CN118055427A - 一种用于专网基站自动网络优化的方法及装置 - Google Patents
一种用于专网基站自动网络优化的方法及装置 Download PDFInfo
- Publication number
- CN118055427A CN118055427A CN202410454178.7A CN202410454178A CN118055427A CN 118055427 A CN118055427 A CN 118055427A CN 202410454178 A CN202410454178 A CN 202410454178A CN 118055427 A CN118055427 A CN 118055427A
- Authority
- CN
- China
- Prior art keywords
- base station
- private network
- metrics
- metrics data
- network base
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000005457 optimization Methods 0.000 title claims abstract description 27
- 238000013499 data model Methods 0.000 claims abstract description 39
- 230000008569 process Effects 0.000 claims abstract description 39
- 230000003993 interaction Effects 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims description 24
- 238000005259 measurement Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 16
- 230000000694 effects Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 8
- 238000012098 association analyses Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 3
- 101100240462 Homo sapiens RASAL2 gene Proteins 0.000 description 2
- 102100035410 Ras GTPase-activating protein nGAP Human genes 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 102100022734 Acyl carrier protein, mitochondrial Human genes 0.000 description 1
- 101000678845 Homo sapiens Acyl carrier protein, mitochondrial Proteins 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- GVVPGTZRZFNKDS-JXMROGBWSA-N geranyl diphosphate Chemical compound CC(C)=CCC\C(C)=C\CO[P@](O)(=O)OP(O)(O)=O GVVPGTZRZFNKDS-JXMROGBWSA-N 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本申请涉及无线通信技术领域，解决了现有技术中基于完整的Metrics，Tracing和Logging数据实现自动关联分析和问题的定界定位所导致的成本和实现复杂度高的问题，公开了一种用于专网基站自动网络优化的方法及装置，该方法包括：设计专网基站可观测Metrics数据模型，模型中包含待观测的基站***内功能过程相关***对象交互序列和Metrics统计项，基站***外部环境和Metrics统计项；基于Metrics数据模型自动化定界定位和网络优化的装置，该方法降低了专网基站设备可观测数据采集成本，降低运维人员对网络的人工干预程度，指导网络资源更优规划，降低网络运维成本。
Description
技术领域
本申请涉及无线通信技术领域，尤其是一种用于专网基站自动网络优化的方法及装置。
背景技术
5G万物智联时代，垂直行业生产方式智能化、数字化转型升级将持续加速，传统专网技术难以满足企业网络的日新月异的信息化业务需求。5G专网由于能够针对垂直行业的多样化需求进行定制，成为了5G赋能产业的核心手段。5G专网具备适用部署区域化、网络需求个性化、行业应用场景化等特点，在运维和网络优化管理上，相对于公网，需要具备轻量化和自动化，有效帮助运维人员快速处理网络故障和自动规划优化网络配置。
在接入网运维领域，对***进行全方位的监控、分析和优化，通常需要Metrics（即度量指标），Tracing（即链路追踪）和Logging（即日志）三类基本数据，以更加白盒的方式观测整个复杂***。
如图2所示，Metrics，Tracing和Logging三种形式的数据各有特点，互相补充，将它们组合使用会产生丰富的观测数据。其中，Metrics数据记录一段时间内量化的***内/外部的统计指标，通过多维度聚合、分析和可视化展示，可以用于辅助运维人员观察***的状态和趋势。Metrics数据的核心特征是可聚合（即Aggregatable），数据体现为计数/百分比形式的统计值，数据量占用空间小，易于存储和分析；但缺少单个样本的详尽信息，因此主要用于发现问题和进一步的定界，至于定位问题需要结合Tracing和Logging。
Tracing数据记录一次请求从接收到处理完成整个生命周期内的调用链路。可根据Tracing并关联Logging还原出一次请求的整个过程信息，主要用于定界具体异常点。
Logging数据记录了特定时间发生的各种离散事件，包含***/进程最精细化信息。
对于为终端提供实时、大带宽业务连接的接入网设备，获取其完整的Metrics，Tracing和Logging数据往往是不现实的，尤其是Tracing和Logging数据采集需要消耗接入网设备较多的计算资源和内存资源，而加剧接入网设备负荷甚至过载的风险。另一方面，因为Tracing和Logging数据量较大，且结构化偏低，例如Logging包括文本格式数据，基于完整的Metrics，Tracing和Logging数据实现自动关联分析和问题的定界定位，成本和实现复杂度都很高。
发明内容
本申请的目的在于克服现有技术中基于完整的Metrics，Tracing和Logging数据实现自动关联分析和问题的定界定位所导致的成本和实现复杂度高的问题，提供一种用于专网基站自动网络优化的方法及装置。
第一方面，提供了一种用于专网基站自动网络优化的方法，包括：
构建Metrics数据模型，所述Metrics数据模型包含待观测的基站***内功能过程相关***对象交互序列和Metrics统计项，以及基站***外部环境和Metrics统计项；
将所述Metrics数据模型部署到专网基站，以使得专网基站按照Metrics数据模型进行实时的Metrics数据的统计；
基于所述Metrics数据模型和专网基站统计的Metrics数据进行自动分析，并基于分析结果执行相应措施。
进一步的，构建Metrics数据模型，包括：
确定专网基站需要观测的网络资源对象及其性能指标；
确定性能指标对应的网络功能，并对网络功能对应的功能过程的交互序列进行结构化定义；
确定功能过程状态观测点处的度量指标，其中，遵循的原则是用于问题定界；
确定相邻状态观测点之间的***活动关联的度量指标，以统计***对象在运行过程中可能发生的异常；
确定外部环境观测的对象及其度量指标。
进一步的，结构化定义的交互序列中包含功能过程在***内的Tracing信息。
进一步的，相邻状态观测点之间的***活动关联的度量指标以Metrics数据形式记录***对象在运行过程中发生的离散异常事件，相邻状态观测点之间的***活动关联的度量指标包含***的Logging信息。
进一步的，基于分析结果执行相应措施，包括：
若分析结果是基站内部故障问题，则基于Metrics数据模型图形化显示定界定位分析结果；
若分析结果是外部因素干扰引起的问题，则生成配置调整指示给专网基站。
第二方面，提供了一种用于专网基站自动网络优化的装置，包括：
模型构建模块，用于构建Metrics数据模型，所述Metrics数据模型包含待观测的基站***内功能过程相关***对象交互序列和Metrics统计项，以及基站***外部环境和Metrics统计项；
模型部署模块，用于将所述Metrics数据模型部署到专网基站，以使得专网基站按照Metrics数据模型进行实时的Metrics数据的统计；
处理模块，用于基于所述Metrics数据模型和专网基站统计的Metrics数据进行自动分析，并基于分析结果执行相应措施。
进一步的，所述模型构建模块包括：
第一子模块，用于确定专网基站需要观测的网络资源对象及其性能指标；
第二子模块，用于确定性能指标对应的网络功能，并对网络功能对应的功能过程的交互序列进行结构化定义；
第三子模块，用于确定功能过程状态观测点处的度量指标，其中，遵循的原则是用于问题定界；
第四子模块，用于确定相邻状态观测点之间的***活动关联的度量指标，以统计***对象在运行过程中可能发生的异常；
第五子模块，用于确定外部环境观测的对象及其度量指标。
第三方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面所述的方法。
第四方面，提供了一种计算机可读存储介质，所述计算机可读介质存储用于设备执行的程序代码，该程序代码包括用于执行如上述第一方面中的任意一种实现方式中方法的步骤。
第五方面，提供了一种电子设备，所述电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如上述第一方面中的任意一种实现方式中的方法。
本申请具有如下有益效果：本申请可以指导设计人员***化的快速设计和构建接入网基站设备的Metrics度量指标数据体系，且能够在不额外消耗接入网设备计算资源和内存资源的基础上，构建包含Tracing信息和Logging信息的Metrics数据，使得Metrics数据信息内容更丰富，以较低的代价实现对接入网设备的监测、分析和问题定位。
附图说明
构成本申请的一部分的附图用于来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例1的用于专网基站自动网络优化的方法的流程图；
图2是Metrics，Tracing和Logging三种可观测数据体系的示意图；
图3是本申请实施例1的用于专网基站自动网络优化的方法中NG-RAN***架构图；
图4是本申请实施例1的用于专网基站自动网络优化的方法中Metrics数据模型的示意图；
图5是本申请实施例1中O-CU***对象视图；
图6是本申请实施例1中O-CU RRC连接建立成功率自动分析视图；
图7是本申请实施例1中O-DU***对象视图；
图8是本申请实施例1中O-DU RRC连接建立平均时延自动分析视图；
图9是本申请实施例2的用于专网基站自动网络优化的装置的结构框图；
图10是本申请实施例5的电子设备的内部结构示意图。
附图标记：
100、模型构建模块；101、第一子模块；102、第二子模块；103、第三子模块；104、第四子模块；105、第五子模块；200、模型部署模块；300、处理模块。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例1
本申请实施例1所涉及的一种用于专网基站自动网络优化的方法，如图1所示，包括：
S10、构建Metrics数据模型，所述Metrics数据模型包含待观测的基站***内功能过程相关***对象交互序列和Metrics统计项，以及基站***外部环境和Metrics统计项，如图3所示，具体包括以下步骤：
第一步，确定专网基站需要观测的网络资源对象及确定专网基站需要观测的网络资源对象的性能指标（即KPI指标）。例如：gNB-CU网元内有网络资源对象NRCellCU，相关的性能指标有RRC连接建立成功率。
第二步，确定性能指标对应的网络功能，并对网络功能对应的功能过程之交互序列进行结构化定义，例如：下表1所示的结构化定义。
表1：
本步骤定义的交互序列属于Metrics数据模型的一部分，其中有功能过程在***内的调用链路信息，以使得Metrics数据中包含了Tracing信息。
第三步，确定功能过程状态观测点处的度量指标，遵循的原则是用于问题定界。例如：在RRCSetup过程的状态观测点已接收RRC连接建立请求处，设计Metrics度量指标RRC.ConnEstabAtt（小区中RRC建立请求次数）。
第四步，确定相邻状态观测点之间的***活动关联的度量指标，以统计***对象在运行过程中可能发生的异常。
本步骤定义的度量指标，以Metrics的数据形式记录了***对象在运行过程中可能发生的离散异常事件（例如：接收到空指针变量），包含了***的最精细信息，以使得Metrics数据中包含了Logging信息。
第五步，确定外部环境观测的对象及其度量指标。例如：gNB内小区NRCell的下行无线覆盖和上行无线覆盖，相关度量指标包括小区上行平均干扰电平等。
S20、将所述Metrics数据模型部署到专网基站，以使得专网基站按照Metrics数据模型进行实时的Metrics数据的统计；
S30、基于所述Metrics数据模型和专网基站统计的Metrics数据进行自动分析，并基于分析结果执行相应措施，如果是基站内部故障问题，基于Metrics数据模型图形化显示定界定位分析结果。如果是外部因素干扰引起的问题，生成配置调整指示给专网基站。
在本实施例中，根据第3代合作伙伴计划（3rd Generation PartnershipProject，简称为3GPP）的技术标准TS38.401v15.6.0，下一代无线接入网（NextGeneration-Radio Access Network，简称NG-RAN）组成如图4所示。
在上述实施例中，NG-RAN包含若干通过下一代（Next Generation，简称NG）接口与第5代核心网（5 Generation Core network，简称5GC）连接的新无线节点B（New RadioNode B，简称为gNB）。gNB之间可以通过Xn控制面（Xn Control plane，简称Xn-C）接口互联。一个gNB由一个gNB集中单元（gNB Central Unit，简称gNB-CU）和若干通过F1接口与其连接的gNB分布单元（gNB-Distributed Unit，简称gNB-DU）组成。
在一个实施例中，描述gNB专网设备自动化定界定位的一种实现方式：
该实施例是以O-RAN（Open Radio Access Network，开放式无线电接入网）的gNB***（包括O-CU和O-DU）参考设计为基础，描述如何设计和构建为监测gNB小区NRCellCU的关键性能指标“CU的RRC建立成功率”（RRC Setup Success Rate (CU)）而建立的自动化监测机制。
如图5所示，是O-CU（Open Central Unit，开放式集中单元）内各领域在产品实现层面的软件组件，即***对象，其中，O-CU-CP即开放式集中单元控制面，O-CU-UP即开放式集中单元用户面，UE即用户设备，RRC编码和解码（RRC Encoder&Decoder）即无线资源控制编解码，NGAP编码和解码（NGAP Encoder&Decoder）即Ng应用协议编解码，XnAP编码和解码（XnAP Encoder&Decoder）即Xn应用协议编解码，F1AP编码和解码（F1AP Encoder&Decoder）即F1应用协议编解码，eGTPU即演进的GPRS(通用分组无线业务)隧道协议用户面，NR PDCP即NR分组数据汇聚协议，SDAP即服务数据适配协议。
第一步，确定O-CU需要观测的网络资源对象NRCellCU，及其性能指标”RRC建立成功率”（RRC Setup Success Rate） 。
第二步，如下表2所示结构化定义KPI指标”RRC建立成功率”（RRC Setup SuccessRate）对应的功能过程交互序列。
表2：
第三步，确定RRCSetup功能过程各***对象的状态观测点及其度量指标。例如，***对象UEProcedureManagement的状态观测点及其度量指标定义示例如下表3所示。
表3：
第四步，确定相邻状态观测点之间的***活动关联的度量指标。例如：***对象NRPDCP的度量指标定义示例如下表4所示。
表4：
第五步，如图6所示，O-CU实时采集前述定义的度量指标数据，周期性计算KPI指标”RRC建立成功率”（RRC Setup Success Rate）。当RRC Setup Success Rate低于预设门限，则基于RRCSetupCU过程的交互序列模型定义数据，在O-CU监控工具给运维人员图形化呈现RRCSetupCU的时序流程，并通过染色方式标注出现问题的***对象，及运行异常点的度量指标数据信息。
在另一个实施例中，描述专网小区设备基于可观测Metrics数据模型构建实现自动化网络性能检测和优化调整的实现方式。
该实施例是以O-RAN的gNB***（包括O-CU和O-DU）参考设计为基础，描述如何设计和构建为监测gNB小区NRCellDU的关键性能指标RRC连接建立平均时延而建立的自动化监测和自调整优化机制。
如图7所示，是O-DU内各领域在产品实现层面的软件组件，即***对象，其中，O-DU即开放式分布单元，F1AP处理即F1应用协议处理，F1-U即F1用户面，eGTPU即演进的GPRS(通用分组无线业务)隧道协议用户面，NR-RLC即NR无线链路控制，NR-MAC即NR媒体接入控制，HARQ管理即混合自动重传请求管理，MAC编码即媒体访问控制编码。
第一步，确定O-DU需要观测的网络资源对象NRCellDU，及其性能指标RRC连接建立平均时延。
第二步，如下表5所示，结构化定义KPI指标RRC连接建立平均时延对应的功能过程交互序列。
表5：
第三步，确定RRCSetup功能过程各***对象的状态观测点及其度量指标。例如，***对象F1AP.UeStateManager的状态观测点及其度量指标定义示例如下表6所示。
表6：
第四步，确定相邻状态观测点之间的***活动关联的度量指标。例如，***对象MAC.UeAndBearerContextManager的度量指标定义示例如下表7所示。
表7：
第五步，确定O-DU需要观测的外部环境：例如，NRCellDU小区的下行无线环境和上行无线环境及其度量指标定义如下表8所示。
表8：
第六步，如图8所示，O-DU实时采集前述定义的度量指标数据，周期性计算KPI指标RRC连接建立平均时延。当RRC连接建立平均时延低于预设门限，启动Metrics数据自动分析，定界为非O-DU***内故障，而是外部无线环境存在上行干扰，继而生成配置调整指示给NRCellDU小区，启动干扰避让优化措施。同时，基于RRCSetupDU过程的交互序列模型定义数据，在O-DU监控给运维人员图形化呈现RRCSetupDU的时序流程，和时延异常点的度量指标数据信息，便于运维人员观测自动优化效果。
实施例2
如图9所示，本申请实施例2所涉及的一种用于专网基站自动网络优化的装置，包括：
模型构建模块100，用于构建Metrics数据模型，所述Metrics数据模型包含待观测的基站***内功能过程相关***对象交互序列和Metrics统计项，以及基站***外部环境和Metrics统计项；
其中，所述模型构建模块100包括：
第一子模块101，用于确定专网基站需要观测的网络资源对象及其性能指标；
第二子模块102，用于确定性能指标对应的网络功能，并对网络功能对应的功能过程的交互序列进行结构化定义；
第三子模块103，用于确定功能过程状态观测点处的度量指标，其中，遵循的原则是用于问题定界；
第四子模块104，用于确定相邻状态观测点之间的***活动关联的度量指标，以统计***对象在运行过程中可能发生的异常；
第五子模块105，用于确定外部环境观测的对象及其度量指标。
模型部署模块200，用于将所述Metrics数据模型部署到专网基站，以使得专网基站按照Metrics数据模型进行实时的Metrics数据的统计；
处理模块300，用于基于所述Metrics数据模型和专网基站统计的Metrics数据进行自动分析，并基于分析结果执行相应措施。
需要说明的是，本发明实施例中用于专网基站自动网络优化的装置的其他具体实施方式，可参见上述用于专网基站自动网络优化的方法的具体实施方式，为避免冗余，此处不再赘述。
实施例3
本申请实施例3所涉及的一种计算机程序产品，所述计算机程序产品用于存储计算机程序，当所述计算机程序在计算机上运行时，本申请实施例1中的任意一种实现方式中的方法得以实现。
实施例4
本申请实施例4所涉及的一种计算机可读存储介质，所述计算机可读介质存储用于设备执行的程序代码，该程序代码包括用于执行如本申请实施例1中的任意一种实现方式中方法的步骤；
其中，计算机可读存储介质可以是只读存储器(read only memory，ROM)，静态存储设备，动态存储设备或者随机存取存储器(random access memory，RAM)；计算机可读存储介质可以存储程序代码，当计算机可读存储介质中存储的程序被处理器执行时，处理器用于执行如本申请实施例1中的任意一种实现方式中方法的步骤。
实施例5
如图10所示，本申请实施例5所涉及的一种电子设备，所述电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如本申请实施例1中的任意一种实现方式中的方法；
其中，处理器可以采用通用的中央处理器(central processing unit，CPU)，微处理器，应用专用集成电路(application specific integrated circuit，ASIC)，图形处理器(graphics processing unit，GPU)或者一个或多个集成电路，用于执行相关程序，以实现本申请实施例1中的任意一种实现方式中的方法。
处理器还可以是一种集成电路电子设备，具有信号的处理能力。在实现过程中，本申请实施例1中的任意一种实现方式中方法的各个步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
上述处理器还可以是通用处理器、数字信号处理器、专用集成电路(ASIC)、现成可编程门阵列(field programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成本申请实施例的数据处理的装置中包括的单元所需执行的功能，或者执行本申请实施例1中的任意一种实现方式中方法。
以上，仅为本申请较佳的具体实施方式；但本申请的保护范围并不局限于此。任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，根据本申请的技术方案及其改进构思加以等同替换或改变，都应涵盖在本申请的保护范围内。
Claims (10)
1.一种用于专网基站自动网络优化的方法，其特征在于，包括：
构建Metrics数据模型，所述Metrics数据模型包含待观测的基站***内功能过程相关***对象交互序列和Metrics统计项，以及基站***外部环境和Metrics统计项；
将所述Metrics数据模型部署到专网基站，以使得专网基站按照Metrics数据模型进行实时的Metrics数据的统计；
基于所述Metrics数据模型和专网基站统计的Metrics数据进行自动分析，并基于分析结果执行相应措施。
2.根据权利要求1所述的用于专网基站自动网络优化的方法，其特征在于，构建Metrics数据模型，包括：
确定专网基站需要观测的网络资源对象及其性能指标；
确定性能指标对应的网络功能，并对网络功能对应的功能过程的交互序列进行结构化定义；
确定功能过程状态观测点处的度量指标，其中，遵循的原则是用于问题定界；
确定相邻状态观测点之间的***活动关联的度量指标，以统计***对象在运行过程中可能发生的异常；
确定外部环境观测的对象及其度量指标。
3.根据权利要求2所述的用于专网基站自动网络优化的方法，其特征在于，结构化定义的交互序列中包含功能过程在***内的Tracing信息。
4.根据权利要求2所述的用于专网基站自动网络优化的方法，其特征在于，相邻状态观测点之间的***活动关联的度量指标以Metrics数据形式记录***对象在运行过程中发生的离散异常事件，相邻状态观测点之间的***活动关联的度量指标包含***的Logging信息。
5.根据权利要求1所述的用于专网基站自动网络优化的方法，其特征在于，基于分析结果执行相应措施，包括：
若分析结果是基站内部故障问题，则基于Metrics数据模型图形化显示定界定位分析结果；
若分析结果是外部因素干扰引起的问题，则生成配置调整指示给专网基站。
6.一种用于专网基站自动网络优化的装置，其特征在于，包括：
模型构建模块，用于构建Metrics数据模型，所述Metrics数据模型包含待观测的基站***内功能过程相关***对象交互序列和Metrics统计项，以及基站***外部环境和Metrics统计项；
模型部署模块，用于将所述Metrics数据模型部署到专网基站，以使得专网基站按照Metrics数据模型进行实时的Metrics数据的统计；
处理模块，用于基于所述Metrics数据模型和专网基站统计的Metrics数据进行自动分析，并基于分析结果执行相应措施。
7.根据权利要求6所述的用于专网基站自动网络优化的装置，其特征在于，所述模型构建模块包括：
第一子模块，用于确定专网基站需要观测的网络资源对象及其性能指标；
第二子模块，用于确定性能指标对应的网络功能，并对网络功能对应的功能过程的交互序列进行结构化定义；
第三子模块，用于确定功能过程状态观测点处的度量指标，其中，遵循的原则是用于问题定界；
第四子模块，用于确定相邻状态观测点之间的***活动关联的度量指标，以统计***对象在运行过程中可能发生的异常；
第五子模块，用于确定外部环境观测的对象及其度量指标。
8.一种计算机程序产品，其特征在于，所述计算机程序产品内存储有计算机指令，所述计算机指令被处理器执行时实现权利要求1-5任一所述的方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储用于设备执行的程序代码，该程序代码包括用于执行如权利要求1-5中任一项所述方法的步骤。
10.一种电子设备，其特征在于，所述电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410454178.7A CN118055427A (zh) | 2024-04-16 | 2024-04-16 | 一种用于专网基站自动网络优化的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410454178.7A CN118055427A (zh) | 2024-04-16 | 2024-04-16 | 一种用于专网基站自动网络优化的方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118055427A true CN118055427A (zh) | 2024-05-17 |
Family
ID=91050417
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410454178.7A Pending CN118055427A (zh) | 2024-04-16 | 2024-04-16 | 一种用于专网基站自动网络优化的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118055427A (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102955799A (zh) * | 2011-08-25 | 2013-03-06 | 广州银禾网络通信有限公司 | 一种对移动通信网络信令中的信元进行结构化存储的方法及*** |
| WO2017025773A1 (en) * | 2015-08-07 | 2017-02-16 | Telefonaktiebolaget Lm Ericsson (Publ) | Root cause analysis of call failures in a communication network |
| CN107241749A (zh) * | 2016-03-28 | 2017-10-10 | ***通信有限公司研究院 | 一种网络优化方法及装置 |
| CN107360581A (zh) * | 2016-05-09 | 2017-11-17 | 中兴通讯股份有限公司 | 无线通讯***的关键性能指标变化的追溯方法和装置 |
| CN110162445A (zh) * | 2019-05-23 | 2019-08-23 | 中国工商银行股份有限公司 | 基于主机日志及性能指标的主机健康评价方法及装置 |
| WO2019233047A1 (zh) * | 2018-06-07 | 2019-12-12 | 国电南瑞科技股份有限公司 | 基于电网调度的运维方法 |
| CN111190876A (zh) * | 2019-12-31 | 2020-05-22 | 天津浪淘科技股份有限公司 | 日志管理***及其运行方法 |
| CN115086986A (zh) * | 2021-03-16 | 2022-09-20 | 中国电信股份有限公司 | 策略调整方法及相关设备 |
| CN117278390A (zh) * | 2023-09-15 | 2023-12-22 | 长春嘉诚信息技术股份有限公司 | 基于日志及链路追踪的微服务故障定位与分析***、方法 |
| CN117370053A (zh) * | 2023-09-14 | 2024-01-09 | 南京南瑞信息通信科技有限公司 | 一种面向信息***业务运行全景监测方法及*** |
| CN117376087A (zh) * | 2023-08-28 | 2024-01-09 | 浪潮通信信息***有限公司 | 网络质量问题定界方法、装置、设备和存储介质 |
-
2024
- 2024-04-16 CN CN202410454178.7A patent/CN118055427A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102955799A (zh) * | 2011-08-25 | 2013-03-06 | 广州银禾网络通信有限公司 | 一种对移动通信网络信令中的信元进行结构化存储的方法及*** |
| WO2017025773A1 (en) * | 2015-08-07 | 2017-02-16 | Telefonaktiebolaget Lm Ericsson (Publ) | Root cause analysis of call failures in a communication network |
| CN107241749A (zh) * | 2016-03-28 | 2017-10-10 | ***通信有限公司研究院 | 一种网络优化方法及装置 |
| CN107360581A (zh) * | 2016-05-09 | 2017-11-17 | 中兴通讯股份有限公司 | 无线通讯***的关键性能指标变化的追溯方法和装置 |
| WO2019233047A1 (zh) * | 2018-06-07 | 2019-12-12 | 国电南瑞科技股份有限公司 | 基于电网调度的运维方法 |
| CN110162445A (zh) * | 2019-05-23 | 2019-08-23 | 中国工商银行股份有限公司 | 基于主机日志及性能指标的主机健康评价方法及装置 |
| CN111190876A (zh) * | 2019-12-31 | 2020-05-22 | 天津浪淘科技股份有限公司 | 日志管理***及其运行方法 |
| CN115086986A (zh) * | 2021-03-16 | 2022-09-20 | 中国电信股份有限公司 | 策略调整方法及相关设备 |
| CN117376087A (zh) * | 2023-08-28 | 2024-01-09 | 浪潮通信信息***有限公司 | 网络质量问题定界方法、装置、设备和存储介质 |
| CN117370053A (zh) * | 2023-09-14 | 2024-01-09 | 南京南瑞信息通信科技有限公司 | 一种面向信息***业务运行全景监测方法及*** |
| CN117278390A (zh) * | 2023-09-15 | 2023-12-22 | 长春嘉诚信息技术股份有限公司 | 基于日志及链路追踪的微服务故障定位与分析***、方法 |
Non-Patent Citations (4)
| Title |
|---|
| 孔卉;: "基于大数据与精确定位的高铁可视化分析", 信息通信技术, no. 02, 15 April 2020 (2020-04-15) * |
| 左金虎: "业务端到端故障智能发现诊断自愈", 现代信息科技, 25 December 2022 (2022-12-25) * |
| 袁姣红;谌晓明;: "LTE网络附着成功率指标的管控与优化分析方法", 电信技术, no. 05, 25 May 2019 (2019-05-25) * |
| 赵松峄;姚劲松;柏青;刘继民;吕平宝;: "移动基站研发中的大数据运用", 移动通信, no. 22, 30 November 2017 (2017-11-30) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11297601B2 (en) | Resource allocation method and orchestrator for network slicing in the wireless access network | |
| US11108619B2 (en) | Service survivability analysis method and apparatus | |
| Imran et al. | Challenges in 5G: how to empower SON with big data for enabling 5G | |
| KR20210019564A (ko) | 운영 유지 시스템 및 방법 | |
| US20190068619A1 (en) | Systems and methods for dynamic analysis and resolution of network anomalies | |
| CN103501503B (zh) | 一种网络问题分析方法和装置 | |
| CN102387043B (zh) | 基于简单网络管理协议的告警解析方法、工作站及*** | |
| CN105744553A (zh) | 一种网络关联分析方法及装置 | |
| CN112584422B (zh) | 5g终端性能获取方法和装置 | |
| US20200201874A1 (en) | Systems and methods for providing dynamically configured responsive storage | |
| CN113365305A (zh) | 网络覆盖数据的处理方法、装置、介质及电子设备 | |
| US20210357281A1 (en) | Using User Equipment Data Clusters and Spatial Temporal Graphs of Abnormalities for Root Cause Analysis | |
| CN102957572B (zh) | 一种***性能评估方法及装置 | |
| CN115586995A (zh) | 负载机最大负载量的预测方法、***、计算机设备及介质 | |
| CN110750453A (zh) | 基于html5的智能移动端测试方法、***、服务器及存储介质 | |
| CN116257427A (zh) | 联邦学习任务的异构测试方法、***、设备及存储介质 | |
| CN118055427A (zh) | 一种用于专网基站自动网络优化的方法及装置 | |
| KR102543557B1 (ko) | 네트워크 시뮬레이션 플랫폼 생성 방법, 네트워크 시뮬레이션 방법 및 대응하는 장치 | |
| WO2023045931A1 (zh) | 一种网络性能异常分析方法、装置及可读存储介质 | |
| WO2022017626A1 (en) | Trajectory based performance monitoring in a wireless communication network | |
| Bermudez et al. | Statistical validation of an LTE emulation tool using live video streaming over reliable transport protocols | |
| CN116578911A (zh) | 数据处理方法、装置、电子设备及计算机存储介质 | |
| CN116056117A (zh) | 网络异常预测方法、装置及存储介质 | |
| US20210226853A1 (en) | Automated network monitoring and control | |
| CN112020075A (zh) | 基于业务量预测的通信保障方法、装置、计算设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |