浅谈:Open RAN的下一阶段——自动化

过去一年,Open RAN成为主流,随着越来越多的运营商开始在全球范围内试用和部署该技术,以及越来越多的无线电、服务器和软件供应商加入到这一生态系统中,我们不仅面临着解耦后的无线电、硬件,软件的集成挑战,如何管理和升级所有组件也是一个必须解决的问题。

恰巧的是,Open RAN的第二阶段遵循了企业数据中心的分解路径。在2000年代,企业对硬件和软件进行解耦后,需要解决两个挑战,一是如何集成来自不同供应商的软件和硬件。另一个就是如何自动升级软件。

为了解决这两个问题,云化、ZTP(零接触配置)、AI和ML(机器学习)以及Analytics之间的结合成为必然。这就是我们所谓的Open RAN的第二阶段,即自动化阶段。

云化

云原生功能(容器和微服务)是Open RAN的基础,而且有助于Open RAN第二阶段的自动化。

不同的RAN功能组件可以作为单独的微服务来实现,而不是作为一个单一的虚拟机(VM)。因此,它们可以按RAN所需的任何方式进行扩展。微服务架构采用敏捷的DevOps模型,使移动运营商能够不断创新。移动运营商可以根据需要,将任何RAN升级推送到大量的站点中。

每个微服务都可以独立于RAN应用程序中的其他微服务,使用自动化系统进行部署、升级、扩展和重启,从而能够在不影响SLA的情况下对实时应用程序进行频繁地更新。

云化并不代表从云中运行RAN服务。而是对容器中的RAN服务进行虚拟化,以确保可以在RAN设备所在的边缘快速执行操作。

集成

一旦Open RAN通过网络功能进行编排和云化,移动运营商就只有两种选择:要么选择系统集成商(SI)来集成硬件和软件,要么自己动手完成。不过,任何方式都必须真正致力于开放性和独立性,Open RAN模型才能成功。

无论由谁进行集成,集成者都需要在RAN实现、云和DevOps方面有经验。主要目标是要简化集成,并控制来自不同供应商的硬件和软件的集成成本。这是网络部署和操作自动化的关键所在。

自动化

从初始站点的启动到优化阶段,网络部署的所有阶段都要通过四种功能实现自动化,如下所示:ZTP,CI / CD,AI 和ML,以及Analytics。

ZTP(Zero Touch Provisioning),即零接触配置,移动运营商无需执行任何手动任务即可配置小区站点,这些站点会自动快速配置。当配置的站点数量巨大时,ZTP对密集5G部署能起到关键作用。

配置站点后,就可以进行持续集成和持续开发(CI / CD),并减少站点或数据中心中涉及的任何人工劳动。由于不需要派遣工程师到现场,日常维护的成本得到了降低。

CI / CD框架已在IT和企业领域中应用了多年。在Open RAN的第二阶段采用CI/CD时,需要注意两个重要因素。第一个因素是解耦本身,因为硬件和软件组件来自不同的供应商。第二个是RAN中的物理组件(服务器、无线电)也需要重点考虑。

在将CI/CD模型应用于RAN升级时,需要在所有网络段(RAN、传输、核心)中全面地融入CI/CD策略。因此,除了创建一个内部的RAN CI/CD策略外,移动运营商还需要创建一个整体的网络CI/CD策略。

这些在COTS硬件上运行的集成分类软件、软件升级和生命周期管理,都可以采用一种新的测试模型——即产品在整个CI / CD框架下进行测试。因此,CI / CD可以将开发时间从数小时减少到数分钟,从而可以减少大多数手动任务。

以下这些方法有助于为将来的部署创建CI / CD蓝图,包括:

1、自动化测试和升级:在电信行业中实施CI / CD模型有助于将RAN的测试、集成、软件发布和实际软件部署从人工劳动迁移到自动化和远程部署。手动现场升级容易出错,并且维护窗口很短。借助自动化,可以减少错误,并扩大时间范围。

2、一个更加互联的Open RAN供应商生态系统:通过实施CI / CD,移动运营商可以在不同生态系统成员之间实现跨度更大的协作,从而促进创新。它支持多供应商CNF入门和生命周期管理。这种方法通过频繁交付新功能和新优化来最大程度地降低风险,同时通过自动化提高效率,从而更快地引入新服务,提高终端用户的满意度。

3、容器和CI / CD的组合功能:Agile DevOps为容器提供堆栈模板来托管微服务,从而简化了自动化。这些升级将通过CI/CD实现自动化。并且,通过CI / CD推送到容器的软件组合,使MNO可以轻松定义自己的体系结构,并使Open RAN的部署和维护更加轻松且更具成本效益。这种方式的主要优势在于站点作为一种服务运行,软件更新会自动推送到数百个站点,大大减少了人工劳动成本。

AI和ML

Omdia的数据显示,80%的移动运营商表示,他们计划最快在2021年采用AI来自动化网络操作,主要使用人工智能(AI)和机器学习(ML)来保证网络性能质量和终端用户体验质量。

AI负责分析数据,ML负责调整网络状况,以实现适当的负载平衡、ICIC和无缝管理切换。

数据分析首先要对数据源进行分类,然后识别模式或异常,再预测行为。这些数据将需要涵盖不同的用例,并包括来自不同供应商的数据,这些数据不仅涉及RAN的各个组件,还涉及整个网络。随着时间的推移,ML算法将不断发展,将更好地预测和帮助AI做出实时网络决策。

AI模型分为两类:有监督学习和无监督学习。实时蜂窝网络更倾向于使用无监督学习模型。

近实时RIC(RAN智能控制器)应该包括AI作为xAPP,负责预测、预防和缓解影响客户体验的情况。AI软件将使用由ML算法作为rAPP在非实时RIC中运行。任何算法和训练都可以非实时构建。AI需要实时强化这些决策。来自非实时RIC的ML rAPP将帮助实时RIC中的AI xAPP识别流量模式和异常,并调整网络健康状况,以提供适当的RAN资源以获得最佳用户体验。

AI / ML算法将负责:

  • 预测参数
  • 检测异常
  • 预测故障
  • 投影热图
  • 将组件分类

这将使我们能够更加准确地预测未来,并采取一定的预防措施来避免将来发生类似情况。

Analytics

Analytics是一种工具,可以可视化网络的情况或异常,以及分析这些变化将如何影响用户体验,帮助移动运营商了解问题。这可以再次利用起AI数据,也可以看到ML有关改善网络的报告。

总结

Open-RAN的第二阶段将使RAN实现自动化。跨CI/CD、ZTP、AI/ML和Analytics的自动化策略将帮助移动运营商进入一个完全自动化的RAN世界。

Open-RAN第二阶段的工作范围与传统RAN相同,但Open RAN生态系统的供应商数量将提高。使用ZTP进行配置自动化、使用CI / CD,AI / ML进行持续维护自动化,这些都能帮助移动运营商实现成功的Open RAN,从而避免供应商锁定,同时提高效率,更好地利用资源并降低总体成本 。

原文链接:
https://www.rcrwireless.com/20210220/open_ran/youve-opened-your-ran-now-what-phase-2-of-open-ran-automation-reader-forum


  • 本站原创文章仅代表作者观点,不代表SDNLAB立场。所有原创内容版权均属SDNLAB,欢迎大家转发分享。但未经授权,严禁任何媒体(平面媒体、网络媒体、自媒体等)以及微信公众号复制、转载、摘编或以其他方式进行使用,转载须注明来自 SDNLAB并附上本文链接。 本站中所有编译类文章仅用于学习和交流目的,编译工作遵照 CC 协议,如果有侵犯到您权益的地方,请及时联系我们。
  • 本文链接https://www.sdnlab.com/24734.html
分享到:
相关文章
条评论

登录后才可以评论

环球塔莎 发表于21-02-25
0