现代电子技术
Modern Electronics Technique
Nov.  2023Vol. 46  No. 22
2023年11月15日第46卷第22期
0  引  言
随着5G 新基建发展及5G 技术的逐步完善，基于5G 网络的行业应用由游戏、短视频等新兴互联网产业延伸至工业制造、钢铁、矿产、交通、电力、医疗等传统工业生产及民生领域[1⁃2]。5G+工业生产、5G+交通、
5G+医疗等技术应用模式在实现业态重塑和推进产业升级的同时，对5G 网络状态的稳定性、可靠性提出了非常高的要求。但在实际使用场景中，多种因素会引发5G 网络波动，如：因人员维护设置及操作不当等主观因素引发的网络性能劣化或故障；设备故障、传输环境、无线信号干扰等客观因素引发的网络故障或波动；端到端（Device to Device, D2D ）通信因用户数量或距离变化等因素引起负载失衡及同频干扰问题[3⁃4]、 时
DOI ：10.16652/j.issn.1004⁃373x.2023.22.011
引用格式：温圣军，袁刚，袁瑞丰，等.基于边缘计算技术的5G 网络状态感知系统设计与分析[J].现代电子技术，2023，46（22）：58⁃62.
基于边缘计算技术的5G 网络状态感知
系统设计与分析
温圣军， 袁  刚， 袁瑞丰， 白静一， 韩春晓
（国家市场监督管理总局信息中心， 北京  100820）
摘  要： 5G 网络在实现业态重塑和推进产业升级的同时，对网络状态的稳定性、可靠性提出了较高的要求，进而催生了对5G 网络适时、精准的状态感知与故障预警需求。5G 网络具有高速低延时、大规模接入的特性，但受网络中心及网络边缘接入设备计算及能量资源限制，无法实现及时反馈和精确预警。基于边缘计算技术能够弥补终端及网络中心算力不足并保持5G 网络特性的优势，文中结合边缘计算技术设计一种探针式网络状态感知系统，给出其功能构架、网络部署及工作流程。系统采用类分布式部署方式，将探针植入采集对象，同时收集端到端网络状态特征数据及设备自身状态数据，经边缘服务器预处理再回传分析中心进行网络状态分析，实现对5G 网络状态的全方位感知分析。结果表明，所设计系统可以支持多种应用场景，并在其中发挥积极增益的作用。
关键词： 5G 网络； 状态感知系统； 边缘计算技术； 故障预警； 类分布式部署； 探针
中图分类号： TN929.5⁃34                          文献标识码： A                      文章编号： 1004⁃373X （2023）22⁃0058⁃05
Design and analysis of 5G network state awareness system based on MEC technology
WEN Shengjun, YUAN Gang, YUAN Ruifeng, BAI Jingyi, HAN Chunxiao
(Information Center of State Administration of Market Regulation, Beijing 100820, China)
Abstract ： While reshaping the business format and promoting industrial upgrading, 5G networks have put forward very high requirements for the stability and reliability of network status, which has led to the demand for timely and accurate state perception and fault warning of 5G networks. 5G networks have the characteristics of high speed, low latency and large ⁃scale access, but its timely feedback and accurate warning cannot be achieved due to the limitations of computing and energy resources of network center and edge access devices. Based on the fact that edge computing technology can make up for the lack
of computing power of terminals and network centers and maintain the advantages of 5G network ch
aracteristics, a probe network state awareness system is designed combining edge computing technology, and its functional architecture, network deployment and workflow are given. In the system, a class distributed deployment method is adopted, where probes are implanted into the collection object to collect end⁃to⁃end network state feature data and device self state data. After being preprocessed by the edge server, it is returned to the analysis center for network state analysis, achieving comprehensive perception and analysis of 5G
network state. The results show that the designed sysytem can support multiple application scenarios and play a positive gain role in them.
Keywords ： 5G; state perception system; edge computing technology; fault warning; class distributed deployment; probe
收稿日期：2023⁃05⁃29          修回日期：2023⁃07⁃06
58
第22期
分双工（Time Division Dual, TDD）模式下远端下行信号对近端上行信号干扰[5]、同步重叠
覆盖干扰[6]等固有技术因素引发的网络劣化，制约和影响着
5G在关键领域的深入应用。对5G网络状态开展全方位的监测、展示及智能化提示，精确地量化表述网络性能，不仅能够提供网络性能状态掌控手段，满足业务应用的网络性能分析需求，还可以迅速定位网络故障节点，提供网络优化及运维服务的数据支撑。
1 基础介绍
1.1 网络状态感知系统基础
在传统固网及4G网络中，网络状态监测/感知系统是网络监控和管理的一种基本手段，已形成多种分类标准[7]。主流的监测分类有按照监测方式、监测内容及兼容性三类。按照监测的方式可分为主动式和被动式，按照监测的内容可分为拓扑监测和性能监测，按照监测系统的兼容性可分为兼容和不兼容。上述不同分类监测方式的优缺点对比如表1所示。
表1  各监测方式优缺点对比
序号1 2 3 4 5 6
类型
linux内核设计与实现 pdf主动
被动
拓扑
性能
兼容
不兼容
优势
适合端到端性能监测
不增加网络负载
获取拓扑结构
监测链路性能
不依赖于设备
对特定设备兼容性更高
缺点
增加网络负载
不适合于端到端监测
链路性能不明
对处理性能要求较高
投入资源较多
多设备适应性差
尽管不同分类的监测方式各有应用的优势和不足，但在带宽及算力允许的前提下，可兼容、主动式网络性能感知系统具备要素感知立体全面、反馈及时、预警准确及可适应性强等诸多优势，是当前网络状态感知研发及应用领域的热点和首选。
1.2 5G网络状态感知系统的难点
相较于传统固网及4G网络的网络状态感知，结合5G网络超高速率、超低延时及超大规模接入的特点，对接入终端及链路状态要素信息收集越多、并发任务越多，要求网络状态感知系统的数据分析及处理能力越高。对于可兼容主动式网络性能感知系统而言，超大规模接入的设备开发标准尚未形成，需要投入大量资源去开展适配；同时超高速、超低时延及超大规模任务并发对感知系统收集和分析中枢而言是极大挑战，无法对网络状态进行实时感知及分析预警，甚至对网络性能信息收集分析的行为本身也可能成为5G网络性能劣化的影响因素。
1.3 基于边缘计算技术的解决路径
日趋完善的5G技术为具有超高速度、超低时延及大规模接入需求的应用提供了基础平台支撑。但在实际应用中，大部分网络边缘接入设备（智能终端、CPE下联IoT终端等）的计算及能量资源有限，影响和制约5G网络的效能发挥。为解决上述问题，IBM于2013年提出移动边缘计算技术（Mobile Edge Computing, MEC）的概念，并于2014年由欧洲电气标准协会（European Telecommunications Standards Institute, ETSI）列为移动边缘计算标准并全面推进[8⁃13]，其基本思路为：在网络边缘部署服务器，可将需要密集计算的任务由网络中心及接入终端转移至网络边缘服务器，进而释放接入端的计算和能量资源，大幅缓解网络中心计算资源占用，实现边缘设备高速、低耗及大规模接入5G网络。
边缘计算技术能够补充终端及网络中心算力不足，保持5G网络高速低延时大规模接入的基本特性，结合网络状态感知系统，由终端采集要素信息上传至分析中心进行分析预警。可设计探针植入采集对象，同时收集端到端网络状态特征数据及设备自身状态数据，经边缘服务器预处理再回传分析中心进行网络状态感知分析，在避免监测行为影响5G网络状态的同时，实现对5G网络状态的全方位感知分析。
2 系统设计
依据前述分析，本文提出的5G网络状态感知系统应具备以下特性：
1）依托MEC技术解决算力问题，应用部署于MEC+5G网络；
2）在带宽及算力允许的前提下，采取主动式、可兼容性能监测方式；
3）尽管目前探针类网络状态监测系统可分为软件适配和硬件嵌入式部署两种，且某些场景下硬件嵌入式部署植入更具优势，但考虑5G网络边缘接入设备多样及接口标准不统一等因素，选择软件适配方式开发。
2.1 整体设计
参考IP网络流量测量分析相关工作组（IP Performance Measurement, IPPM）定义的标准化网络性能指标，结合网络状态分析要素需求，确定探针能力集为设备信息、设备性能、网络性能、网络测速、网络带宽、线路质量六类。其中，设备信息及设备性能是对接入设备自身状态的监测，以确认是否为硬件故
温圣军，等：基于边缘计算技术的5G网络状态感知系统设计与分析59
现代电子技术
2023年第46卷
障；其余的是对网络能力及状态的监测，包括平均时延、最大时延、平均丢包、最大丢包、端口出平均流量、端口出最大流量、端口入平均流量、端口入最大流量、中断次数、中断平均时长、中断累计时长、劣化次数、劣化平均时长、劣化累计时长、可用率、优良率、入利
用率、出利用率等。参考通用网络状态感知的功能及实际应用需求，确定系统主要功能为：故障管理与预警、拓扑管理、设备管理、性能分析、任务管理及系统自身管理等。图1所示为本文网络状态感知系统的功能
结构图。
图1  网络状态感知系统功能结构图
如图1所示，各功能采用模块化设计展示，具体内容简述如下：
1） 故障管理与预警：针对具体的监测任务，自动
监测路径状态，主动感知网络故障并自动产生告警，包括故障分类、运营商、疑似节点、故障现象、故障原因、影响路径数、故障历时、故障状态等详细信息。2） 拓扑管理：自动生成路径拓扑及物理拓扑，自适应网络变化。
3） 设备管理：设备指在需要基于感知系统进行管
理维护的所有设备，包括路由器、交换机、防火墙、服
务器、接入设备（如CPE ）、终端设备等。对于部署探针的节点类设备，可经由探针自动获取设备信息；对于未部署但需管理的设备，可经路径探测时自动发现获取设备信息。特别地，路径探测失败后，允许手动添加管理。
4） 性能分析：包括5G 专网网络性能质量分析报
告，5G 专网性能劣差分析报告（即从5G 终端接入CPE 网络，经、UPF 、MEC 环节等关键性能指标进行分析，分段精准定位故障节点）。
5） 任务管理：可进行特定测试任务创建，通过
60
第22期
SDK 经北向接口与分析平台交互，完成特定测试任务落地及配置管理。
6） 系统自身管理：包括版本管理、升级管理及机
构、用户、角创建与管理等，实现对系统自身运行的管理。
2.2  部署模式及功能流程
考虑系统兼容性要求，通过分析当前5G 边缘接
入设备类型，由于智能终端操作系统仅有Android 、iOS 、Harmony 等几类，业内现有CPE 操作系统绝大多数基于Linux 开发，确定探针可适配部署的边缘接入
设备为智能接入终端及CPE 设备两类。区别于传统网络状态感知/监测系统中心⁃探针的部署模式，本系统采用类分布式方式，分析中心部署于网络中心，算力节点部署于各MEC ，探针安装于智能接入终端及工业网关、物联网关等设备，经探针收集网络状态要素数据，回传MEC 及分析中心。节点MEC 完成所属网络路径及网络性能分析计算等大算力运算工作，形成结果后上传分析中心，最终由分析中心形成大规模网络整体状态感知态势情况，依用户需求展示或预警。图2
所示为系统的部署网络架构图。
图2  网络状态感知系统部署网络架构图
以监测图2区域A 中CPE 挂载设备a 1及a 1所在5G 网络状态为例，简要表述系统功能流程如下：1） 部署于网络中心的分析中心创建中心端至a 1端拨测任务，分发至部署于MEC 节点分析端及
CPE 端。
2） 基于系统主要算力损耗为拓扑生成、管理及网
络性能分析等活动的原因，部署于MEC 的节点分析探
针依赖MEC 计算能力，基于业务流途经网元进行端到端呈现，生成本区域内路径拓扑；根据自动发现的中继线路生成本区域内物理拓扑。
3） 对于非节点边缘接入设备a 1，依赖路径拓扑自
动添加设备，并由部署于CPE 端探针完成要素数据收集上报至分析中心。
4） MEC 节点分析探针完成本区域网络性能分
析，会同本区域路径拓扑、物理拓扑回传分析中心；对于频繁变化的拓扑结构，在MEC 端完成重新生
成管理
及回传。
5） 分析中心依赖自身及部署于CPE 的探针，形
成由中心至a 1所在CPE 端拓扑结构及网络性能，综合区域MEC 回传数据，形成由中心端至a 1所在5G 网络状态全景。
依据上述流程，即可采用类分布式计算方式，有效减轻接入端及中心节点的计算及能源压力，实现高速、低延时、大规模接入大型网络的状态感知。
3  系统效益分析
基于电信运营商在5G 边缘网络建设方面的先发优势及规模化态势，以及当前多类应用均部署于运营商5G 网络的实际，结合运营商自身对网络状态感知的迫切需求，本系统已在部分省、市级运营商5G 边缘网络进行了部署使用，在“5G+”不同的应用场景下都起到了积极的增益作用。
1） 有助于运营商精准掌握网络状态，及时识别、修复网络故障，结合5G 网络切片技术，提供端到端量
化可控延时网络个性化服务，支撑特殊网络应用需求。2） “5G+行业”应用场景下，提供网络故障预警及
告警，可避免或尽可能减少基于5G 网络自动化作业任务失败引发的经济效益、人身财产等损失，以及安全生产危险及医疗风险、交通安全风险等发生的概率。
3） 5G 网络状态系统提供了实时掌握网络性能及
各设备状态的方法和手段，集成于智慧城市运维平
温圣军，等：基于边缘计算技术的5G 网络状态感知系统设计与分析61
现代电子技术2023年第46卷
台，有助于掌握城市动态，深化推进智慧城市建设、助力“数字政府”“数字中国”目标实现。
4 结语
5G作为当前及未来较长时间内主流的网络模式，在实现业态重塑和推进产业升级方面发挥着重要作用。基于MEC技术的5G网络状态系统，依赖MEC的算力资源释放边缘接入端及网络中心端算力压力，
在保持5G网络超高速、超低时延及大规模接入特性的同时，可实现对网络设备状态、链路性能及故障等情况的及时全面感知，有效助力“5G+”各应用场景的效益。
注：本文通讯作者为韩春晓。
参考文献
[1] 王国法，赵国瑞，胡亚辉.5G技术在煤矿智能化中的应用展
望[J].煤炭学报，2020，45（1）：16⁃23.
[2] 方向清，李茸.基于5G的城市灾害监测预警系统研究[J].中
国煤炭地质，2022，34（z1）：16⁃19.
[3] 范康康，董颖，钱志鸿，等.D2D通信的干扰控制和资源分配
算法研究[J].通信学报，2018，39（11）：198⁃206.
[4] 王鑫.面向蜂窝网络的D2D通信资源分配算法研究[D].长
春：吉林大学，2020.
[5] 陈凯.5G干扰特征识别及解决方案研究[J].邮电设计技术，
2021（4）：34⁃39.
[6] 李斌杰，耿鲁静，张斌，等.5G重叠覆盖对网络性能影响的研
究[J].电信工程技术与标准化，2022，35（11）：51⁃54. [7] ZHANG P, LI J, TANG Y, et al. A novel, efficient, green and real⁃time load balancing algorithm for 5G network measurement report collecting clusters [J]. Journal of circuits, systems and computers, 2022, 31(18): 2250313. [8] European Telecommunication Standards Insitute. Mobile⁃edge computing (MEC): service scenarios [EB/OL]. [2018⁃12⁃03]. /deliver/etsi_gs/MEC⁃IEG/001_099/004/ 01.01.01_60/gs_MEC⁃IEG004v010101p.pdf.
[9] HASANIN T, ALSOBHI A, KHADIDOS A, et al. Efficient multiuser computation for mobile⁃edge computing in IoT application using optimization algorithm [J]. Hindawi limited, 2021, 10: 9014559.
[10] BI Suzhi, ZHANG Yingjun. Computation rate maximization for wireless powered mobile⁃edge computing with binary computation offloading [J]. IEEE transactions on wireless communications, 2018, 17(6): 4177⁃4190.
[11] 陆旭，陈影，许中平，等.面向5G边缘计算网络的联合需求
响应与任务卸载策略[J].中国电力，2022，55（10）：209⁃218.
[12] 施巍松，孙辉，曹杰，等.边缘计算：万物互联时代新型计算
模型[J].计算机研究与发展，2017，54（5）：907⁃924. [13] 刘炎培，朱运静，宾艳茹，等.边缘环境下计算密集型任务
调度研究综述[J].计算机工程与应用，2022，58（20）：28⁃42.
作者简介：温圣军（1983—），男，山西原平人，硕士，工程师，主要研究方向为网络工程、电子政务、密码学。
袁刚（1985—），男，湖北荆州人，硕士，高级工程师，研究方向为电子政务、网络安全、政务信息化。
袁瑞丰（1984—），男，河北邯郸人，硕士，高级工程师，主要研究方向为信息化及大数据管理应用。
白静一（1984—），女，山东聊城人，工程师，研究方向为电子政务、政务信息化。
韩春晓（1989—），女，河南许昌人，硕士，高级工程师，研究方向为政务信息化、系统应用管理、系统运维、软件测试。62

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。