5G时代的核心网运维有哪些挑战?

5G时代的核心网运维有哪些挑战?

5G时代的核心网运维挑战

运维对象规模和复杂性急剧上升——不同于以往4G时代，5G时代由于网络应用深入到多样化的业务场景，网络规模急剧加大。通过切片方式来进行业务的管理，导致了业务也会更加动态和复杂，从而让网络管理难度大幅增加；网络的管理对象也急剧增多，除了传统意义上的运营商的公网，还有各行各业的行业用户专网，如何能够针对不同对象合理化，分域的运维，基于各个行业进行SLA保障，也是非常棘手的一个问题；同时，随着NFV，微服务架构等技术的不断引入，网络实现了分层解耦，按需部署，但同时也带来了运维复杂度的上升，故障的定位定界成为了5G时代运维极大的挑战；2/3/4/5G时代遗留下来多个独立的运维入口，也让原本就复杂的运维工作，变得更加的繁琐，传统烟囱式的运维团队和流程模式也因数据之间相互隔离，流程的非自动化，无法在5G时代继续下去。

人力要求和企业成本的挑战——与4G主要面向消费者市场不同，5G将赋能千行百业，与各行各业的生产效率、业务创新等紧密相关，这要求5G新业务能敏捷上线，业务发布将从原来的几个月缩短到几天，甚至是小时级，还要求运营商提供高SLA的网络来保障企业的生产、业务等流程高效稳定运行，否则可能会给行业带来经济损失，这单靠传统的人工运维模式无法支撑业务及网络的要求。同时，5G时代不仅网络更复杂，业务更多样化，伴随着低时延应用和行业专网兴起，还将有大量MEC边缘节点广泛分布于网络的不同位置，这都将新增大量的上站维护工作量和运维成本，因此，如何最大程度减少Opex，是运营商在5G这个新战场上不得不考虑的问题。

如何破除以上挑战？

在这样的挑战背景下，业界做了很多的探索和尝试，试图在方案架构，运维技术，运维方式等方面进行变革，将自动化，智能化引入5G核心网运维。有人提出一个有趣的设想，我们的网络是否可以像自动驾驶汽车一样，在没有人干预的情况下，自动，智能的行驶。这样的假设让业界产生了很强的共鸣，也展开了无数的讨论，其中比较著名的就是TMF提出的自动驾驶网络的5层演进节奏，全面诠释了网络在未来10年的演进方向。

那5G时代的核心网运维如何逐步实现“自动驾驶”呢？

运维架构转型

首先需要考虑的是运维架构层面的改变。

AI引入日常监控场景——主动预防实现亚健康状态精准识别

另一个非常重要的转变就是技术的改变。这里，大部分的厂商都尝试通用引入AI技术，自动化，智能化的处理核心网运维问题。

那如何通过AI技术去解放工程师日常的运维工作呢？

我们从阈值的设置入手，看看通过AI如何进行智能的KPI的异常检测。刚才我们提到，传统的阈值设置是基于专家经验设定的静态阈值，工作量大，也不准确，隔上一段时间，还需要根据现网的实际情况进行阈值的纠正调整。这里，华为提出了动态阈值的概念，如何理解呢？首先，有一个AI的训练模型，每周对现网历史数据进行采样，通过AI算法持续的去训练校准这个模型。然后，将现网的实时KPI数据导入训练好的模型中，得到动态阈值范围，也就是说，当网络发生变化时，阈值范围也会发生变化，因此，在网络出现异常的早期阶段，就会有潜在的KPI指标超过阈值范围，系统上报异常。这样，在某种程度上，可以帮助我们提前发现网络隐患和故障，而不是在主要KPI已经异常后去处理故障。

动态的阈值，能够精准的发现网络隐性事故，但是实现运维的闭环，还需要智能的对异常情况进行分析，快速找到根因。这里，华为提供了一种多指标关联分析功能，如果某个KPI指标异常了，系统可以按照贡献度去对相关的指标进行排序，工程师可以基于此快速的找到最大贡献度的KPI，从而快速的定位问题的根因。

AI引入变更操作场景——构筑“三道防线”实现机器值守

除了日常监控场景外，重大变更场景也会使用AI。

我们知道，在5G时代，产品版本发布频率越来越高。因此，会进行大量的重大操作，如普通升级、灰度升级、配置变更、扩容等。现网70%以上的重大事故是由于网络变更导致的。一旦异常，对业务和用户体验影响很大。每年有数千次的变更，给运营商带来了巨大的挑战。同时，由于人工操作量大，网络异常识别平均耗时5小时。导致在业务影响增加时，无法提前分析和发现异常，这样就错过了解决问题的时间窗口。

因此，在这种场景下，工程师希望运维方案能够建立变更前、变更中、变更后三道防线，提前规避风险和问题。

现在，让我们来看看这个系统是如何工作的。

AI的引入，最终实现从被动运维到主动运维转型

以上分享了两个引入AI的运维场景。不难发现，将AI引入到运维的场景后，传统运维方式逐渐发生了变化。传统的方式是一种被动的运维方式，就是当故障已经出现了，我们才通过各种各样的系统，方法，以及人工的方式，去尽可能快速准确的进行故障定界定位，从而快速恢复。而AI的引入，让我们对运维的模式有了新的想法。我们可以基于AI技术去进行主动运维，也就是说在故障发生之前，主动的识别网络的风险，将网络的亚健康问题暴露出来，在它变成故障之前就把它处理掉，而不是等亚健康问题变成故障后，才去解决问题。然后再通过AI技术，快速的定位问题，将风险快速识别。

5G让网络自动驾驶成为了焦点，而AI的引入加速了网络自动驾驶的演进。未来的5到10年将是网络自动驾驶快速孵化，演进的时代，让我们拭目以待。 责任编辑:tzh