精华内容
下载资源
问答
  • 大学绩3.0 属于什么水平呢,大学绩应该怎么计算呢,下面小编为大家提供大学绩的含义,仅供大家参考。大学绩3.0属于什么水平在大学里面分数达到九十分以上就是优秀。一般来说,考60-69分,绩是1.0,70-79绩...

    大学绩点3.0 属于什么水平呢,大学绩点应该怎么计算呢,下面小编为大家提供大学绩点的含义,仅供大家参考。

    3986a9a09de9924b14c32c0793397151.png

    大学绩点3.0属于什么水平

    在大学里面分数达到九十分以上就是优秀。

    一般来说,考60-69分,绩点是1.0,70-79绩点是2.0,80-89绩点是3.0,90-100绩点是4.0。大学里的课程较多,最后的成绩是看平均绩点,绩点在1-2之间成绩下游,大多数学科都是刚刚及格,少数在70分。绩点2-3之间成绩中等,大多学科考70多分。绩点3以上属于成绩比较优秀的了,因为平均成绩都是80分以上,评奖评优你的机会更大。绩点能到4的都是大神,可望不可即的存在。

    大学绩点怎么算

    公式是这样的:学期平均绩点=∑(每一科绩点*每一科学分)/该学期学分总和 只要所学科目有学分,别管它是必修还是选修,全部都要算进去 在这里,我们要先懂得成绩和绩点的换算,成绩单上每一科都是百分制的分数,要计算绩点,首先要学会换算(看不出规律的自己面壁): 成绩100分=绩点5.0 成绩91分=绩点4.1 成绩86分=绩点3.6 成绩80分=绩点3.0 成绩73分=绩点2.3 成绩66分=绩点1.6 成绩60分=绩点1.0 成绩<60分,不好意思,无论多少,绩点都是0。

    大学绩点的作用

    1、评定奖学金:在绝大多数大学,绩点是评定奖学金是最重要的组成部分,往往只有绩点排名前几位才可以获得奖学金。

    2、保送研究生:绩点在本科生申请保研时的综合成绩中占主导地位,尽管它还包括科研加分、综合素质分等等,但绩点往往起着决定性的作用。

    3、出国留学:在申请留学时,GPA也就是绩点是首要条件,国外许多学校都有最低GPA的要求,而且学校越好要求越高。

    4、修读第二专业:一般只有第一专业的平均绩点达到一定分数,学校才会允许修读第二专业,而这一要求各个学校不同,

    5、毕业需要: 大多数学校一般也会对绩点有一个最低的要求,低于要求则不发学位证。

    展开全文
  • 什么是电流,电压的关联参考方向?

    千次阅读 2020-12-31 10:22:49
    正电荷的流动方向是由正电荷所受到的电场力的方向决定的:在电场中的任何一点,正电荷受到的电场力是在该沿着电场强度的切线方向,也就是从高电势指向低电势的方向。在磁场中,运动电荷受到洛仑兹力...

    满意答案

    电流的方向:

    1、一般的规定:

    正电荷的流动方向为电流方向。

    这种电流为运流电流(Conventional Current Flow),也就是传统电流方向。事实上,现代电磁场理论中的电流方向就是正电荷的流动方向。正电荷的流动方向是由正电荷所受到的电场力的方向决定的:在电场中的任何一点,正电荷受到的电场力是在该点沿着电场强度的切线方向,也就是从高电势指向低电势的方向。

    在磁场中,运动电荷受到洛仑兹力(Lorentz Force)的作用,它就是e.m.f.(Electro-motive Force 感生电动势)的来源,相当于一个内电路,正电荷的流动方向是从低电势流向高电势。

    2、导体内的电流:在导体内,没有正电荷的流动,只是电子的流动。

    这种电流为电子电流(Electron Flow)。

    因为导体中确确实实是电子在流动,根本没有正电荷在流动,即使在半导体里面的“孔穴载流子”(positively-charged holes)也不是事实上的正电荷,只是等价意义上的正电荷。所以有一些人试图“以正视听”,试图将电流的方向改为“电子的流动方向”,质疑是对的,尝试是可贵,然而事实确实不太可行的:首先引起的将使得电磁场中所有涉及到电流本身以及意义上涉及电流的物理量、公式、方程的正负号通通改变,这种情况如同将弧度换成角度后,所有的微积分中有关三角函数的公式通通变得烦不胜烦的情况。这还仅仅是形式上的。

    在半导体理论中,霍尔效应(Hall Effect)就使得这种努力困难重重。因为如果将电流的方向定义为电子流动的方向,也就是将现在的电流方向反过来规定为真正的电流方向,那么一切就应该以新的电流方向作为判断的依据。可

    展开全文
  • 决策树是如何选择特征和分裂

    千次阅读 2021-01-08 18:08:58
    突然想到树类型的算法都需要明白一个基本问题,树是如何选择特征和分裂的?其根本要追溯到决策树的种类,每种是如何划分特征和分裂,以及如何剪枝的。 决策树分为三类:ID3、C4.5、CART。提出时间却是 1984 年...

    图片

    缘起

    在解决回归和分类问题的时候,一般会使用 Random Forest、GBDT、XGBoost、LightGBM 等算法,这类算法因为性能好,被业界广泛采用。突然想到树类型的算法都需要明白一个基本问题,树是如何选择特征和分裂点的?其根本要追溯到决策树的种类,每种是如何划分特征和分裂点,以及如何剪枝的。

    决策树分为三类:ID3、C4.5、CART。提出时间却是 1984 年提出 CART,1986年提出的 ID3,1993 年提出的 C4.5。在介绍决策树之前需要了解一些信息论的知识,信息、熵、条件熵、信息增益。决策树中的 ID3 和 C4.5 与信息论息息相关。

     

    图片

    信息论基础

    信息是杂乱无章数据的一种度量方式。在分类问题中,如果待分类的事物可以划分在多个分类中,那么某个分类  的信息定义为:

    图片

    其中, 是某个分类的信息; 是选择该分类的概率。

    熵是信息的期望,也就是计算所有分类包含信息的期望值:

    图片

    其中,H(Y) 表示分类数据集的熵。

    条件熵是在特征 X 给定条件下,类别 Y 的条件概率分布的熵对特征 X 的数学期望。

    图片

    其中, 表示在特征 X 下的条件熵; 表示特征下  具体特征值的条件熵; 表示 x 和 y 的联合概率分布。

    在划分数据集之前之后信息发生的变化叫做信息增益,信息增益是熵的减少或者说是数据无序程度的减少。熵减去条件熵就是信息增益。

    图片

    其中, 表示信息增益。

    图片

    数据说明

    在讲完一些信息论的基础知识的基础上,由于原始论文中公式的表示不是同一个体系,为了更加方便理解这三者,因此下文中三个算法的介绍都以下面数据集为基础。

    训练数据集 , 表示训练样本总数,数据共有  个类别,类别  的样本集合分别用  表示,那么 ,如果特征A有n个不同类型的取值分别为 ,特征 A 可以将 D 划分为 n 个子集,, 为  的样本个数,并且 ,子集  属于类别  的样本集合为 , 即为子集  中属于类别  的样本集合:。用  表示  集合样本的个数。

     

    图片

    ID3

    4.1 算法思路

    利用训练数据集 D 与特征 A 来表示信息增益的计算方式,那么需要以下几个步骤:

    1)计算训练集合  的熵 :

    图片

    当 H(D) 的值越小,说明样本集合 D 的纯度就越高。

    2)选择用样本的某一个特征 A 来划分样本集合 D 时,就可以得出特征 A 对样本 D 划分所带来的信息增益。特征 A 把 D 划分为 n 个子集,计算特征 A 对数据集 D 的条件熵 H(D|A):

    图片

    3)计算信息增益 IG:

    图片

    信息增益越大,说明用特征 A 来划分数据集 D,信息混乱程度越小。我们需要对样本的所有特征计算信息增益情况,选择信息增益大的特征来作为决策树的一个结点,或者可以说那些信息增益大的特征往往离根结点越近。

    当一个特征已经作为划分的依据,在下面递归过程就不在参与了。经过根结点下面特征各个取值后样本又可以按照相应特征值进行划分,并且在当前的样本下利用剩下的特征再次计算信息增益来进一步选择划分的结点,ID3 决策树就是这样建立起来的。

    4.2 决策树生成过程

    大概创建分支 createBranch() 伪代码的意思如下:

    检测数据集中的每个子项是否属于同一分类:
    
      if so return 类标签
      else
       寻找划分数据集的最好特征
       划分数据集
       创建分支节点
          for每个划分的子集
            调用函数createBranch并增加返回结果到分支节点中
       retrun 分支节点

     

    也就是说,遍历每一个特征,遍历每一个特征值,如果计算出来信息增益最大,那么该特征就是最佳特征;接下来每个特征和特征值递归调用,构建下面的子树,再次选取特征和特征值,直到划分的子项属于同一类别或者遍历完所有特征,返回出现次数最多的类别。

    4.3 示例

    选用原始论文中的一个示例:

    图片

    假设有两个分类,一个是 N,一个是 P,Outlook 表示天气情况,Temperature 表示气温情况,Humidity 表示湿度,Windy 表示有风,这四个作为特征,每个特征下面的离散值作为特征值。那么数据的熵 :

    在 Outlook 的值 sunny 中 P 出现了 2 次,N 出现了 3 次,因此 ,那么数据集在 sunny 下的熵表示为  同理:在 overcast 下 ;在 rain 下 。那么数据集 D 在 Outlook 特征的条件熵表示为:

     

    图片

     

    那么 outlook 的信息增益表示为:

     

    图片

     

    同理其他特征的信息增益结果为:

     

    图片

     

    可以发现 Outlook 的信息增益最大,优先在这个特征上划分,在递归到其他特征上最终形成的决策树图如下: 

     

    图片

     

    图片

     

    C4.5

     

    ID3 算法中当一个特征的可取值数目较多时,而对应的特征值下面的的样本很少,这个时候它的信息增益是非常高的。ID3 会认为这个特征很适合划分,但是较多取值的特征来进行划分带来的问题是它的泛化能力比较弱,不能够对新样本进行有效的预测。为了解决这个问题,C4.5 决策树不直接使用信息增益来作为划分样本的主要依据,采用信息增益率来划分样本。

     

    特征 A 对训练数据集合D的信息增益比  定义为特征 A 的信息增益 IG(D,A) 与训练数据集 D 关于特征 A 的取值熵  之比,即:

     

    图片

     

    如果特征 A 有 n 个取值,则其中数据集 D 关于特征 A 的熵为:

     

    图片

     

    上面的过程相当于对特征值多的特征做了一个归一化,校正信息增益容易偏向于取值较多的特征的问题。但是同样增益率对可取值数目较少的特征有所偏好,因此 C4.5 决策树先从候选划分属性中找出信息增益高于平均水平的特征,在从中选择增益率最高的。关于 C4.5 的剪枝问题,在 CART 树中一并介绍。

     

    图片

     

    CART树

     

    ID3 和 C4.5 需要把连续特征离散化才能在回归数据中使用(ID3 需要人工处理,C4.5 算法自带处理);使用熵来度量信息的混乱程度还是复杂了些;最佳特征取值可以是多个,切分成复杂的多叉树。由于他们存在一些问题,下面还有一种决策树模型,CART 树。虽然 ID3 和 C4.5 存在很多问题,但是我不认为 CART 树是为了解决这些问题的,因为 CART 论文是发表的最早的,这边只是为了介绍他们对比不同。

     

    CART(Classification And Regression Trees,分类回归树),采用二元切分的方法,如果数据切分特征值等于切分要求进入左子树,否则进入右子树。CART 树即可以处理分类问题,又可以处理回归问题。分类问题采用基尼系数来选择最优特征和分裂点,回归问题采用平方误差的总值(总方差)来选择最优特征和分裂点。

     

    6.1 CART数据集混乱程度衡量

     

    6.1.1 CART分类树

     

    基尼指数是 1912 年意大利统计与社会学家 Corrado Gini 提出的。基尼系数(Gini index、Gini Coefficient)用来衡量一个国家或地区居民收入差距的指标,值越大表示收入越悬殊。在 CART 分类树中,采用基尼系数衡量数据集的不纯度(混乱程度),基尼系数越小说明数据不纯度低,特征越显著。

     

    那么分类数据集 D 的基尼系数可以表示为:

     

    图片

     

    在特征A下,将数据划分成两类,一类是 ,一类是 ,那么在特征 A 下的基尼系数为:

     

    图片

     

    6.1.2 CART回归树

     

    计算回归数据真实目标值中所有数据的均值,每条数据真实目标值减去均值。使用差值的绝对值或者差值的平方来衡量回归数据的混乱程度。若果采用差值的平方来衡量,那么就是平方误差的总值(总方差)。

     

    6.2 树的生成过程

     

    函数 createTree() 的伪代码大致如下:

     

    找到最佳的待切分特征:    
      如果该节点不能再分,将该节点存为叶节点    
      执行二元切分    
      在右子树调用createTree()方法    
      在左子树调用createTree()方法    
    
    那么如何找到最佳的待切分特征和特征值呢?   
    
    每个特征:    
      每个特征值:    
        将数据切分成两份    
        计算切分的误差    
        如果当前误差小于当前最小误差,那么将当前切分设定为最佳切分并更新最小误差    
    返回最佳切分的特征和特征值
    

     

    如果是分类树,那么误差指的的基尼系数,如果是回归树,误差值的是总方差。节点不能再分有两种情况:一是切分后的数据真实目标值为同一个,那么此时叶节点就是当前值;二是预剪枝切分后的样本很少或者迭代时总误差下降不满足阈值,此时用切分后的数据真实值的平均值作为叶节点。

     

    6.3 树的剪枝

     

    树的剪枝分为预剪枝和后剪枝,一般为了寻求模型的最佳效果可以同时使用两种剪枝技术。


    预剪枝过程相对简单,在生成树的过程中,如果某个特征和特征值切分的样本小于最小样本数或迭代误差下降值小于设置的最小下降值,就停止切分。预剪枝可以降低过拟合的风险并减少决策树的训练时间,但是也会带来欠拟合的问题。

     

    下面重点讲后剪枝,训练集训练一个决策树。在验证集上,对于一颗子树 ,其损失函数为:

     

    图片

     

    其中, 为正则化参数, 为验证集的预测误差, 是子树 T 叶节点的数量。

     

    如果将 T 的子树减掉,那么损失函数为:

     

    图片

     

    如果剪枝后损失函数变小,或者损失函数相等但是叶节点的数量变少,这两种情况都满足剪枝条件,具体后剪枝过程如下:

     

    基于已有的树切分验证集数据:
      如果存在任一子集是一棵树,则在该子集递归剪枝过程
      计算将当前两个叶节点合并后的误差
      计算不合并的误差
      如果合并会降低误差的话,就将叶节点合并
    

     

    图片

     

    决策树算法小结

     

    图片

     

    在样本量比较小的情况下建议使用 C4.5,大样本的情况下使用 CART。C4.5 需要对数据进行多次排序,处理成本耗时较高;CART 树是一种大样本的统计方法,小样本处理下泛化误差较大。


    目前这三种算法都是一棵树中的特征来决定最后的结果,后来发展成一组树来决定最后的结果。如果这些树是并行投票,就是每个树的投票权重相同,形成了 bagging 类的算法,最有代表性的是 Random Forest;如果这些树是串行投票,每个树的投票权重不同,通过拟合残差的方式,形成了 boosting 类的算法,最有代表性的是 GBDT、XGBoost、LightGBM。

     

    参考文献

     

    [1] Leo Breiman, Jerome H. Friedman, Richard A. Olshen, Charles J. Stone.(1984).
    [2] Classification And Regression Trees Quinlan1986_Article_InductionOfDecisionTrees
    [3] C4.5: by J. Ross Quinlan. Inc., 1993. Programs for Machine Learning Morgan Kaufmann Publishers
    [4]《机器学习实战》
    [5] https://www.cnblogs.com/pinard/p/6053344.html
    [6] 周志华西瓜书《机器学习》

    展开全文
  • 什么是云网融合

    千次阅读 2021-04-28 00:36:25
    接口部分相比SDN要复杂,而且因为是由ETSI在规范,所以话风都变了,称为参考点(reference point)。ETSI NFV框架在稍后分析5G以及MEC时,会重点涉及,暂不展开。 4.3 大融合 ETSI的NFV框架如何运作?OSS/BSS对接了...

    来源 | 好奇瞅瞅

    责编 | 寇雪芹

    头图 | 下载于视觉中国

    遵循“先理解-后优化”的工程规律,云网在快速融合,所以:不要把“边缘计算”理解成“计算”;不要把“物联网”理解成“网络”;当然,更不要把5G理解成网络。

    为什么先务虚

    说明一下,为什么要写这么“务虚”的一篇:

    1. 在《从广域网云化推演SASE:面向物联网和边缘计算的SD-WAN演进》里,推演了SASE的本质是“面向边缘时代的网络和安全的综合云化”,那么还是绕不开几个问题:什么是“云化”?什么是“网络云化”?什么是“安全云化”?然后才能去继续深入分析SASE,推演可能的行业格局。

    • 什么是“安全云化”,有贼心没贼胆,还不敢写;

    • 什么是“云化”,什么是“网络云化”,可以给出一些想法。倒不是因为胆子大,而是因为既然把SD-WAN的本质理解成了“广域网云化”,那么在做相关产品时,已经有过一些对两者的思考,所以可以脸皮厚一些,直接整理一下,抛砖引玉。

    • 再来说说先“务虚”的另一个原因:如果做产品不先来放空“务虚”一下的话,是很难真正做对“实事”的,这些实事包括:产品规划、产品架构、产品特性、功能需求等等。两个层面的例子:

      • 产品规划层面:如果不理解云,那么就会很难理解:为什么当前很多厂家,尤其是初创公司的SD-WAN产品不容易铺开落地?为什么即使SD-WAN和NFV的技术已经成熟了,但企业侧的NFV接受程度还是不高?为什么与企业侧的NFV相比,SASE的理念会更进一步?SASE最终可能会是一种怎样的产品形态?规划、架构、特性等层面的偏差,是会随时间推移被急剧放大的,进而极大地影响产品中长期的竞争力、研发效率和研发成本。所谓的“一将无能,累死三军”,大概说的就是这个吧。

      • 产品功能层面:那就更加直接了,结合产品需求分析的Y模型:如果只听用户需求就急着去做实实在在的产品功能,舍不得花时间去务虚探探用户需求的本质,那就有点像:你在高速路上载着乘客往前奔,乘客不停在叨逼叨叨逼叨,说你这里错了那里不对,你就一脸委屈或者赌气:“You can you up”,让乘客来把把方向盘,结果大概率就是:开得越快,死得越快


      图1-1:需求分析的Y模型;来源:《人人都是产品经理2.0》

      做一下预告:


      什么是云网融合

      承上,云网融合和网络云化是什么关系?如果单从网络视角来看,云网融合等同于网络云化,一个是目的,一个是手段。

      其次,什么是云网融合?这是一个小众领域里的热门词,大多是巨头和大佬在谈,有很多解读,凑不了这个热闹。“不忘初心,牢记使命”,我们的目标是:分析产业互联网下诸如SASE、MEC、IoT之类的产品机会,所以以下就从最朴素的视角来分析。

      云网融合,字面理解就是“云”和“网”融合,没什么好特别解释的;广义理解应该是“应用”和“网络”融合,因为“云”在这个时代语境里,代表了上云的各种应用和服务。

      • 只有这样理解,才能回答一些带刺的问题:在边缘时代,网络是以云为中心,还是以边缘为中心?预料这可能会是一个新时代下的“甜咸豆浆”问题,巨头和大佬的出身,基本决定了答案,届时可以看看热闹,选择吸收。

      • 照着这个理解,云网融合的好手是谁?觉得反倒可能是做“云”这门生意并不成功的Google。Google贡献了一个BBR,一个QUIC,好家伙,这两项可都是旨在动互联网大厦根基的协议。一家做搜索应用的公司,把网络玩得如此通透,图啥?肯定不是为了“为他人作嫁衣裳”,而是为了极致优化它的核心应用。

      • 照着这个理解,再多问一下:SDN/SD-WAN算不算云网融合?初看一下,这是啥跟啥,哪里扯得到边。那么就再回归本源,多问一下:为什么要“软件定义”(SD-, Software Defined)?如果不是为了更好更快更高效地操纵网络去服务应用,要啥软件定义呢。当然,学术派会说SDN/SD-WAN还有什么白牌化,摆脱厂商绑定等优势,嗯,没错,不过我们再来掰扯掰扯:现在有这么多控制器,哪家的控制器可以真正控制别家的设备了吗?现阶段到底是更开放了还是更绑定了?一些课题甚至早早就在考虑怎么统筹支离破碎的控制域了。所以,在当前的产品形态下,说白了可能都还是半成品,北向还远远达不到可以形成一个AppStore之类“应用市场”那种巨大的业务灵活优势,肯定会有下半程。我们花这么大劲,要从历史背景和技术趋势开始推演分析,就是想看看下半程可能会是怎样的落地形态,不是么。


      图2-1 统筹支离破碎的SDN域;来源:互联网

      • 云网融合这个方向必然是对的,符合“先理解-后优化”的工程规律,甚至也早已大规模成熟商用,而且你我每天都在重度使用。再回到移动通信网,其中诸如3G接入网中的RNC全称是什么?Radio Network Controller,无线网络控制器啊(4G/5G也有类似网元,选3G是因为网元名字最形象),早已在大规模使用SDN思想了。为什么无线接入网要采用SDN架构?因为只有SDN的“中央集权式”架构,才能让网络资源的调配速度,可以跟上无线信道的快速变化,保障终端用户业务的连续性,又回到了“身在网络,心怀业务”的初衷,这种改动,算不算“云网融合”呢?


      图2-2 3G网络架构;来源:http://teletopix.org/3g-wcdma/wcdma-network-architecture/

      所以,作者觉得云网融合还有一个更为广义的理解,应该是:“你们不要绕来绕去扯了,我不懂也没时间听,你们就说能不能解决我的问题”。好像历来只听到乙方在谈“云网融合”,很少听到甲方会主动谈起“云网融合”,为什么?我想甲方只关心问题的答案,只不过有些问题,当前还没最优解,乙方不得不抱起“云网融合”的概念,一边向用户求谅解,一边向内部指方向,一边向伙伴寻合作。所以,说到底,作者觉得掰扯概念不重要,甚至技术也不重要,能结合自身的产品体系,落地原理,服务生产才重要

      一些必要的注解:

      • 说Google做云业务并不成功是相对AWS和Azure而言的;特别提到Google是因为,动互联网大厦根基这种事,觉得技术难度是其次的,推动行业去认可去落地的难度是天量的。敬佩这类有追求有“技术责任感”的公司。

      • 说RNC是SDN,可能会有严谨的学术派反对,因为3G RAN侧确实没有在大规模使用通用硬件。因为作者认为“能结合自身的产品体系,落地原理,服务生产才重要”,所以没有这个困扰。


      为什么要云网融合

      既然这里谈的“云网融合”和巨头大佬谈的概念不太一样,那么“为什么要云网融合”的视角,可能也就不太一样了。

      所有的“为什么”,最终都会归于“需求”这个本源。在上一篇中,引出了网络云化领域“房间里的大象”——5G。这头大象,同样是云网融合领域中的翘楚。


      图3-1:5G能力图谱;来源:ETSI

      因为以下分析的基础是承认5G的需求;发现当前对5G诸如1ms这类场景的意义,还有不少质疑,认为4G和固网,已完全够用,5G是个噱头。所以先来快速解释一下为什么直接承认5G的需求:

      • 这是ITU的专家们经过广泛的调研论证得出的,他们是当前这个领域最资深的人。可以挑战权威,不过在挑战之前,建议先了解背景。不过这是通信强相关的小众领域,稍后可以专门介绍一下ITU、3GPP、ETSI之类组织的背景和关系。

      • 所有人在新技术面前,都是容易短视的,甚至包括这些专家们。其实可以从他们为4G命名可以看出来,什么IMT-Advanced,什么eNB (Evolved Node B),你都“Advanced”了,你都“Evolved”了,那5G该叫什么了?这下傻眼了吧,哇哈哈,

      • 这是关乎国家安全和利益分配的社会根基领域,必须要看国家意志。看到过一个比较有意思的问题:“日本近年来为什么总是点错科技树”?可能部分有日本故意就是要保持一定独立性的“安全感”的需要,不过更有说服力的原因是:“大国永远是带着日本玩,而不会跟着日本玩”,残酷而现实。5G已经成为一个直接较量的领域,已经形成“Lead Follow or Get Out of the Way”的态势了。质疑者总是容易正确,不过还是建议去做时间的朋友。:-)

      以下就从MEC、IoT、SASE三方面的视角,分析一下为什么要云网融合。

      3.1 边缘计算 MEC

      5G的三大应用场景,无论是ms级时延,还是Gbps级的速率,都决定了5G业务的终结点,不可能继续留在核心网后端的云平台,而需要向数据源或消费地靠近。这里说的是“业务终结点”,而不是“任何网络协议的终结点”,所以就不再是传统意义上的网络,而是依托网络的应用,即“云网融合”,这也正是MEC的根本契合点。如果需要这方面最直观的例子,可以参考《最深的云网融合:多接入边缘计算(MEC)》。

      3.2 物联网 IoT

      5G在设计之初,定位的通信主体就是物。万物互联,一方面意味着海量数据的产生,另一方面意味着海量的物联网设备,这些海量的物联网设备,大多是缺乏“思考”能力的,需要近场网络帮它们实现物物之间的传感、交互和控制。这里说的“传感、交互和控制”,也都不再是传统意义上的网络,而是依托现代网络的应用,即“云网融合”。所以,从这个意义上讲,最好别把物联网当作网络来理解,理解成应用反而会更合适一些;只不过这类产业互联网下的应用,需要设计者理解更多的网络原理。

      3.3 SASE

      SASE号称是面向边缘计算和物联网的SD-WAN演进,那自然也是离不开“云网融合”的。SASE没有5G的标准协议可以精确查看,但基于它的出身背景,不妨碍对它进行相关推演。在面对边缘计算和物联网场景,SASE不再假定固定边界,而是基于身份和其他相关策略,形成动态的信任边界。这意味着:工作在传统边界的设备,诸如网络领域的广域网加速设备,诸如安全领域的防火墙设备,如果还是继续游离在网络之外而没法融入其中的话,就会统统失效。所以,基于一个云化网络的,可以快速向目标区域投放动态边界所需的网络能力和安全能力,是可以充分发挥SASE竞争力的关键。


      图3-2:08年空军向汶川震中区域投放“希望“;来源:新华网

      如此,产业互联网下的产品趋势,慢慢都是相通的了,云网融合成为了一个必需

      所以,不要把边缘计算理解成计算,不要把物联网理解成网络,当然,更不要把5G理解成网络


      怎么实现云网融合

      慢慢从“道”偏向“术”,所以会相对枯燥;不过这里不会涉及很多细节,即使选图也是选择足够示意的简化版本。对哪部分感兴趣,可以查阅对应文档。

      具体怎么实现,如果认同5G是云网融合的翘楚,那么看看5G的演进就能知道个大概。

      4.1 SDN/SD-WAN


      图4-1:ONF SDN架构图;来源:ONF

      三个层次:

      • 基础设施层:专注于数据转发。可以是硬件设备:从芯片级到设备级,基本上各个大厂都有。芯片级的有OpenFlow芯片,以及更加灵活的P4芯片;设备级,基本上所有传统大厂都有。也可以是软件形态:比如开源的OVS(Open vSwitch,https://www.openvswitch.org/)。

      • 控制层:整个基础设施层的控制中枢。可以大致分为两类:买设备“送”的,也就是各大设备厂商的控制器;期望自己主导的开源方案,比如OpenDaylight(https://www.opendaylight.org/),以及后起之秀ONOS(Open Network Operating System, https://opennetworking.org/)。

      • 应用层:直接对接业务需求,然后编排成各种网络需求,再由控制器编排出对各个基础设施的控制指令。

      两种接口:

      • 南向接口:控制层到基础设施层的接口。上图来自ONF,所以只画了OpenFlow,但是南向接口不止OpenFlow,包括相对传统的NetConf等,都是可以使用的接口。南向是个容易有争议的接口,Openflow之类协议,支持和顾虑的人,应该都是排着队的,所以还是赶紧闪开。

      • 北向接口:应用层到控制层的接口。大多会采用RESTful API形式,也有大型设备商演进过来的编程接口。

      4.2 NFV


      图4-2:ETSI NFV参考框架;来源:ETSI

      三个层次:

      • 基础设施层(NFVI, Network Functions Virtualization Infrastructure)。将各种物理资源抽象成计算/存储/网络资源池。有意思的是,因为这个资源池是暴露给软件的逻辑资源池,所以资源池可以有多大,还会取决于其下的网络能力,SDN技术就是很好的契合点。

      • 虚拟网络层(VNF, Virtual Network Functions)。在虚拟的计算/存储/网络资源池,将原先的物理网元映射为一个虚拟网元,所以叫VNF。

      • 运营支撑层(OSS/BSS, Operations/Business Support Systems)。OSS,运营支撑,BSS,业务支撑;它们直接对接内部的运营需求,以及外部的业务需求。

      接口部分相比SDN要复杂,而且因为是由ETSI在规范,所以话风都变了,称为参考点(reference point)。ETSI NFV框架在稍后分析5G以及MEC时,会重点涉及,暂不展开。

      4.3 大融合

      ETSI的NFV框架如何运作?OSS/BSS对接了客户和运维,MANO(Management and Orchestration)对接了OSS/BSS;MANO会将一个业务需求,自顶向下分解编排,直到可分配VNF资源为止;然后对应的VM等资源,由NFVI来分配,对应的VNFL资源(可以认为VNFL是连接资源,暂不展开介绍,后续梳理MEC时会重点展开),需要与承载网的网管系统交互,由承载网来分配。


      图4-3:NFV支撑端到端网络服务示意图;来源:ETSI

      以上,“与承载网网管系统交互,由承载网来分配”说的是可以与SDN系统集成。事实上,ETSI已经在融合NFV和SDN了。


      图4-4:SDN控制器在NFV框架中的集成位置;来源:ETSI

      以上,如果参照OSI参考模型,SDN/SD-WAN主要在软件定义2-3层,比如交换机、路由器等;NFV主要在软件定义4-7层,比如防火墙,负载均衡等


      图4-5:OSI参考模型与对应的TCP/IP协议栈;来源:互联网

      如此,整个协议栈都可以软件定义了,再加上两者都推崇的硬件解耦,就在物理上和逻辑上,都达到了“敏捷”、“弹性”、“按量付费”的技术特点,就又回到了“网络云化”、“云网融合”了。如果你把OSI理解成了网络,那就是“网络云化”;如果你认为OSI包含了应用,那么就也做到“云网融合”了。

      之前提到5G是云网融合方面的好手,那我们最后就反过来看一下5G的大致的演进逻辑:

      • 核心网NFV化

        • 核心网元虚拟化,硬件解耦。

        • 核心网元模块化,并采用SBA架构,逻辑解耦。

      • 接入网NFV化

        • 分离成AAU、DU、CU;CU进一步NFV化。如此,完成“力所能及”的硬件解耦和逻辑解耦。说“力所能及”是因为还有OpenRAN的存在,暂不展开。

      • 承载网SDN化

        • 变态的需求导致了变态的架构,变态的架构导致了变态的部署模式,变态的部署模式进一步导致了大量的3层动态组网需求,进一步导致了SD-WAN演进。

      太啰嗦了,有没有更直接的例子?有啊,以上不就是大名鼎鼎的“切片”了么。:-)


      图4-6:5G切片实现框架;来源:https://en.wikipedia.org/wiki/5G_network_slicing


      后记

      预测趋势要比预测时间点简单得多,一些分析判断:

      • 5G、物联网、边缘计算等技术革新,不是为了技术而技术,而是为了能将数字化、信息化、智能化,从消费互联网行业,延展到更为广阔的产业互联网领域。尤其是5G,它不再只是通信那么简单了,更是为了延续产业革命而生。最直接的作证:为什么一个国家可以突破想象力的下限,不要脸到直接下场去干涉一家5G领军企业?没被逼急时,人都是要脸的,更何况是长期以灯塔自居的美国——因为太重要了。

      • 为什么产业互联网重要?因为第三次科技革命所能支撑起的消费互联网,已经接近尾声了,存量搏杀越来越激烈,政府、企业,都迫切需要新的增量来安抚“不安的灵魂”。除了入网人数增长乏力外,一些其他可以看出“尾声趋势”的迹象:

        • 创新的层次越来越高,很多都已经不得不滑入到业务模式创新了,譬如被官媒点名的“社区团购”。这生意合法吗?完全合法。那为什么巨头要被点名?因为你们号称是“科技巨头”啊,这种“创新”,还没开始就可以预见结局了——大资本支持下的小贩挤压和行业垄断,客气点说,已经很难判断社会价值和社会问题,哪个会更大一些。

        • 争抢的越来越激烈。消费互联网越接近尾声,在争抢的就越成了“国民总时间”。抖音产品大成了,用户停留时间长了,那么微信朋友圈的停留时间就不可避免地减少了,瞎猜这也是微信推出了短视频的原因之一吧。

      • 那当下产业互联网为什么难做?除了技术原因之外,需要的主流创新模式不同。越上层的创新,复制起来也相对越快,这也客观造就了当下能直接复制解决的问题,大部分都已经解决了。那为什么从消费领域往产业领域渗透时,就复制不过去了?因为跟消费互联网是个大池子不同,各个产业领域当下还是待开发地块,有着大量的现实的“坑”需要躬身去“踩”;这些不是快钱,习惯上层创新赚2C快钱的互联网公司,不一定能忍受这种孤寂和苦哈哈,反倒是传统行业的从业者,相对更有这种品质。这种情况下,需要ICT(Information and Communication Technology,信息和通信技术)领域与各个行业领域,能有更加广泛而深入的交流与融合,在原理层面相互理解贯通,才有可能孵化出更有意义的产品

      关于SASE,我们还有

      触手可及的网络云化,它的主战场落在哪?

      SASE 本质探究:什么是云化

      更多精彩推荐
      
      ☞5G、射频、奥特曼,这仨有联系吗?☞再见 Nacos,我要玩 Service Mesh 了!☞急!CPU 被挖矿,该怎么找进程?☞立即生效!帕特·基辛格卸任 VMware 所有职务
      点分享点收藏点点赞点在看
      
    展开全文
  • default_default是什么意思???

    千次阅读 2021-03-17 10:31:12
    default是什么意思???default的意思是:1、n. 违约,拖欠;系统默认值;常规做法;缺席2、v. 不履行,拖欠,违约;默认,预设;(计算机等)自动转到(默认值);因未到场而取消……参赛资格;(未)不到场;不参加...
  • java中参数是什么

    千次阅读 2021-02-12 14:11:39
    java中参数是什么?以下文字资料是由(历史新知网...vb中参数是什么vb中参数是在函数(或过程)中,用于决定流程、或参与计算、或决定样式模式等的量。参数分为虚参和实参。在定义函数的时候,先假设一个参...
  • FFT变换后,坐标单位是什么

    千次阅读 2020-12-22 07:05:16
    FFT是离散傅立叶变换的快速算法,可以将一个信号变换到频域。...虽然很多人都知道FFT是什么,可以用来做什么,怎么去做,但是却不知道FFT之后的结果是什意思、如何决定要使用多少来做FFT。现在圈圈就根据实际经...
  • 网络用语内涵是什么意思

    千次阅读 2021-06-13 13:54:54
    4、词意变异型,在网络上,以文字、词组或英语单词等原生词衍变而来的谐音化用语相当普遍,变异后的网络词,其表达的含义与字面原意已相差甚远,但它的流行程度和使用环境决定了多数网民不会产生歧义。 5、口语型...
  • CAD倒角标注里面的C1 C2是表示是什么?C1表示1 X 45°倒角;C2表示 1 X 45°倒角。CAD全称计算机辅助设计指利用计算机及其图形设备帮助设计人员进行设计工作。在设计中通常要用计算机对不同方案进行大量的计算、分析...
  • 参考文献起止页码格式

    千次阅读 2020-12-19 04:49:05
    参考文献起止页码格式参考文献多数出现在论文上,以下是“参考文献起止页码格式”,希望给大家带来帮助!采购专业论文参考文献(一)1]何桢,车建国. 精益六西格玛:新竞争优势的来源[J]. 天津大学学报(社会科学版), ...
  • 接地(Grounding)一般指将电路、设备或系统连接到一个作为参考电位参考电位面的良好导体上,为电路或系统与“地”之间建立一个低阻抗的通道。 1、消除可能出现的缝隙天线效应。如果两个相邻接地过孔的间距为1...
  • 之后他继续提问,当你登录成功后,去请求购物车时,后台为什么会返回的是你的购物车,而不是别人的?不是匹配用户id吗??我还没领悟到面试官想让我回答的是Token。。。。参考链接:https://juejin.i...
  • 在C语言中static有什么含义

    千次阅读 2021-05-21 04:42:10
    2019-10-10阅读(64)最主要有两用途。让一个变量长期有效,而不管其是在什么地方被申明。比如:intfun1(){staticints_value=0;....}那么fun1不管在什么地方被调用,当函数退出后,s_value最后的值将一直会被系统...
  • %C是什么意思? C语言中%c,%s分别代表什么意思?%C是什么意思? C语言中%c,%s分别代表什么意思?相关问题:匿名网友:%c单个字符输出的意思。%s是输出字符串。%d是输出整型。%f是输出整型。这是在scanf、printf这样的...
  • 汇总matplotlib的所有demo,收藏以后参考
  • 机器学习基础知识

    千次阅读 2021-10-24 14:38:12
    机器学习基础知识 文章目录机器学习基础知识监督学习回归线性回归岭回归lasso回归分类k最近邻分类朴素贝叶斯分类logistic回归支持向量机其他随机梯度下降线性判别分析决策树无监督学习聚类k均值分层次聚类谱聚类...
  • 现在只关心对应Filter的FilterRegistrationBean,显然,FilterRegistrationBean是ServletContextInitializer的子类(实现了Ordered接口),同样成员变量order的值决定其执行的优先级。 private void ...
  • C++ 学到什么程度可以找工作?

    千次阅读 2021-07-22 00:44:58
    置顶/星标公众号????,硬核文章第一时间送达!链接 |https://www.zhihu.com/question/400543720至少需要哪些知识?需要掌握到什么程度呢?https...
  • ESP32引脚参考详细说明

    千次阅读 多人点赞 2021-10-19 15:14:54
    你应该用什么别针?在你的项目中应该避免使用哪些引脚?本文旨在为ESP32 gpio提供一个简单易用的参考指南。 ESP-WROOM-32 pinout外观如下图所示。如果你使用ESP32裸芯片来构建自定义板,你可以使用它作为参考: ...
  • 原标题:买电脑主要看哪些配置 决定电脑好坏的关键大家好,我是小白一键重装软件的客服。 买电脑主要看哪些配置呢?在购买电脑之前,我们都会对电脑配置进行详细的了解,然后在根据自己预算去选择合适的电脑,那么...
  • iOS之深入解析文件内存映射MMAP

    万次阅读 热门讨论 2021-08-31 19:33:16
    ⑥ mmap 使用细节 使用 mmap 需要注意的一个关键是,mmap 映射区域大小必须是物理页大小(page_size)的整倍数(32 位系统中通常是 4k 字节)。这是因为内存的最小粒度是页,而进程虚拟地址空间和内存的映射也是...
  • java参考文献大全

    千次阅读 2021-06-19 11:26:09
    当然要想成为一个技术大牛也需要一定的思想格局,思想决定未来你要往哪个方向去走, 建议多看一些人生规划方面的书籍,多学习名人的思想格局,未来你的路会走的更远。 总结 蚂蚁面试比较重视基础,所以Java那些基本功...
  • %C是什么意思? c语言中?和:是什么意思%C是什么意思? c语言中?和:是什么意思相关问题:匿名网友:%c单个字符输出的意思。%s是输出字符串。%d是输出整型。%f是输出整型。这是在scanf、printf这样的函数中,将参数...
  • 第1章 参考信号概述 1.1 参考信号概述 参考信号其实并不是一个信号,而是多个信号,包括上行和下行参考信号: (1)DMRS(上行和下行):De-Modulation Reference Signal,解调参考信号 (2)PT-RS(下行和上行...
  • 奇葩面试题,O(logn)的底数是多少?

    千次阅读 多人点赞 2021-08-18 20:31:29
    一个没有注意到的,懵了……
  • 但是这里丝毫没提到退稿的原因,如果不是原创性前瞻性之类的问题,再找另一家杂志投递吧~ 投了篇small,审稿意见如下,修改后重投有希望吗 2周之内编辑会做出决定的,2周后无消息一般就是送审了。但是投稿系统里一直...
  • 本文来自TCSVT2020论文《Edge-Preserving Reference Sample Filtering and Mode-Dependent Interpolation ...滤波后的参考像素在预测时需要投影到一维形式,在计算预测值时对于非整数位置需要进行1/32像素精度的插值...
  • 什么是系统架构?

    千次阅读 2021-02-13 16:44:16
    什么是系统架构? 所谓系统架构,其主要任务就是通过分析系统属性来设计系统结构。 ISO/IEC 42010: 2011中,架构的定义为:一个系统在其所处环境中所具备的各种基本概念和属性,具体体现为其所包含的各个元素、他们...
  • Linux是实时系统还是分时操作系统?

    千次阅读 2021-06-18 00:12:05
    关注+星标公众号,不错过精彩内容 编排 | strongerHuang 微信公众号 | 嵌入式专栏 我们平时分享的µC/OS、FreeRTOS、RT-Thread、ThreadX这些都是实时操作系统(RTOS),那么有读者问:什么是分时操作系统,Linux...
  • 原标题:2020武汉大学计算机与软件工程考研初试科目、参考书目及复试详情本文将新祥旭徐老师全方位的对武汉大学计算机专业考研进行解析,主要有以下几个板块:学院介绍,专业情况介绍,2019录取情况分析,考研科目...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 495,812
精华内容 198,324
关键字:

参考点是由什么决定的