鈕 遠

中國移動通信集團江蘇有限公司

0 引言

5G（the 5th generation mobile communication technology, 第五代移動通信技術(shù)）建網(wǎng)初期采用了NSA(Non Standalone,非獨立組網(wǎng))方案，控制面由 4G(the 4th generation mobile communication technology, 第四代移動通信技術(shù)) 網(wǎng)絡承載，保證移動性。用戶面在4G網(wǎng)絡和5G網(wǎng)絡建立雙連接，數(shù)據(jù)存在多條轉(zhuǎn)發(fā)路徑。那么，面對復雜的組網(wǎng)，如何實現(xiàn)4G/5G的關(guān)聯(lián)分析和快速隔離？如何識別VR（Virtual Reality，虛擬現(xiàn)實）/AR(Augmented Reality，增強現(xiàn)實技術(shù))等新業(yè)務并開展主動式業(yè)務質(zhì)量分析？這就要求我們在網(wǎng)絡建設的同時探索5G業(yè)務體驗管理方案。

1 整體思路和系統(tǒng)架構(gòu)

針對NSA 組網(wǎng)方案，基于信令大數(shù)據(jù)，本文探索“1+4”項關(guān)鍵能力，以彌補5G建網(wǎng)初期傳統(tǒng)網(wǎng)管系統(tǒng)的不足，系統(tǒng)架構(gòu)見圖1。“1”項基礎(chǔ)能力，即“NSA組網(wǎng)采集能力”；“4”項性能管理能力包括：面向新網(wǎng)絡，具備“NSA關(guān)鍵性能指標監(jiān)控分析能力”；面向新用戶，具備“雙連接下單用戶感知溯源能力”；面向新業(yè)務，具備“eMBB(Enhanced Mobile Broadband，增強移動寬帶)業(yè)務場景體驗評估能力”；面向新終端，具備“5G終端庫自構(gòu)建和在網(wǎng)評估能力”。

圖1 系統(tǒng)框架

2 NSA組網(wǎng)基礎(chǔ)采集能力

5G網(wǎng)絡部署架構(gòu)分為獨立組網(wǎng)和非獨立組網(wǎng)，現(xiàn)網(wǎng)組網(wǎng)架構(gòu)采用非獨立組網(wǎng)NSA Option3x。NSA 3x組網(wǎng)對于eNodeB(Evolved Node B，4G基站)影響較小，綜合利用了5G初期LTE的廣度覆蓋和5G新技術(shù)提供的大帶寬。信令面連接由eNodeB與EPC(Evolved Packet Core，演進的分組核心網(wǎng))建立，EPC與gNodeB(next generation NodeB，5G基站)間的信令面消息通過eNodeB轉(zhuǎn)發(fā)；用戶面連接由gNodeB與EPC建立，EPC與UE間的部分5G流量可以通過gNodeB分流給eNodeB。

采集點分析：現(xiàn)網(wǎng)信令監(jiān)測探針可以采集到eNodeB與EPC間的S1-MME信令面和S1-U用戶面流量以及gNodeB與EPC間的S1-U用戶面流量。需要考慮5G用戶面流量識別方案，通過靜態(tài)配置gNodeB地址識別。

解析協(xié)議擴展：對于信令監(jiān)測系統(tǒng)來說，沒有新增的采集點和新的協(xié)議解析，只是原有協(xié)議面向5G做了擴展，對應的字典表新增字段用于5G相應的上層分析，如表1所示。

表1 DPI協(xié)議變更匯總

3 NSA性能管理能力

3.1 NSA關(guān)鍵性能指標監(jiān)控能力

3.3.1 NSA關(guān)鍵性能指標監(jiān)控

通過分析NSA控制面關(guān)鍵流程以及新增流程，從接入性、保持性、完整性三個維度構(gòu)建NSA關(guān)鍵性能指標體系。通過梳理控制面信令失敗碼定界規(guī)則以及網(wǎng)元/用戶/小區(qū)多維聚類，總結(jié)8大問題場景，進行劣化指標的自動定界，如圖2所示。

圖2 業(yè)務邏輯

系統(tǒng)視圖見圖3，主界面GIS(Geographic Information System，地理信息系統(tǒng))呈現(xiàn)市級、小區(qū)級等關(guān)鍵性能指標，可針對關(guān)鍵性能指標設置預警；針對劣化的指標進行明細下鉆以及失敗場景初步定界。

圖3 系統(tǒng)視圖

性能告警案例：無線側(cè)原因?qū)е翬-RAB修改指示成功率低。

問題描述：E-RAB修改指示成功率平均在99.5%以上，6月17日和6月19日指標劣化超1pp告警。

問題定位：下鉆分析劣化時間點的明細，發(fā)現(xiàn)E-RAB修改指示失敗84%集中在無線側(cè)超時。典型超時失敗流程基站發(fā)送ERAB修改指示，20s無響應后重發(fā)或者發(fā)送釋放消息，攜帶原因值tS1relocoverall-expiry。通過聚類定位，發(fā)現(xiàn)劣化小區(qū)集中在鄧府山社區(qū)四期LF-1、鄧府山社區(qū)四期LF，優(yōu)化后指標恢復正常。

3.1.2 劣化站點主動挖掘

非獨立組網(wǎng)，5G基站沒有S1-C，信令面承載在LTE，用戶面分流走4G或者5G。基于信令開展劣化站點的主動優(yōu)化，如圖4所示。針對NSA 4G錨點站，通過控制面Attach附著、E-RAB （Evolved Radio Access Bearer，演進的無線接入承載）修改流程中無線側(cè)失敗進行TOP質(zhì)差錨點站聚類；針對NSA 5G站日流量超過10GB的站點，通過下行峰值速率、TCP重傳率聚類TOP質(zhì)差5G站，周粒度開展主動優(yōu)化。

圖4 NSA周劣化站點聚類

3.2 雙連接下單用戶感知溯源能力

通過單用戶多接口關(guān)聯(lián)，完整回溯投訴用戶指定時間段全量信令流程。在NSA 3x架構(gòu)下，單用戶感知溯源需要考慮如下特性：

（1）雙連接下用戶面多路徑一體化呈現(xiàn)。用戶面新增分流場景，5G終端和4G無線網(wǎng)、5G無線網(wǎng)之間建立雙連接，數(shù)據(jù)在終端與EPC之間可通過三條路徑傳輸（終端--gNB—EPC、終端--eNB—EPC、終端--eNB--gNB--EPC）。為有效定位業(yè)務異常，用戶面流程回溯時需進行多數(shù)據(jù)轉(zhuǎn)發(fā)路徑整合，按唯一的用戶號碼將全部業(yè)務單據(jù)關(guān)聯(lián)，單據(jù)中填寫每時間段對應網(wǎng)元信息。

（2）控制面新增承載遷移流程的前序關(guān)聯(lián)。針對Option3X組網(wǎng)方案，5G基站沒有S1-C，LTE承載控制面，保證移動性。接入流程相較LTE附著后面增加承載遷移流程。由于現(xiàn)網(wǎng)信令采集沒有包含X2接口，通過增加對E-RAB修改指示的前序流程的標記和分析，間接反映UE雙連接建立情況。

訴溯源案例：配置錯誤導致附著失敗。

問題描述：用戶投訴5G終端無法注冊5G網(wǎng)絡。

問題定位：通過回溯信令（圖5），發(fā)現(xiàn)該用戶存在多次附著失敗，附著失敗原因均為MME返回#15(No Suitable Cells In tracking area，本位置區(qū)無合適小區(qū))。針對歷史單據(jù)進行分析發(fā)現(xiàn)，現(xiàn)網(wǎng)由于#15原因值導致的Attach失敗全部發(fā)生在PLMN（Public Land Mobile Network，公共陸地移動網(wǎng)）為46001的小區(qū)，同時這些小區(qū)的Attach Request附著請求也全部都是失敗，失敗原因均為#15。進行問題定位后發(fā)現(xiàn)，上述發(fā)生附著失敗的站點屬于新建站點。新建站點由于PLMN配置錯誤導致5G 終端在附著過程中MME返回Attach Reject，同時攜帶#15原因值，修改站點配置之后，5G終端附著成功。

圖5 單用戶投訴溯源案例

3.3 eMBB場景新業(yè)務體驗評估能力

NSA組網(wǎng)方案主要為了滿足5G eMBB業(yè)務場景需求，針對eMBB典型VR視頻、云游戲進行業(yè)務特征分析和體驗建模。

3.3.1 VR視頻業(yè)務特征分析及體驗建模

以優(yōu)酷VR業(yè)務特征為例（圖6），VR視頻播放是HTTP(hypertext transport protocol，超文本傳輸協(xié)議)多流，為TS(Transport Stream，傳輸流)復用機制。業(yè)務交互首先通過HTTP獲取目錄文件，后續(xù)根據(jù)目錄信息獲取TS視頻切片數(shù)據(jù)。對于TS視頻，典型做法通過解碼目錄文件獲取視頻各切片基本信息，然后跟蹤每個視頻切片的下載情況，基于當前時間與下載切片的累計播放時長判斷卡頓發(fā)生。該算法適用在沒有拖拽/暫停等理想視頻順序播放場景。通過測試發(fā)現(xiàn)實際卡頓發(fā)生期間，TS的重傳特性更能表征卡頓。實際發(fā)生卡頓時間點，有明顯的同一切片發(fā)生連續(xù)多次下載請求的信令特征。基于上述特征識別卡頓分片數(shù)，即相同編號的視頻切片文件重復請求下載，超過設定閾值則認為卡頓切片，將該片記為卡頓。

圖6 VR視頻業(yè)務特征

3.3.2 云游戲業(yè)務特征分析及體驗建模

目前VR游戲多為本地游戲，主要數(shù)據(jù)都是在游戲安裝時下載到本地，在本地渲染。未來游戲發(fā)展方向為云游戲，渲染在云端完成，節(jié)省本地GPU(Graphics Processing Unit，圖形處理器)資源，但是對帶寬需求很大。針對格來云游戲開展業(yè)務特征研究，如圖7所示。格來云游戲類似于網(wǎng)頁游戲，游戲運營方在服務器端進行畫面渲染并通過網(wǎng)絡傳輸?shù)酵婕沂謾C。云游戲過程是TCP（Transmission Control Protocol， 議。從傳輸波形圖可以看出，傳輸行為為持續(xù)不斷地下行數(shù)傳，同時上行和服務交互頻繁，其中部分流體現(xiàn)為周期性探測行為。通過機器學習云游戲心跳流數(shù)傳特征，在此基礎(chǔ)上計算上下游的時延指標。

圖7 云游戲業(yè)務特征

3.4 5G終端庫自構(gòu)建及在網(wǎng)表現(xiàn)評估能力

現(xiàn)網(wǎng)5G終端較少，能掌握到的5G終端數(shù)據(jù)更少。表現(xiàn)在5G終端庫沒有有效維護起來，5G終端的能力集沒有全面獲取的途徑，5G終端在網(wǎng)表現(xiàn)主要依賴于人工撥測。

3.4.1 基于信令數(shù)據(jù)自學習5G終端庫

通過DPI深度解析信令，提取各關(guān)鍵信元的取值，識別5G終端并獲取終端所支持的能力（見圖8）。

步驟1：通過終端上報的雙連接能力識別5G終端；

步驟2：通過解碼Attach request附著請求的UE network capability終端網(wǎng)絡能力等信元獲取5G終端能力；

步驟3：通過S1-U UserAgent（用戶代理）字段提取終端機型信息回填。

圖8 5G終端庫自學習

3.4.2 5G終端在網(wǎng)表現(xiàn)評估

基于信令，對現(xiàn)網(wǎng)活躍5G終端從控制面和用戶面兩個維度開展質(zhì)量評估（見表2）。目前NSA 5G終端數(shù)量較少，終端網(wǎng)絡性能指標差異不明顯。隨著商用后5G終端增多，將持續(xù)開展跟蹤分析。

表2 5G終端在網(wǎng)表現(xiàn)

4 總結(jié)

面對5G建網(wǎng)初期復雜的組網(wǎng)方案，基于信令大數(shù)據(jù)，本文探索了“1”項基礎(chǔ)能力和“4”項性能管理能力，彌補了5G建網(wǎng)初期傳統(tǒng)網(wǎng)管系統(tǒng)的不足。目前系統(tǒng)已在江蘇南京、蘇州、無錫三個NSA商用市應用，有效支撐了日常運維。