異構YANG模型驅動的網絡領域知識圖譜構建

董永強 王 鑫 劉永博 楊 望

1(東南大學計算機科學與工程學院 南京 211189) 2(東南大學網絡空間安全學院 南京 211189) 3(計算機網絡和信息集成教育部重點實驗室(東南大學) 南京 211189)

隨著網絡技術的蓬勃發展，多元化終端類型及其接入方式的演變，網絡中的被管對象和設備的種類、數量呈幾何式增長，網絡規模及其設備的異構性和復雜性也在不斷增加，基于命令行接口(CLI)以及簡單網絡管理協議(SNMP)的網絡運維管理方式變得非常困難.在此背景下，迫切需要高效、智能的方法來實現網絡的自動化運維管理.

為了滿足網絡配置管理的要求，IETF于2006年推出網絡配置管理協議NETCONF.該協議從概念上將消息傳輸劃分為內容層、操作層、遠程調用層和傳輸層，同時采用XML進行管理者和代理之間的數據傳輸和模塊表達.其內容層采用IETF定制的標準YANG語言[1]進行數據建模，這是一種建立網絡數據模型的標準解決方法.基于YANG語言生成的YANG模型定義了一個數據層次結構，包括配置數據、狀態數據、遠程過程調用(RPCs)和通知，具有很強的可讀性、理解性和擴展性.NETCONF和YANG的出現，極大地降低了人工運維的成本，網絡設備所需的配置或網管人員所需的數據可以通過腳本化方式執行，網絡運維更加趨于自動化.

然而，由于業務實現、市場需求等原因，不同廠商、標準化組織在基于YANG語言進行數據建模時，生成的YANG模型存在很大的異構性，通常在描述設備的同一種功能或概念時定義的結構(如節點名稱、節點組織結構等)各不相同.異構的網絡數據模型給網絡運維互操作帶來了挑戰，網管人員必須了解異構的YANG模型細節才能進行信息交互，人力要求和學習成本較高，不利于智能化網絡運維的推進.

Clark等人早在2003年就提出網絡“知識平面”的概念[2]，建議在網絡數據平面之上建立一個協調統一的知識平面，通過知識平面可以自動從低級行為中提取高級目標，實現網絡的自適應、自修復.文獻[3]提出將網絡設備、鏈路及其相關的網絡狀態信息作為知識存在知識庫中，集中管理網絡中產生的運維大數據，實現網絡智能化運維.但是該文獻僅涉及知識存儲，忽略了語義層面的信息，底層網絡設備及其數據還是處于異構狀態；且該文獻提出的知識庫是根據實驗網絡環境定制的，無法提供適應所有網絡的統一全局視圖.可見，在當今異構的網絡環境下，亟需一個知識層面、與網絡環境無關的統一數據模型來統領網絡大數據處理，從根本上解決網絡的異構描述問題.

鑒于此，本文提出一種由數據模型驅動的網絡領域知識圖譜構建方法，以消除異構YANG模型的互操作問題，為網絡運維管理提供知識層面的統一描述.據我們所知，這是業界首次提出利用YANG語言本身生成網絡知識本體，再基于異構YANG模型構建網絡領域知識圖譜.本文的主要貢獻有4個方面：

1) 提出一種由YANG語言及其數據模型驅動的、基于領域知識圖譜的異構網絡智能運維方案；

2) 給出基于YANG語言規范生成網絡知識本體的基本原則和構建方法；

3) 設計利用異構YANG模型進行知識抽取,并結合表示學習等手段構建網絡領域知識圖譜的方法；

4) 給出從網絡領域知識圖譜自動生成網絡運維本體并開展智能化運維實踐的方法.

1 相關工作

隨著網絡和人工智能技術的發展，近年來有不少工作將深度學習、強化學習等用于網絡智能化運維，實現網絡性能優化和故障異常檢測等.文獻[4]使用了深度強化學習對數據中心的長流和短流分別進行調度管理和隊列閾值優化，實現對數據中心規模的流量調度的優化.文獻[5]在網絡效用最優化問題中使用了深度強化學習，采用了改進的策略和經驗重放方法，避免了對通信網絡模型的依賴.這些工作強調機器學習手段在網絡智能化運維中的應用，有意無意地忽略了網絡的異構性.它們假設從網絡中獲取的運行和狀態數據都可以互相理解，并將其直接存儲，然后通過機器學習等方法進行處理和分析.這些方法較少涉及網絡數據模型在網絡運維管理中的運用，從而難以建立對網絡中異構數據進行統一描述的全局視圖.近年來，語義技術和知識圖譜的發展，引發了人們對于建立統一全局視圖的思考和研究.

文獻[6]較早提出一種基于本體的IP網絡設備智能配置管理模型，利用管理信息庫(MIB)，使用本體建模語言(OWL)集成配置管理信息，使用語義網規則語言(SWRL)定義行為信息，使用OWL-S定義服務；當達到觸發條件時，管理器會根據SWRL定義的規則調用相關服務，然后基于OWL-S將服務執行到托管設備，實現智能管理配置.文獻[7-8]提出從網絡設備的配置手冊中提取語法和語義信息同時利用專家知識，用OWL表示交換機/路由器配置域的關鍵概念和關系，基于語義簡化和自動化設備的配置過程.

文獻[3]提出一個知識圖框架KnowNet，該框架中的自定義知識來自實時的網絡環境，并設計了專門為網絡管理定制的原語，以簡化網絡運維工作.但是KnowNet只停留在知識存儲和數據層面，沒有考慮使用OWL等語義信息技術，也忽略了網絡的異構性和網絡底層運維數據模型的作用；該方案建立的知識庫只適用于具體的網絡，網絡環境改變時需要重建知識庫，可擴展性和可移植性較差.

隨著NETCONF的普及應用，相關的智能化運維研究逐漸涌現.文獻[9]提出基于本體、利用NETCONF解決物聯網(IoT)環境下的互操作問題，該文作者將IoT設備的功能以本體的方式進行表述，并利用本體知識將其轉化為YANG模型，通過RPC調用和響應實現對異構IoT設備的管理與控制.文獻[10]同樣基于NETCONF協議，利用本體解決電子醫療系統中的互操作問題.然而上述方法，只是借用了YANG的語法格式和模型特點，構建了特定環境下的物聯網設備的本體模型，并不具有通用性.此外，文獻[11]提出了一個融合不同廠商設備之間相同配置數據的本體；然而該文獻只針對Cisco和Juniper兩個關于IPv6配置的YANG模型，通過人工解析的方式構建網絡本體，如此生成的本體針對性過強、可擴展性差，無法拓展到其他模型和網絡環境.

綜上所述，現有網絡智能化運維技術忽視網絡的異構性，導致從網絡中獲取的狀態和配置數據彼此無法理解；本體均為手工生成且可擴展性太差、自動化程度過低；當今網絡領域還沒有一個能夠在知識層面上對網絡數據模型進行統一描述、可用于統領網絡大數據處理的全局視圖.為此，本文嘗試利用YANG語言規范，構建首個數據模型驅動的網絡領域知識圖譜，作為知識層面的統一描述，解決網絡大數據的異構性問題，促進網絡運維管理的智能化.

2 基于網絡領域知識圖譜的異構網絡智能運維方案

知識圖譜是一種用圖模型來描述知識的技術方法，由節點(實體)和邊(屬性)組成，包含描述抽象知識的本體層和描述具體事實的實例層.在語義技術框架中，知識圖譜定義了對象之間的關系，簡化了從異構數據中搜索信息的過程；可以促進知識共享和發現，能夠在大型異構數據集上表達和發現潛在的關系[12].OWL是W3C定義的用于描述本體的標準語言，采用subject-predicate-object(SPO)三元組的形式表示對象之間的關系；SPARQL查詢語言則提供了對知識圖譜中的各種關系進行搜索的手段.

本文提出一個能夠在網絡領域統領大數據處理的全局視圖——YANG模型驅動的網絡領域知識圖譜，從語義角度描述異構YANG模型的信息集成，實現網絡運維管理中異構信息的統一描述.基于網絡領域知識圖譜的異構網絡智能運維方案整體架構如圖1所示，包含概念網絡層面和物理網絡層面.

1) 概念網絡層——YANG模型驅動的網絡領域知識圖譜構建

概念網絡層對應通用網絡的知識平面，負責構建基于YANG模型的網絡領域知識圖譜；該圖譜不受具體網絡環境的影響，也不受網絡設備異構的影響.步驟有3個：

① 基于YANG語言的RFC7950規范構建通用網絡知識本體；

② 對單源異構YANG模型(由不同廠商或標準化組織提供)進行知識抽取，實例化網絡知識本體；

Fig. 1 Framework of heterogeneous network intelligent operation based on network domain knowledge graph圖1 基于網絡領域知識圖譜的異構網絡智能運維方案

Fig. 2 Demonstration of network domain knowledge graph圖2 網絡領域知識圖譜示意

③ 利用OWL語義信息，根據已有的專家知識及節點映射關系進行訓練，得出潛在的實例匹配關系，向實例化后的網絡知識本體中添加相關映射規則，構建網絡領域知識圖譜.

構建的網絡領域知識圖譜如圖2所示，具體方法見第3節.

2) 物理網絡層——基于領域知識圖譜的網絡運維本體生成與智能運維應用

物理網絡層對應具體網絡的控制與管理平面，體現網絡領域知識圖譜在實際網絡中的應用.步驟有2個：

①′ 基于網絡領域知識圖譜，定義概念網絡層與物理網絡層之間的映射規則，自動生成網絡運維本體；

②′ 利用NETCONF消息或其他動態數據，實例化網絡運維本體，構建網絡運維知識圖譜，支撐性能優化、故障檢測等運維需求.

3 YANG模型驅動的網絡領域知識圖譜構建

3.1 基于YANG語言規范構建網絡知識本體

YANG語言是用來描述YANG模型的數據建模語言，由IETF定制，按照NETCONF協議的層次結構來描述相關內容，包括配置數據、狀態數據、RPC和通知；YANG語言將網絡配置與狀態數據轉化為樹形結構，可以表示具有復雜層次關系的數據.RFC7950規范了YANG語言用于構建數據模型的68種聲明，部分聲明存在自己的子聲明，聲明與聲明之間有互相嵌套的關系，RFC7950還對每個聲明進行了基數限制，如表1、表2所示(部分聲明).

Table 1 Substatements of module Statement

Table 2 Substatements of container Statement

為了更好地展現YANG RFC7950中復雜的聲明關系，同時豐富YANG的語義信息，我們以OWL為本體建模語言，利用protégé本體構建工具進行網絡知識本體建模.構建過程遵循6個原則，其中，小寫字母開頭的單詞表示RFC7950中定義的聲明名，如module等；大寫字母開頭的單詞表示網絡知識本體中的類名，如Module等；大駝峰式命名的單詞表示網絡知識本體中的類名，如BelongsTo等；小駝峰式命名的單詞表示網絡知識本體中的關系名，如hasModule等.

1) 將RFC7950中具有子聲明的所有聲明定義為本體中的類，類之間的對象屬性關系命名為關系本身的含義，如表1展示的有關module和container聲明的三元組關系為

Module→hasContainer→Container

2) 將RFC7950中沒有子聲明的所有聲明轉為數據類型屬性關系的命名，如表1中定義的module和prefix聲明之間的關系：

Module→hasPrefix→xsd:string

3) RFC7950中定義了一些特殊的用于引用其他聲明的聲明，如uses，該聲明用于引用某個已經定義了的grouping信息.對于這類聲明，對象屬性關系除了既定聲明之間的關系，還需要加上被引用的關系.如module,grouping,uses聲明之間的關系定義為：

Module→hasGrouping→Grouping

Module→hasUses→Uses

Uses→toUse→Grouping

其中uses,grouping是module的子聲明，而grouping不是uses的子聲明.也就是說，除了考慮子聲明的關系，還需要考慮隱性的引用聲明關系.類似的處理方式還包括6個聲明：import,augment,include,refine,belongs-to,type.

4) OWL提供了2種描述枚舉的方法：枚舉類(通過直接枚舉類的成員來描述類)和枚舉數據類型(定義屬性的值域)[13].可以用枚舉類來表示RFC7950中定義的具有枚舉性質的聲明，其他任何個體都不能被聲明屬于這個類.此外，可以用枚舉數據類型定義RFC7950中一些具有確定值的聲明，比如status聲明的值是“current”、“deprecated”、“obsolete”之一，可以用oneOf結構表示這樣的聲明值.owl:oneOf的三元組中的subject是一個owl:DataRange的空白節點，object是值域構成的字面量列表；其他任何數據類型值都不屬于這個枚舉數據類型.

5) RFC7950在定義聲明的同時，會給聲明設置基數限制，在本體建模時，需要利用OWL的基數限制原則，利用min,exactly,max等詞語進行語義上的約束.如表1中的prefix聲明只能有一個，可以這樣描述該關系：

Module hasPrefix exactly 1 xsd:string

6) 需要遵循總的本體構建原則：本體模型中位置最“高”的類描述個體共有的知識，即子類繼承父類所有屬性，因此屬性應該盡可能定義在通用類中.根據這一原則，可以為RFC7950中定義的具有公共子聲明的聲明建立通用父類，在父類上添加具體屬性關系及基數限制，讓子類自動繼承父類，從而簡化本體結構.通用類構建示例如圖3所示，其中連接線上的數字代表2個關系之間的基數限制.

基于上述6個原則，根據YANG RFC7950構建的網絡知識本體一共包括51個類、44個對象屬性和28個數據類型屬性，如圖2和圖4所示.圖2本體層部分為構建的網絡知識本體(局部，且省略命名空間)；圖4為利用protégé工具構建本體后的可視化關系圖，圖4中方框代表本體層的所有類，所有實線代表“has subclass”(箭頭指向子類)，其他的虛線代表屬性.

Fig. 3 Generic class example圖3 通用類示例

Fig. 4 Visualization of network knowledge ontology圖4 網絡知識本體可視化

Fig. 5 Construction of knowledge graph based on uni-source YANG models圖5 單源YANG模型知識圖譜構建

3.2 基于YANG模型構建單源知識圖譜

根據實際業務需求，即使采用統一的YANG語言規范，不同廠商/標準化組織定義的YANG模型也各不相同，導致了YANG模型的異構性.因此，在構建網絡領域知識圖譜之前，首先要根據各廠商/標準化組織提供的YANG模型，對網絡知識本體進行實例化操作得到單源知識圖譜.

單源知識圖譜構建過程如圖5和算法1所示.YANG模型通過樹形結構來描述配置和狀態數據的層次結構以及各個變量的數據類型，直接解析YANG模型文件存在一定困難；而業界針對XML的解析和處理工具比較成熟，因此可以首先借助Pyang[14]等工具將YANG無損地轉化為Yin格式文件(XML格式)，然后制定解析規則，對其進行相應XML解析；最后把解析結果用于網絡知識本體實例化，就能得到單源知識圖譜.

經過算法1生成的單源知識圖譜如圖2和圖6所示，其中圖2實例層部分具有同一命名前綴的實體構成單源知識圖譜的實例層(局部，且省略命名空間及實例在XML文件中的路徑前綴)；圖6是單源知識圖譜的可視化結果，其中有圓形標記的方框代表本體層的類，有菱形標記的方框代表實例，連線代表“has subclass”(類→類)或“has instance”(類→實例)，左下側方框中顯示的是一個實例在知識圖譜中的詳細信息，包括實例的URI、注釋、對象屬性斷言等.

Fig. 6 Visualization of knowledge graph based on uni-source YANG models圖6 單源YANG模型知識圖譜可視化

3.3 基于單源知識圖譜構建網絡領域知識圖譜

網絡知識本體基于統一的YANG語言規范構建，因此4.2節構建的單源知識圖譜具有統一的上層本體.然而由于實際業務需求不同，單源YANG模型存在異構共指現象：不同名實例可能指代同一個實體，相同名實例可能指代不同實體.以ietf-interfaces模型(1)https://github.com/YangModels/yang/blob/master/standard/ietf/RFC/ietf-interfaces.yang和openconfig-interfaces模型(2)http://www.netconfcentral.org/modules/openconfig-interfaces為例，兩者在定義“type”時，雖然概念結構、節點層次等不一樣，但共同指向“端口的類型”這一含義.異構共指現象的存在，為基于單源知識圖譜構建網絡領域知識圖譜提供了實現基礎：如果能夠發現異構YANG模型之前的節點匹配關系，就可以利用OWL語義等價關系(如owl:sameAs等)向單源知識圖譜之間添加映射規則，從而構成網絡領域知識圖譜.

本實驗室前期工作[16]中給出了一個尋找YANG模型間匹配節點的初步方案：首先對YANG模型進行解析和扁平化處理得到XML格式的配置樹，根據配置樹中節點的字符串信息構建縮略詞表并進行語義消歧，然后計算不同模型的結構相似度和節點相似度，最終得到節點間的匹配關系.但是由于缺乏全局統一的視角，該方案只能得到少部分節點的匹配關系.本文在這些節點匹配關系基礎上，利用單源知識圖譜中豐富的語義信息，采用基于表示學習的實體對齊方法[17]，自動尋找更多潛在的匹配節點對，豐富單源知識圖譜間的語義映射關系，構建網絡領域知識圖譜.

如圖7所示，首先將待匹配的單源知識圖譜映射到低維空間，得到它在低維空間中的向量表示.根據翻譯模型[18]，知識圖譜中每個三元組(s→p→o)的關系p都可以看作從s到o的翻譯，通過不斷地調整其表示向量S,P和O，使得S+P盡可能等于O，即S+P≈O.為了減少計算量并增加隨機性，模型訓練需要使用負采樣技術，使得對負樣本三元組S+P≠O.然后，利用文獻[16]提供的已有匹配對訓練轉換矩陣，將異構知識圖譜的向量表示映射到統一向量空間.最后，在該空間中利用歐氏距離或其他方式度量實體向量間的對齊程度.模型訓練完成后，將其用于實例對齊預測，對齊程度越大，則表示節點實例之間的相似程度越高.按照以上過程不斷迭代學習預測，找到單源知識圖譜中所有潛在的等價實例關系，添加對應的映射規則，構建網絡領域知識圖譜.

Fig. 7 Framework of network domain knowledge graph construction圖7 網絡領域知識圖譜構建框架

相比文獻[16]，基于知識圖譜表示學習的實體對齊方法將待匹配的單源知識圖譜映射到同一空間，算法可以在該過程中自動獲取并推理所需特征，不需要顯式的規則約束；同時，向量表示蘊含了原來知識圖譜內在的所有節點、屬性(關系)特征和結構信息，不依賴字符串的文本信息，從而獲取YANG模型的深層次特征，并根據所有模型構建全局統一視圖，能夠挖掘單源知識圖譜之間更多的語義匹配關系.

以ieft-interfaces模型中待匹配的節點：/if:interfaces-state/if:interface/ip:ipv6/ip:mtu 為例，原方案將其錯誤映射到openconfig-interfaces模型中的節點：/oc-if:interfaces/oc-if:interface/oc-if:state /oc-if:mtu.通過圖7所示方法，則發現其正確映射節點應為：/oc-if:interfaces/oc-if:interface/oc-tun: tunnel/oc-ip:ipv6/oc-ip:state/oc-ip:mtu.

采用以上方法，挖掘并標記等價實例之后生成的網絡領域知識圖譜(局部)，如圖2的實例層所示，其中，標記“if/”的橢圓形代表IETF的YANG模型，標記“op-if/”的橢圓形代表OpenConfig的YANG模型.可以看到，2個組織的異構YANG模型因為owl:sameAs等價屬性建立了映射關系，從而形成聯合的網絡領域知識圖譜.

4 基于領域知識圖譜開展網絡智能化運維

實際網絡環境中，不斷運行的網絡會實時動態地產生數量龐大的數據，包含設備、鏈路的配置與狀態信息等.網絡領域知識圖譜只是概念層面網絡的抽象表示，即表征了有關網絡的構成要素、實體功能、協議描述等信息.本節闡述如何根據網絡領域知識圖譜生成適用于實際網絡場景、能統領網絡大數據的全局視圖——網絡運維本體和運維知識圖譜，并分析將其用于網絡智能化運維的可行途徑.

4.1 基于領域知識圖譜構建運維本體

分析NETCONF消息可知，不論在YANG模型中嵌套多少層，所有有關網絡設備配置和狀態的數據都存放在leaf節點或leaf-list節點標簽中.因此，只需要將網絡領域知識圖譜實例中的所有leaf節點和leaf-list節點抽出，同時保留節點的數據類型信息，即可自動化生成網絡運維本體.具體過程如算法2所示.

Fig. 8 AIOps Ontology圖8 網絡運維本體

基于算法2生成的網絡運維本體如圖8所示.從圖8中我們可以看出網絡運維本體以OpenConfig和IETF為中心向四周散開，2個組織的本體類通過owl:equivalentClass進行關聯，為網絡底層的數據模型提供了全局統一且穩定的視角.通過該本體，無論實際網絡環境如何變化，網絡運維本體都會保持統一，具有良好的擴展性和可遷移性.

4.2 運維知識圖譜的構建及應用

NETCONF協議通過傳遞XML消息對網絡設備進行管理，它包含了網絡及其設備的所有配置與狀態信息；根據實際網絡場景中的XML消息對網絡運維本體實例化操作，即可得到基于實際網絡場景的運維知識圖譜；其構建過程與算法1類似，不再贅述.

網絡領域知識圖譜與運維知識圖譜之間存在語義映射關系，因此網管人員不需要再關心網絡的異構環境，運維知識圖譜會根據物理網絡層和概念網絡層之間的映射關系，自主地將網管人員下發的網絡配置管理命令與操作中的異構性信息消除，自動將其轉換成設備可理解的命令與操作，為網絡運維管理的智能化提供支撐.

在此基礎上，網絡運維本體和運維知識圖譜給解決網絡性能優化以及異常檢測等運維難題帶來了新思路.運維知識圖譜不僅能存儲實際網絡中當前與歷史的配置與狀態數據，同時能提供知識圖譜獨有的語義信息.把知識與規則引入路由規劃與流量優化算法設計中，結合機器學習框架，根據實時的網絡狀態，利用知識圖譜中的斷言與規則，可以智能地完成動作空間的低維映射和調度規則的生成，實現網絡性能優化；同時，還可以從海量的運維數據中不斷學習，從歷史信息中總結網絡流量規律，對網絡行為和狀態做出預判，指導完成未來的故障檢測與定位，智能地完成異常檢測.

5 總 結

本文提出一種基于YANG語言及其數據模型構建網絡領域知識圖譜的方案，詳細闡述了其構建方法與應用場景，得到用于描述網絡知識和刻畫網絡狀態的全局視圖，從而能夠統領網絡大數據處理，解決網絡異構帶來的運維難題，為數據驅動的網絡管理與運行優化提供一種新的視角和方法.本文構建的網絡領域知識圖譜的特點主要有：自動化程度高、能屏蔽異構因素、數據查詢簡潔且高效、可擴展性強.未來將在網絡領域知識圖譜的完善與開放、知識圖譜驅動的配置級與控制級運維等方面開展進一步研究.