu này thường bị phân tán do được thu thập từ nhiều nguồn khác nhau Việc áp dụng các quy tắc và logic nghiệp vụ giúp thu thập và kết hợp dữ liệu phân tán, từ đó cải thiện khả năng phân tích Tương quan dữ liệu là bước đầu tiên quan trọng trong việc nâng cao hiểu biết về mối liên hệ giữa dữ liệu và các đối tượng cơ bản của chúng.
