通信世界网消息（CWW）作为整个信息产业化发展的核心，通信技术在生活中的应用间接促进了科学技术知识向生产力不断转化，进而深刻地改变人们的生活。目前，全球97%的人口生活在有移动蜂窝网络覆盖的地方，然而普遍通信服务在为人们带来极大便利的同时，也放大了网络故障对生产生活的影响。
迅速发展的通信网络伴随着巨大的故障
2020年以来，由疫情引发的在线办公、在线消费等需求爆发，移动通信网络负荷高速增长。据统计，2020年移动互联网接入流量消费达1656亿GB，同比增长35.7%；移动互联网月户均流量（DOU）达10.35GB/户·月，同比增长32%；手机上网流量达到1568亿GB，同比增长29.6%，占总流量的94.7%。
同时，通信网络故障在全世界频频发生，带来较大影响。2021年4月，加拿大三大电信运营商之一的Rogers Communications及其旗下子公司Fido于加拿大东部时间19日上午出现大规模断网，全国各地用户无法拨打电话、无法使用无线网络。2021年6月2日，法国电信集团发生全国断网重大事故，据法国《费加罗报》报道，此次故障影响15院前急救热线、17报警热线、18消防热线、112紧急热线等接入，给救援服务带来了巨大困难，从当地时间6月2日16点30分许，各地院前急救中心都开始报告问题，有些电话无法接通，有些电话发生中断。
事故发生后，法国卫生部门设立了临时的固定或移动电话作为紧急替代方案。法国电信公司称，10%到20%的电话受到影响。而据法国急救中心主席弗朗索瓦·布劳恩估计，在故障期间，三分之一到二分之一的紧急热线无法正常接通。通信故障期间，法国发生了3起事故，其中一人死亡，两人重伤。
导致通信故障频发的原因有两方面：一方面是网络负荷不可预见地快速增长；另一方面是现代通信设备和技术设施更加专业化、复杂化、多样化，对网络运营人员和技术手段提出了更高的要求。同时，整个信息通信网络中任何设备或局部区域的性能降低及故障，都将导致整个网络服务能力受限。
然而，传统网络运维模式存在重复承担监控任务、流程自动化程度和信息智能化程度低、专家知识与经验固化周期慢、网络质量评估智能化薄弱等问题，难以满足现代通信服务保障的要求。
在此情形下，随着人工智能、大数据、物联网等前沿技术不断进步，为解决现代通信服务保障问题提供了新的技术手段。本文重点讨论如何推动人工智能、大数据、物联网等前沿技术与通信服务保障相结合，解决面向现代通信服务保障的数字孪生技术体系以及数字孪生平台设计中的主要问题。
通信服务保障水平提升需要构建数字孪生体系
近年来，网络智能化越来越为产业界所重视。“基于意图的网络”“自动驾驶网络”“零接触(Zero-Touch)网络”等概念和技术相继被业界提出并推广，希望借助网络智能化技术，实现网络自动化和自主化运行的愿景。
数字孪生网络构建物理网络的实时镜像，可增强物理网络所缺少的系统性事件监控、故障处置和性能优化，能够通过前沿技术和数字化工具，更加高效地应对通信服务保障中的问题与挑战。
将数字孪生技术应用于网络，创建物理网络设施的虚拟镜像，即可搭建数字孪生平台。通过物理网络和孪生网络实时交互，相互影响，数字孪生平台能够助力网络实现数字化、智能化的高效通信服务保障。
事实上，数字孪生的概念最早由美国学者M. Grieves教授提出，并定义为三维模型，包括实体产品、虚拟产品以及二者间的连接。近年来，面向未来网络，伴随着云计算、大数据、人工智能等技术的不断发展以及信息的泛在化，数字孪生技术也将更广泛地运用于人体活动监控与管理、家居生活和科学研究等领域，使得整个社会走向虚拟与现实结合的“数字孪生”世界。国际电信联盟电信标准化部(ITU-T)面向未来网络的Network2030焦点组，在其技术报告中也将数字孪生作为未来网络12个代表性用例之一。
目前，数字孪生模型框架尚无统一定义，商业公司、科研机构和标准组织都在尝试定义通用或者专用的模型框架。Gartner在其物联网数字孪生技术报告中提出构建一个物理实体的数字孪生体需要4个关键要素：模型、数据、监控和唯一性。国际标准化组织(ISO)发布了面向制造的数字孪生系统框架标准草案，提出包含数据采集域、设备控制域、数字孪生域和用户域的参考框架，该草案即将成为数字孪生领域第一个国际标准。
基于此，我们认为构建面向现代通信服务保障的数字孪生技术体系，需要实现4个方面的目标：一是确保数据模型自定义、可扩展；二是确保网络数据采集实时、准确；三是实现通信网络服务运营智能化；四是推动数字孪生体自优化、自进化。
数字孪生平台的设计思想和架构选择
从实际应用落地情况来看，面向通信服务保障的数字孪生平台是数字孪生技术体系的落地应用。针对数字孪生技术体系的四大目标，本文提出较为完整的面向通信服务保障的数字孪生平台的创新设计理念。
在数据模型设计时，采用领域驱动设计（DDD：Domain Driven Design）思想确保数据模型自定义、可扩展。伴随通信网络设备持续换代升级，网络故障与性能数据种类与类型不断增加，结构日益复杂，同时为了减少上层应用的变更频次，我们要求数字孪生平台在引入对新设备的支持时，能够自定义需要采集数据模型与扩展字段。
因此，在数据模型设计阶段引入领域驱动设计方法，一方面可以实现模型与现实的分离，另一方面提供了通信网络领域相关的模型扩展语法和数据模型自定义工具。领域驱动设计方法帮助我们将数字孪生平台的设计与建设工作聚焦在业务侧而非系统侧，实现了IT能力与工具嵌入式服务于业务需求，即保障网络通信服务的连续、稳定。
领域驱动设计是一种软件设计思路，领域指的是业务领域，比如网络服务保障、业务销售提升等。不同于传统的以数据表为中心的建模方式，领域驱动设计以业务领域为中心来建模，能促使我们以正确的方式使用面向对象，建立切实满足业务需求的领域特定数据模型。在采用领域驱动设计方式进行数据模型设计时，需要重点关注以下两点：一是和领域专家一起构建一套通用语言，团队成员使用通用业务语言进行交流；二是模型设计一方面从更高层次抽象系统，划分出不同的系统和业务关注点，另一方面要定义领域对象（实体、值对象、聚合）、模块、领域服务、工厂等，同时支持这些领域对象、模块等的扩展定义。
在架构选择方面，采用流式架构确保网络数据采集实时、准确。传统的通信网元采集数据分段传递，即设备故障和性能数据解析后形成文件写入到磁盘，然后通过ESB等传统数据总线方式进行异步上传。其中ESB多采用FTP协议传输数据，虽然能够将数据采集与传输各环节的时间压缩到最低，但是数据至少要写入磁盘多次，如采集机到前置机、前置机到集中存储服务器、集中存储服务器到分析处理集群等。数据每次写入磁盘都需要大量的IO操作，同时在各个传输环节的数据传输的操作同步、状态维护需要各系统自行维护，而且各系统维护的方式多为采用超时窗口的形式进行监控传输，这就必然造成传输时间延长、传输数据难以实时同步等问题。
在数字孪生平台设计中，我们选用了流式的数据上报架构，采用事件驱动、数据订阅的方式直接实现数据生成到消费的实时上报管道，即当通信网元产生数据或采集设备采集到数据后，直接上报给Kafka集群，Kafka集群将关键数据实时入湖。
需要注意的是，由于网络设备的复杂性，对于时效性要求不高的文件数据，不建议将采集生成的文件直接推送给Kafka，原因在于Kafka的设计原理为“数据队列溢出时将抛弃历史数据”，如果采集厂商不能直接调用Kafka推送每条消息，就需要将每个文件的信令与日志数据解析为消息数据，调用Kafka进行消息推送，这必然造成消息队列溢出以及积压数据被丢弃，导致数字孪生体不能真实反映网络的运行情况。
数字孪生平台的协同运营和众筹模式
除此之外，我们在数字孪生平台设计中引入了AI能力中心，主要提供智能洞察、智能规划、智能预警、智能分析等4方面能力，助力提升网络运营的智能化水平。
通过数字孪生网络与真实互联网络的交互，能够实现网络故障的自恢复，即真实物理网络中的网元运行状态、故障告警等数据能够实时采集到数字孪生平台，AI平台的智能洞察、智能分析能力能够针对典型网络故障生成自动恢复方案，然后通过数字孪生平台与真实物理网络的连接控制网元，进行故障自动恢复。如果恢复成功，该故障自动解决，用户体验不受任何影响；如果恢复不成功，则通过数字孪生平台与真实物理网络的连接，实现故障处理工单自动派发、故障处理单元优化选择，最大程度减少从事件发生到开始处置的时长，最大程度降低对用户体验的影响。
由于网络规模持续扩大，数字孪生体的运营也面临巨大挑战，因此在数字孪生平台的设计中，要提前考虑数字孪生体的自运营、自优化、自进化的需求。为此，我们采用众筹模式解决上述问题：一是提前制定通信网元接入的技术规范和数据模型、能力接口要求，要求设备生产商支持，并在通信网元入网时完成网元的自发现与自组织，支持数字孪生体中的网元数字镜像体自动构建，进而实现数字孪生体的自扩展、自运营；二是开放网络数据与AI在线训练环境，实现AI模型的众筹，支持各级用户面向新业务场景开发新模型，并发布数字孪生平台，实现AI模型的持续丰富与优胜劣汰；三是支持历史工单和网络日志数据挖掘，沉淀通用处理规则、故障处理模式等人类知识，实现数字孪生体的自学习、自优化。
当前，我们处于加速推动数字化技术、促进产业变革的大时代，数字孪生集合了各类新兴技术，将数字世界与物理世界相融合，为网络通信保障提供完整的生命周期数据，已经成为网络智能化、运营数字化的重要应用趋势。而面向网络通信保障的数字孪生平台也必将成为网络运营数字化转型的新型基础设施，成为解决当前大规模通信网络运营中日益凸显问题的必然选择。本文为建设面向现代通信服务保障的数字孪生平台提供了较为完整的体系设计思想和实践经验，供相关领域从业人员参考。
