本文来自网优雇佣军
核心网，是通信网络的大脑，承担着网络全局资源的调度及管理。进入5G时代，核心网肩上的担子更重了，其承载着来自千行百业的多样化业务需求。如何实现5G时代的核心网高效、低成本和高可靠运维，成为了运营商及业界关注的焦点。那5G时代的核心网运维有哪些挑战？又有哪些新变化呢？
5G时代的核心网运维挑战
运维对象规模和复杂性急剧上升——不同于以往4G时代，5G时代由于网络应用深入到多样化的业务场景，网络规模急剧加大。通过切片方式来进行业务的管理，导致了业务也会更加动态和复杂，从而让网络管理难度大幅增加；网络的管理对象也急剧增多，除了传统意义上的运营商的公网，还有各行各业的行业用户专网，如何能够针对不同对象合理化，分域的运维，基于各个行业进行SLA保障，也是非常棘手的一个问题；同时，随着NFV，微服务架构等技术的不断引入，网络实现了分层解耦，按需部署，但同时也带来了运维复杂度的上升，故障的定位定界成为了5G时代运维极大的挑战；2/3/4/5G时代遗留下来多个独立的运维入口，也让原本就复杂的运维工作，变得更加的繁琐，传统烟囱式的运维团队和流程模式也因数据之间相互隔离，流程的非自动化，无法在5G时代继续下去。
人力要求和企业成本的挑战——与4G主要面向消费者市场不同，5G将赋能千行百业，与各行各业的生产效率、业务创新等紧密相关，这要求5G新业务能敏捷上线，业务发布将从原来的几个月缩短到几天，甚至是小时级，还要求运营商提供高SLA的网络来保障企业的生产、业务等流程高效稳定运行，否则可能会给行业带来经济损失，这单靠传统的人工运维模式无法支撑业务及网络的要求。同时，5G时代不仅网络更复杂，业务更多样化，伴随着低时延应用和行业专网兴起，还将有大量MEC边缘节点广泛分布于网络的不同位置，这都将新增大量的上站维护工作量和运维成本，因此，如何最大程度减少Opex，是运营商在5G这个新战场上不得不考虑的问题。
如何破除以上挑战？
让网络像自动驾驶汽车一样，自动化，智能化的行驶
在这样的挑战背景下，业界做了很多的探索和尝试，试图在方案架构，运维技术，运维方式等方面进行变革，将自动化，智能化引入5G核心网运维。有人提出一个有趣的设想，我们的网络是否可以像自动驾驶汽车一样，在没有人干预的情况下，自动，智能的行驶。这样的假设让业界产生了很强的共鸣，也展开了无数的讨论，其中比较著名的就是TMF提出的自动驾驶网络的5层演进节奏，全面诠释了网络在未来10年的演进方向。
来源：自动驾驶网络白皮书
这个图将自动驾驶网络的演进分为从level0到level5几个级别，让我们知道网络自动化将会是一个长期的目标，是一个逐步实现的过程，其中AI的能力也会逐步的引入各个领域实现整个演进的转变。
那5G时代的核心网运维如何逐步实现“自动驾驶”呢？
运维架构转型
首先需要考虑的是运维架构层面的改变。
众所周知，存量网络的管理系统多且孤立分散，数据相互隔离；管理面能力没有服务化，无法按需进行灵活的部署，导致了底层资源浪费；传统管理面和业务网元是分离的，这不符合5G时代核心网网元实时控制，本地自治的诉求。为了解决这些问题，就需要在管理面架构上进行融合，实现跨域跨代跨平台跨层的统一管理。就如华为提供的iMaster MAE-CN方案，非常巧妙的将传统网管，VNFM LCM， NFVO，NSSMF，MEAO及相关运维工具子系统进行融合。一方面，这些组件并不是粗暴式的堆叠，而是以微服务的方式存在，方便客户按需部署，另一方面，最重要的是它打通了传统烟囱式的运维体系，让数据可无缝互通，不仅能够让日常运维操作简单许多，更重要的是增加了发掘数据更多价值的可能性。同时，这些组件都连接着一个智能的调度引擎，通过系统而灵活的调度，实现从网络设计，部署，到运维、优化的端到端的管理，而不仅仅是传统意义上简单的运维。
AI引入日常监控场景——主动预防实现亚健康状态精准识别
另一个非常重要的转变就是技术的改变。这里，大部分的厂商都尝试通用引入AI技术，自动化，智能化的处理核心网运维问题。
熟知核心网运维的工程师，一定深有体会，在建网初期，工程师要花费大量时间逐条进行上万个KPI指标对象的阈值设置，这个阈值是根据以往的专家经验进行设置，由于是静态的阈值，这就给后续日常监控埋下了可能出现误报，漏报异常的情况的隐患，告警的可信度大打折扣。况且不同子网情况不同，子网间这些阈值的设置无法复制，工程师只能通过人工的方式，一个个子网进行设置。最棘手的是异常检测之后的根因分析，工程师需要人工逐条KPI进行故障定位，同时在大量KPI指标中筛选出该异常KPI的关联KPI，通过查看关联KPI的测量值，进一步定位异常的原因。这样全程人工主导的运维方式，效率提升真的是难上加难。
那如何通过AI技术去解放工程师日常的运维工作呢？
我们从阈值的设置入手，看看通过AI如何进行智能的KPI的异常检测。刚才我们提到，传统的阈值设置是基于专家经验设定的静态阈值，工作量大，也不准确，隔上一段时间，还需要根据现网的实际情况进行阈值的纠正调整。这里，华为提出了动态阈值的概念，如何理解呢？首先，有一个AI的训练模型，每周对现网历史数据进行采样，通过AI算法持续的去训练校准这个模型。然后，将现网的实时KPI数据导入训练好的模型中，得到动态阈值范围，也就是说，当网络发生变化时，阈值范围也会发生变化，因此，在网络出现异常的早期阶段，就会有潜在的KPI指标超过阈值范围，系统上报异常。这样，在某种程度上，可以帮助我们提前发现网络隐患和故障，而不是在主要KPI已经异常后去处理故障。
动态的阈值，能够精准的发现网络隐性事故，但是实现运维的闭环，还需要智能的对异常情况进行分析，快速找到根因。这里，华为提供了一种多指标关联分析功能，如果某个KPI指标异常了，系统可以按照贡献度去对相关的指标进行排序，工程师可以基于此快速的找到最大贡献度的KPI，从而快速的定位问题的根因。
AI引入变更操作场景——构筑“三道防线”实现机器值守
除了日常监控场景外，重大变更场景也会使用AI。
我们知道，在5G时代，产品版本发布频率越来越高。因此，会进行大量的重大操作，如普通升级、灰度升级、配置变更、扩容等。现网70%以上的重大事故是由于网络变更导致的。一旦异常，对业务和用户体验影响很大。每年有数千次的变更，给运营商带来了巨大的挑战。同时，由于人工操作量大，网络异常识别平均耗时5小时。导致在业务影响增加时，无法提前分析和发现异常，这样就错过了解决问题的时间窗口。
因此，在这种场景下，工程师希望运维方案能够建立变更前、变更中、变更后三道防线，提前规避风险和问题。
现在，让我们来看看这个系统是如何工作的。
首先，在变更前，系统自动进行在线健康检查，确保待变更网络健康。其次，变更过程中，所有变更准备和操作均按照规范自动执行。例如，在变更前的计划中明确每个操作的结果。这样，每一步的操作，都可以有依据，方便变更过程中进行对比。最后，在变更值守阶段，需要持续实时监控网络异常情况。这里，华为利用复合LSTM神经网络递归生成多指标关联分析。其将指标分为呼叫类指标组、注册类指标组、接入类指标组等。该算法可以训练每个组，使每个组可以生成出一个关联性。当某个异常发生时，对应群组的关联性就会发生改变。这样就可以快速定位异常指标组。再通过KPI贡献度，识别出异常KPI。接下来，我们再来看看如何快速定界异常点。其根据历史的专家经验，在系统中预置了很多故障场景；同时，把告警、日志、KPI等多维度因素作为一个事件，与预置场景进行匹配，这样就能快速定界网络异常了。这样就可以帮助我们快速、及时地定位问题了。
AI的引入，最终实现从被动运维到主动运维转型
以上分享了两个引入AI的运维场景。不难发现，将AI引入到运维的场景后，传统运维方式逐渐发生了变化。传统的方式是一种被动的运维方式，就是当故障已经出现了，我们才通过各种各样的系统，方法，以及人工的方式，去尽可能快速准确的进行故障定界定位，从而快速恢复。而AI的引入，让我们对运维的模式有了新的想法。我们可以基于AI技术去进行主动运维，也就是说在故障发生之前，主动的识别网络的风险，将网络的亚健康问题暴露出来，在它变成故障之前就把它处理掉，而不是等亚健康问题变成故障后，才去解决问题。然后再通过AI技术，快速的定位问题，将风险快速识别。
5G让网络自动驾驶成为了焦点，而AI的引入加速了网络自动驾驶的演进。未来的5到10年将是网络自动驾驶快速孵化，演进的时代，让我们拭目以待。
