Computing Power Network (CPN)

Cover Page

Cite item

Full Text

Abstract

This article discusses the concept of the Computing Power Network (CPN), a new paradigm of distributed computing designed to distribute, manage and optimally use computing resources on demand by users, similar to the distribution of electrical energy in power systems. The relevance of the study is due to the fact that with the development of the digital society, more and more applications require not only high computing power, but also low latency, which makes computing and communication networks tightly integrated. In contrast to cloud, edge and fog computing technologies, a new paradigm for organizing geographically distributed computing is required that can provide more flexible, efficient and high-quality provision of computing power on demand by users to support a variety of promising applications (artificial intelligence / machine learning, big data analysis, industrial Internet of Things, smart manufacturing, unmanned transport, etc.). By analogy with the distribution of electrical energy in power systems, a new model for distributing computing resources was recently proposed - CPN. It provides computing power as "computing energy" that can be transmitted, accumulated and consumed in a distributed network of nodes - similar to how electrical energy is distributed between generators, substations and consumers in power grids.The aim of this study is to study the architectural and functional features of computing power networks, as well as to analyze the current state of international standardization of this technology.Methods include analysis of scientific and regulatory literature, assessment of the state of the level of international standardization of computing power network technologies.Results. The study analyzed the general principles of construction, structure and functional architecture of the computing power network, and determined that the full functioning of CPN requires a developed network infrastructure, primarily based on software-defined network technologies SDN and network management platforms using artificial intelligence.Scientific novelty. The study is the first attempt to conduct a system analysis of the computing power network concept in the context of Russian-language scientific literature. The work fills the existing gap in domestic science, offering a comprehensive view of the possibilities of building and operating a network of computing power using technologies of existing and prospective communication networks. The theoretical significance of the work lies in creating a basis for studying and integrating prospective fixed and mobile 5G / 6G communication networks with cloud and edge computing to implement the concept of a network of computing power.

About the authors

A. V. Roslyakov

Povolzhskiy State University of Telecommunications and Informatics

Email: a.roslyakov@psuti.ru
ORCID iD: 0000-0003-3130-8262

P. A. Aleksakhin

Povolzhskiy State University of Telecommunications and Informatics

Email: p.aleksahin@psuti.ru
ORCID iD: 0009-0005-1979-4992

V. A. Mikhailov

Povolzhskiy State University of Telecommunications and Informatics

Email: v.mihaylov@psuti.ru
ORCID iD: 0009-0002-0028-3402

References

  1. Rec. ITU-T Y.2501. Computing Power Network – framework and architecture. 2021.
  2. Смелянский Р.Л. Эволюция вычислительной инфраструктуры // Вестник Московского университета. Серия 15. Вычислительная математика и кибернетика. 2024. № 4. С. 190–233. doi: 10.55959/MSU/01370782152024474190234. EDN:OZHXTV
  3. Foster I., Zhao Y., Raicu I., Lu S. Cloud Computing and Grid Computing 360-Degrees Compared // Proceedings of the Grid Computing Environment Workshop (Austin, USA, 12–16 November 2008). IEEE, 2008. doi: 10.1109/GCE.2008.4738445
  4. Duan Q. Service-Oriented Network Virtualization for Composition of Cloud Computing and Networking // International Journal of Next-Generation Computing. 2011. Vol. 2. Iss. 2. PР. 123–138.
  5. Huawei Technology Report. Computing 2030. Tech. Rep., 4. 2023. https://www-file.huawei.com/-/media/corp2020/pdf/giv/intelligent_world_2030_en.pdf
  6. Lei B., Liu Z., Wang X., Yang M., Chen Y. Computing network: A new multiaccess edge computing // Telecommunications Science. 2019. Vol. 35. Iss. 9. PP. 44–51.
  7. Yukun S., Bo L., Junlin L., Haonan H., Xing Z., Jing P. Computing power network: A survey // China Communications. 2024. Vol. 21. Iss. 9. PP. 109–145. doi: 10.23919/JCC.ja.2021-0776
  8. Zhao Q., Lei B., Wei M. Survey of computing power network // ITU Journal on Future and Evolving Technologies. 2022. Vol. 3. Iss. 3. PP. 632–644. doi: 10.52953/BXBJ6384. EDN:WJMMIH
  9. Jia Q., Hu Y., Zhou X., Ma Q., Guo K., Zhang H., Xie R., Huang T., Liu Y. Deterministic Computing Power Networking: Architecture, Technologies and Prospects // arXiv:2401.17812. 2024. doi: 10.48550/arXiv.2401.17812
  10. Lei B., Zhao Q., Mei J. Computing Power Network: An Interworking Architecture of Computing and Network Based on IP Extension // Proceedings of the 22nd International Conference on High Performance Switching and Routing (HPSR, Paris, France, 07–10 June 2021). IEEE, 2021. doi: 10.1109/HPSR52026.2021.9481792
  11. Li S., Li T., Zhou X. Computing Power Network: A Network-Centric Supply Paradigm for Integrated Resources // ZTE Technology Journal. 2021. Vol. 27. Iss. 3. PP. 29–34. doi: 10.12142/ZTETJ.202103007
  12. Tang X., Cao C., Wang Y., Zhang S., Liu Y., Li M., et al. Computing power network: The architecture of convergence of computing and networking towards 6G requirement // China Communications. 2021. Vol. 18. Iss. 2. PP. 175–185. doi: 10.23919/JCC.2021.02.011. EDN:FDUIVB
  13. Cao C., Zhang S., Liu Y., Tang X. Convergence of telco cloud and bearer network based computing power network orchestration // Telecommunications Science. 2020. Vol. 36. Iss. 07. PP. 55–62.
  14. Lei B., Wang J., Zhao Q., Yu Y., Yang M. Novel network virtualization architecture based on the convergence of computing, storage and transport resources // Telecommunications Science. 2020. Vol. 36. Iss. 7. PP. 42–54.
  15. Liu J., Sun Y., Su J., Li Z., Zhang X., Lei B., et al. Computing Power Network: A Testbed and Applications with Edge Intelli-gence // Proceedings of the Conference on Computer Communications Workshops (INFOCOM WKSHPS, New York, USA, 02–05 May 2022). IEEE, 2022. doi: 10.1109/INFOCOMWKSHPS54753.2022.9798112.
  16. Smeliansky R. Network Powered by computing: Next generation of computational infrastructure // Edge Computing – Technology, Management and Integration. Iss. IntechOpen. 2023. PP. 47‒70. doi: 10.5772/intechopen.110178
  17. Smeliansky R. Network Powered by Computing // Proceedings of the International Conference on Modern Network Technologies (MoNeTec, Moscow, Russian Federation, 27–29 October 2022). IEEE, 2022. doi: 10.1109/MoNeTec55448.2022.9960771
  18. Глушак Е.В. Облачные и туманные вычисления: архитектура, моделирование, применение. Москва; Вологда: Инфра-Инженерия, 2025. 180 c. EDN:BUZGWB
  19. Росляков А.В., Ваняшин С.В., Гребешков А.Ю., Самсонов М.Ю. Интернет вещей. Самара: ПГУТИ, 2014. 342 c.
  20. Росляков А.В., Герасимов В.В. Детерминированные сети связи и их стандартизация // Стандарты и качество. 2024. № 7. C. 42–47. doi: 10.35400/0038-9692-2024-7-70-24. EDN: UTBDXB
  21. Ефименко А.А., Федосеев С.В. Организация инфраструктуры облачных вычислений на основе SDN сети // Экономика, статистика и экономика. Вестник УМО. 2013. № 5. C. 185–187. EDN:RPFQDD
  22. Росляков А.В., Герасимов В.В., Мамошина Ю.С., Сударева М.Е. Стандартизация синхронизируемых по времени сетей TSN // Стандарты и качество. 2021. № 4. C. 48–53. doi: 10.35400/0038-9692-2021-4-48-53. EDN:UYWULY
  23. Rec. ITU-T Q.4140. Protocols and signalling for computing power networks. Signalling requirements for service deployment in computing power networks. 2023.
  24. Rec. ITU-T Q.4141. Protocols and signalling for computing power networks. Requirements and signalling of intelligence control for the border network gateway in computing power networks. 2023.

Supplementary files

Supplementary Files
Action
1. JATS XML


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».