Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Bereitstellung von 5G O-RAN NWDAF auf AWS
Veröffentlichungsdatum: 16. Juni 2022 () Geschichte des Diagramms
Mit dieser Architektur können Sie die Network Data Analytics Function (NWDAF) implementieren, um Datenanalysen AWS zum beobachteten Serviceerlebnis durchzuführen. Die Lösung verwendet Amazon Elastic Kubernetes Service für Netzwerkfunktionen und Amazon SageMaker AI für den Lebenszyklus des maschinellen Lernens (ML), einschließlich Schulung und Bereitstellung von Inferenzendpunkten.
Bereitstellung von 5G NWDAF auf O-RAN AWS Grafik
In den folgenden Schritten werden die NWDAF-Komponenten und der Datenfluss für diese Architektur beschrieben:
-
Überwachen Sie das Nutzererlebnis mithilfe von Analysen zur beobachteten Serviceerfahrung.
-
Stellen Sie Netzwerkkonnektivität bereit, die auf Standards des Open Radio Access Network (O-RAN) basiert, über 5G-RAN und Kernnetzfunktionen.
-
Führen Sie Netzwerkfunktionen auf Amazon EKS-Computern mit Amazon EBS-Speicher aus (wird in abgelegenen Regionen gesichert).
-
Senden Sie Anwendungs-, Sitzungs-, Standort- und QoE-Daten (Quality of Experience) aus den Netzwerkfunktionen an die Data Collection Coordination Function (DCCF).
-
Verwenden Sie das DCCF, um die Erfassung und Verteilung von Daten zu koordinieren. Das DCCF verhindert, dass sich Datenabonnements und Benachrichtigungen überschneiden.
-
Leiten Sie Daten von der Analytics Data Repository Function (ADRF) über das DCCF weiter oder rufen Sie sie ab. Das ADRF aggregiert Daten und übernimmt das Datenlebenszyklusmanagement.
-
Koordinieren Sie die Datenerfassung und -bereitstellung mithilfe der Messaging Framework Adaptor Function (MFAF), die von Netzwerkfunktionen empfangene Daten formatiert und verarbeitet.
-
Verwenden Sie SageMaker KI für ML-Lebenszyklusoperationen in der NWDAF Model Training Logical Function (MTLF). Trainieren und implementieren Sie ML-Modell-Inferenzendpunkte für Analytics Logical Functions (ANLFs), um sie für Vorhersagen zu verwenden.
-
Speichern Sie verarbeitete Analysen, Inferenzergebnisse und trainierte Modelle in einem von Amazon Simple Storage Service unterstützten Data Lake. AWS Lake Formation
-
Vergleichen Sie aktuelle Datenwerte mit historischen, erwarteten und prognostizierten Werten des Mean Opinion Score (MoS), um eine Analyse der beobachteten Serviceerfahrung abzuleiten. Senden Sie die Ergebnisse zur Netzwerkoptimierung an die OAM-Dienste (Operations, Administration and Management).
Weitere Informationen
Weitere Informationen finden Sie in den folgenden Ressourcen:
Geschichte des Diagramms
Abonnieren Sie den RSS-Feed, um Updates zu diesem Referenzarchitekturdiagramm zu erhalten.
| Änderung | Beschreibung | Datum |
|---|---|---|
Erste Veröffentlichung | Das Referenzarchitekturdiagramm wurde zuerst veröffentlicht. | 16. Juni 2022 |
RSS-Abonnement erforderlich
Um RSS-Updates zu abonnieren, muss ein RSS-Plugin für den von Ihnen verwendeten Browser aktiviert sein.
