网络可见性是5G网络自动化的关键|观点

日期: 栏目:科技 浏览:12889


  随着通信服务提供商(CSP)顺利过渡到5G独立网络以及向云原生网络和运营的大规模转变,他们正在积极投资提高网络自动化水平所需的技术。事实上,市场研究数据样本表明,到本世纪末,自动化投资将以约20%的复合年增长率增长。其目标有两个:短期内,当现金流至关重要时,网络自动化可以提高网络和运营效率;长期来看,它是管理5G时代及以后网络复杂性的唯一可行选择。

1.jpg

  从高层次来看,如今的通信服务提供商已经部署了5G,重点是增强移动宽带;5G的下一次演进将以分层支持大规模物联网实施、超可靠低延迟通信以及针对物流和制造业等特定垂直行业需求量身定制的网络配置为标志。这也伴随着向云原生架构的更大转变,包括对核心基础设施的升级、对无线接入网络的更分布式方法以及对传输的相应调整。

  这些领域的复杂性不断增加,这意味着由于一系列因素,包括不断增加的容量需求、管理现代和传统基础设施的需求、多供应商系统的激增,以及在5GAdvanced和6G成型时需要保持面向未来的态势,网络性能的可见性和对网络状态的透彻了解变得更具挑战性。

  随着可视性挑战的增加,CSP可能会遇到根本原因识别、站点访问量激增、配置错误以及平衡特定领域优化与端到端系统性能需求等问题,所有这些都可能推高成本。这凸显了网络自动化在提高可靠性和一致性、促进高级服务和随之而来的新业务模式以及增强安全性方面的重要性。在端到端网络自动化战略的背景下,网络状态和性能数据的可视性和理解的重要性怎么强调也不为过,因为它为智能决策提供了输入。

  自动化在电信行业越来越重要,这证明了网络自动化的必要性,但在CSP能够实现网络流程自动化之前,它必须能够看到网络流程。解决传输领域可见性问题的方法归结为更好地观察网络行为和性能、频繁收集数据、实时分析数据,并将数据洞察转化为自动化操作,使CSP能够主动高效地运行传输网络。

  有了更强大的可视性和可视性,这样服务提供商就可以专注于解决问题,而不是排除故障。基于AI/ML的深度分析将确定问题的根本原因,然后根据不断增长的网络数据预测未来的问题。原始数据和转化为可操作见解的原始数据之间的重要区别从字面上和形象上实现了闭环,使控制器能够自动执行服务配置和流量控制、节能配置和监控等操作。这不仅可以缩短上市时间,还可以减少人为错误和配置错误,而这些仍然是网络问题的主要原因之一。


标签: