未来在来的路上

发布时间:2020-10-19 17:37:21

核心网络是通信网络的大脑,负责网络全局资源的安排和管理。进入5G时代,核心网络肩负更重,承载着千行百业多样化的业务需求。如何实现5G时代的核心网络高效、低成本、高可靠的运输维护,成为运营商和业界关注的焦点。5G时代的核心网络运输有什么挑战?有什么新的变化呢?
5G时代的核心网络运输挑战。
运维对象的规模和复杂性急剧上升-与以往的4G时代不同,5G时代由于网络应用深入多样化的业务场景,网络规模急剧增加。通过切片方式进行业务管理,业务也变得更加动态和复杂,大幅度提高了网络管理的难易度,网络管理对象也急剧增加,除了传统意义上的运营商公共网络外,各行业的用户专用网络,如何合理地对不同对象进行区域运营维护,基于各行业进行SLA保障也是一个非常棘手的问题,与此同时,随着NFV、微服务架构等技术的引进,网络实现了分层解耦合,根据需要部署,同时也带来了运营维护的复杂性
人力资源要求和企业成本挑战-与4G主要面向消费者市场不同,5G将赋予千行百业,与各行各业的生产效率、业务创新等密切相关。这要求5G新业务能够迅速上线,业务发布将从原来的几个月缩短到几天,甚至小时级,运营商也要求提供高SLA的网络来保证企业的生产、业务等过程的高效稳定运行,否则可能会给行业带来经济损失,这仅仅依靠传统的人工维护模式不能支持业务和网络要求。同时,5G时代不仅网络复杂,业务多样化,随着低延迟应用和行业专用网络的兴起,大量MEC边缘节点广泛分布在网络的不同位置,这增加了大量站点维护工作量和运输成本,如何最大限度地减少Opex是运营商在5G这个新战场上必须考虑的问题。
如何打破上述挑战?
让网络像自动驾驶汽车一样自动化、智能化。
在这样的挑战背景下,业界进行了很多探索和尝试,试图在方案结构、运输技术、运输方式等方面进行变革,将自动化、智能化引入5G核心网络运输。有人提出了有趣的想法,我们的网络能否像自动驾驶汽车一样,在没有人介入的情况下,自动驾驶,智能驾驶。这样的假设给业界带来了强烈的共鸣,展开了无数的讨论,其中着名的是TMF提出的自动驾驶网络的5层进化节奏,全面解释了网络未来10年的进化方向。
首先要考虑的是运输结构水平的变化。
众所周知,库存网络的管理系统多,孤立分散,数据隔离的管理能力没有服务化,无法按需灵活配置,导致基础资源浪费的传统管理方面和业务网络元分离,不符合5G时代的核心网络元实时控制,是当地自治的诉求为了解决这些问题,有必要将管理结构融合起来,实现跨领域跨平台跨层的统一管理。就像华为提供的iMasterMAE-CN方案一样,将传统网管、VNFMLCM、NFVO、NSSMF、MEAO和相关运输工具子系统巧妙地融合在一起。另一方面,这些组件不是粗暴的堆积,而是以微服务的方式存在,客户可以根据需要进行配置,另一方面,最重要的是通过传统的烟囱式运输系统,使数据无缝交流,日常运输操作简单,发掘数据同时,这些组件连接智能调度引擎,通过系统灵活调度,实现从网络设计、配置、运输维护、优化的终端管理,不仅传统意义上简单的运输维护。
AI引进日常监视场景-积极预防亚健康状态的正确识别。
另一个非常重要的变化是技术的变化。在这里,大多数制造商都试图引进人工智能技术,自动化和智能化处理核心网络运输问题。
熟悉核心网络运输维护的技术人员,在建设网络初期,技术人员需要花费大量时间设定数万个KPI指标对象的阈值,这个阈值是根据以往的专家经验设定的,因为是静态阈值,所以在后续的日常监视中填补了可能发生错误报告,错过了异常情况的危险另外,子网的情况不同,子网之间这些阈值的设定不能复印,工程师只能用人工的方法设定子网。最棘手的是异常检测后的根源分析,工程师需要人工对KPI进行故障定位,同时在大量KPI指标中筛选出该异常KPI的相关KPI,通过查看相关KPI的测量值,进一步定位异常的原因。这种人工主导的运输方式,提高效率真的很难。
如何通过AI技术解放工程师的日常运输?
我们从门槛设置入手,看AI如何进行智能KPI异常检测。刚才我们提到,传统门槛设置是根据专业人员的经验设置的静态门槛,工作量大,也不准确,隔一段时间,还需要根据现在的网络实际情况进行门槛纠正调整。这里,华为推出动态门槛概念,如何理解?首先,有AI的训练模型,每周采样现在的网络历史数据,用AI算法继续训练校准该模型。然后,将现在网络的实时KPI数据导入训练好的模式中,获得动态门槛范围,也就是说当网络发生变化时,门槛范围也会发生变化,因此,在网络出现异常的初期阶段,潜在的KPI指标会超过门槛范围,系统会报告异常。这样,在一定程度上,不是主要KPI异常后处理故障,而是能够帮助我们事先发现网络的危险和故障。
动态阈值可以正确发现网络隐性事故,但实现运输的闭环需要智能分析异常情况,迅速找到原因。在此,华为提供多指标相关分析功能,如果某KPI指标异常,系统可以根据贡献度排序相关指标,技术人员可以根据此迅速找到最大贡献度的KPI,迅速定位问题的原因。
AI引进变更操作场景-构筑三条防线,实现机械值守。
除了日常监控场景,重大变化场景也将使用人工智能。
众所周知,在5G时代,产品版本的发布频率越来越高。因此,普通升级、灰度升级、配置变更、扩、扩展等重大操作。现在网络70%以上的重大事故是由网络变更引起的。一旦出现异常,对业务和用户体验的影响就很大。每年都上千次的变动,给运营商带来了巨大的挑战。同时,由于人工操作量大,网络异常识别平均需要5小时。业务影响增加时,无法事先分析和发现异常,错过了解决问题的时间窗口。
因此,在这种情况下,工程师希望运输方案能够建立变更前、变更中、变更后三条防线,提前规避风险和问题。