過去一年，Open RAN成為主流，隨著越來越多的運營商開始在全球範圍內試用和部署該技術，以及越來越多的無線電、伺服器和軟體供應商加入到這一生態系統中，我們不僅面臨著解耦後的無線電、硬體，軟體的整合挑戰，如何管理和升級所有元件也是一個必須解決的問題。

恰巧的是，Open RAN的第二階段遵循了企業資料中心的分解路徑。在2000年代，企業對硬體和軟體進行解耦後，需要解決兩個挑戰，一是如何整合來自不同供應商的軟體和硬體。另一個就是如何自動升級軟體。

為了解決這兩個問題，雲化、ZTP（零接觸配置）、AI和ML（機器學習）以及Analytics之間的結合成為必然。這就是我們所謂的Open RAN的第二階段，即自動化階段。

01 雲化

雲原生功能（容器和微服務）是Open RAN的基礎，而且有助於Open RAN第二階段的自動化。

不同的RAN功能元件可以作為單獨的微服務來實現，而不是作為一個單一的虛擬機器（VM）。因此，它們可以按RAN所需的任何方式進行擴充套件。微服務架構採用敏捷的DevOps模型，使移動運營商能夠不斷創新。移動運營商可以根據需要，將任何RAN升級推送到大量的站點中。

每個微服務都可以獨立於RAN應用程式中的其他微服務，使用自動化系統進行部署、升級、擴充套件和重啟，從而能夠在不影響SLA的情況下對實時應用程式進行頻繁地更新。

雲化並不代表從雲中執行RAN服務。而是對容器中的RAN服務進行虛擬化，以確保可以在RAN裝置所在的邊緣快速執行操作。

02 整合

一旦Open RAN透過網路功能進行編排和雲化，移動運營商就只有兩種選擇：要麼選擇系統整合商（SI）來整合硬體和軟體，要麼自己動手完成。不過，任何方式都必須真正致力於開放性和獨立性，Open RAN模型才能成功。

無論由誰進行整合，整合者都需要在RAN實現、雲和DevOps方面有經驗。主要目標是要簡化整合，並控制來自不同供應商的硬體和軟體的整合成本。這是網路部署和操作自動化的關鍵所在。

03 自動化

從初始站點的啟動到最佳化階段，網路部署的所有階段都要透過四種功能實現自動化，如下所示：ZTP，CI / CD，AI 和ML，以及Analytics。

ZTP（Zero Touch Provisioning），即零接觸配置，移動運營商無需執行任何手動任務即可配置小區站點，這些站點會自動快速配置。當配置的站點數量巨大時，ZTP對密集5G部署能起到關鍵作用。

配置站點後，就可以進行持續整合和持續開發（CI / CD），並減少站點或資料中心中涉及的任何人工勞動。由於不需要派遣工程師到現場，日常維護的成本得到了降低。

CI / CD框架已在IT和企業領域中應用了多年。在Open RAN的第二階段採用CI/CD時，需要注意兩個重要因素。第一個因素是解耦本身，因為硬體和軟體元件來自不同的供應商。第二個是RAN中的物理元件（伺服器、無線電）也需要重點考慮。

在將CI/CD模型應用於RAN升級時，需要在所有網路段（RAN、傳輸、核心）中全面地融入CI/CD策略。因此，除了建立一個內部的RAN CI/CD策略外，移動運營商還需要建立一個整體的網路CI/CD策略。

這些在COTS硬體上執行的整合分類軟體、軟體升級和生命週期管理，都可以採用一種新的測試模型——即產品在整個CI / CD框架下進行測試。因此，CI / CD可以將開發時間從數小時減少到數分鐘，從而可以減少大多數手動任務。

以下這些方法有助於為將來的部署建立CI / CD藍圖，包括：

1、自動化測試和升級：在電信行業中實施CI / CD模型有助於將RAN的測試、整合、軟體釋出和實際軟體部署從人工勞動遷移到自動化和遠端部署。手動現場升級容易出錯，並且維護視窗很短。藉助自動化，可以減少錯誤，並擴大時間範圍。

2、一個更加互聯的Open RAN供應商生態系統：透過實施CI / CD，移動運營商可以在不同生態系統成員之間實現跨度更大的協作，從而促進創新。它支援多供應商CNF入門和生命週期管理。這種方法透過頻繁交付新功能和新最佳化來最大程度地降低風險，同時透過自動化提高效率，從而更快地引入新服務，提高終端使用者的滿意度。

3、容器和CI / CD的組合功能：Agile DevOps為容器提供堆疊模板來託管微服務，從而簡化了自動化。這些升級將透過CI/CD實現自動化。並且，透過CI / CD推送到容器的軟體組合，使MNO可以輕鬆定義自己的體系結構，並使Open RAN的部署和維護更加輕鬆且更具成本效益。這種方式的主要優勢在於站點作為一種服務執行，軟體更新會自動推送到數百個站點，大大減少了人工勞動成本。

04 AI和ML

Omdia的資料顯示，80％的移動運營商表示，他們計劃最快在2021年採用AI來自動化網路操作，主要使用人工智慧（AI）和機器學習（ML）來保證網路效能質量和終端使用者體驗質量。

AI負責分析資料，ML負責調整網路狀況，以實現適當的負載平衡、ICIC和無縫管理切換。

資料分析首先要對資料來源進行分類，然後識別模式或異常，再預測行為。這些資料將需要涵蓋不同的用例，幷包括來自不同供應商的資料，這些資料不僅涉及RAN的各個元件，還涉及整個網路。隨著時間的推移，ML演算法將不斷髮展，將更好地預測和幫助AI做出實時網路決策。

AI模型分為兩類：有監督學習和無監督學習。實時蜂窩網路更傾向於使用無監督學習模型。

近實時RIC（RAN智慧控制器）應該包括AI作為xAPP，負責預測、預防和緩解影響客戶體驗的情況。AI軟體將使用由ML演算法作為rAPP在非實時RIC中執行。任何演算法和訓練都可以非實時構建。AI需要實時強化這些決策。來自非實時RIC的ML rAPP將幫助實時RIC中的AI xAPP識別流量模式和異常，並調整網路健康狀況，以提供適當的RAN資源以獲得最佳使用者體驗。

AI / ML演算法將負責：

預測引數 檢測異常預測故障 投影熱圖將元件分類

這將使我們能夠更加準確地預測未來，並採取一定的預防措施來避免將來發生類似情況。

05 Analytics

Analytics是一種工具，可以視覺化網路的情況或異常，以及分析這些變化將如何影響使用者體驗，幫助移動運營商瞭解問題。這可以再次利用起AI資料，也可以看到ML有關改善網路的報告。

06 總結

Open-RAN的第二階段將使RAN實現自動化。跨CI/CD、ZTP、AI/ML和Analytics的自動化策略將幫助移動運營商進入一個完全自動化的RAN世界。

Open-RAN第二階段的工作範圍與傳統RAN相同，但Open RAN生態系統的供應商數量將提高。使用ZTP進行配置自動化、使用CI / CD，AI / ML進行持續維護自動化，這些都能幫助移動運營商實現成功的Open RAN，從而避免供應商鎖定，同時提高效率，更好地利用資源並降低總體成本 。

原文連結：

https://www.rcrwireless.com/20210220/open_ran/youve-opened-your-ran-now-what-phase-2-of-open-ran-automation-reader-forum