NWDAF：用机器学习和数据分析实现 5G 网络自动化

运营商走向 5G，分析的作用已经越过它传统的边界，网络数据分析功能（NWDAF）可以帮忙把这些复杂度去掉。

电信网络对分析的需求，可以一直追到公共交换电话网（PSTN）和七号信令系统（SS7）那个年代。那时候的网络监控用的是简单的网元 KPI，数据来自 T1/E1 链路探针的统计，一边看网络性能，一边确认网上没有欺诈活动。

到了 4G，分析开始用上先进的 AI/机器学习算法，做预测分析、异常检测、趋势分析和聚类。除了网络管理，客户体验管理、精准营销、数据变现这些场景也把分析当成了首选手段。5G 加进来之后网络更复杂，对高级处方性分析（prescriptive analytics）的需求就更强了，因为闭环自动化和自愈网络要靠它驱动。

把这些放在一起看，通信服务提供商（CSP）有一个共同的痛点：分析怎么接进网络。今天的分析很复杂，因为各家网元厂商的接口大多没有标准化，数据采集方式也不一致。

好消息是，这些顾虑也许终于有解了。3GPP（移动网络的标准制定组织）在 5G 核心网（5GC）架构里定义了网络数据分析功能（NWDAF）。那么 NWDAF 究竟是什么？有哪些用例？CSP 面临的主要挑战是什么？又该怎么克服？写 NWDAF 的文章少得出人意料，但我们听到全球各地的 CSP 对它兴趣很大。

NWDAF 是什么：架构、服务与用例

NWDAF 定义在 3GPP TS 29.520 里，它沿用服务化架构的标准接口，以订阅或请求的模式从其他网络功能采集数据，流程也与之类似。这样就能在网络内部提供面向自动化或报表的分析功能，把定制接口和格式不统一这两个大麻烦解决掉。

NWDAF 预计会采用分布式架构：在边缘实时提供分析，同时保留一个中心功能，处理那些需要集中汇聚的分析（例如业务体验）。

NWDAF 用请求或订阅模式采集数据、提供分析服务，如下例所示。

3GPP TR 23.791 目前列出了以下这些基于公式或 AI/ML 的 5G NWDAF 分析用例：

网络切片实例的负载等级计算与预测
面向某个应用或 UE 组的业务体验计算与预测
特定 NF 的负载分析信息与预测
网络负载性能计算与未来负载预测
UE 预期行为预测
UE 异常行为检测
UE 移动性相关信息与预测
UE 通信模式预测
拥塞信息，包括特定位置的当前拥塞和预测拥塞
服务质量（QoS）可持续性，涉及 QoS 变化的上报与预测

NWDAF 的部署挑战与建议

部署 NWDAF 时，CSP 可能会碰到这些挑战：

有些网元厂商并不遵循标准，或者没有提供数据、接收分析服务的接口。
在 4G 网络仍然在网的这段时间里，把 NWDAF 和既有的分析应用打通很关键，因为集中式分析用例要靠汇聚后的全网数据来做决策。
很多 CSP 为不同用例部署了各自的分析节点，比如收入保障、用户与营销分析、用户体验与网络管理。把这些整合进同一个分析节点，同时让它承载 NWDAF 的用例，是从网络数据里挖出更好洞察和价值的关键。
要确保部署的分析功能真的接通了下游、能产生价值，比如对接编排器做网络自动化，对接 BI 工具、各类 UI、邮件或通知应用做报表。

下面是几种克服这些挑战、用 NWDAF 部署高效下一代分析的做法：

分析本身也要强制走分布式架构。这样能减少分析带来的网络带宽开销，实时用例也天然成立。
在 RFP 里写清楚要求，确认选定的网元厂商已经支持或计划支持 NWDAF，既能被采数据，也能接收分析服务。
找电信级的分析方案，SLA 要做到五个九（five nines）。
选模块化的分析系统，能以应用的形式容纳包括 NWDAF 在内的多种用例，并且支持快速开发。
资源效率很关键，不管是本地部署还是上云，省下来的开支都很可观。
存储是要花钱的。除非法规有要求，多存处理过的智能数据，别堆更多原始大数据。
设计分析用例的时候，电信专家和分析专家的意见都要听，最理想是找两边都懂的人。这两个领域看问题的视角不一样，而且都在快速演进。

结论

分析在电信网络里的好处，CSP 早就不陌生：降低运营和资本开支，创造新收入。走向 5G 之后，分析的角色只会更重，会越过电信网络的传统边界，一路覆盖到无线接入网（RAN）和核心的运营与业务支撑系统（OSS/BSS）。所以，用一个标准定义的 NWDAF 来承接 5G 的分析需求，并以可扩展、经过优化的分布式架构把它部署下去，能简化 5G 和混合网络的部署与管理，对保障最佳客户体验至关重要。