Mitkä BBU-ominaisuudet tukevat verkon laajennettavuutta?

Modulaarinen BBU:n laitteistosuunnittelu pysty- ja vaakasuuntaista skaalautuvuutta varten

Nykyajan tietoliikennelaitteet perustuvat baseband-yksikön (BBU) arkkitehtuureihin, jotka tukevat kahta toisiaan täydentävää skaalautuvuusstrategiaa: pystysuuntaista skaalautuvuutta – yksittäisten yksiköiden tehostaminen lisäämällä niiden prosessointitehoa – ja vaakasuuntaista skaalautuvuutta – useamman BBU-solmun käyttöönotto verkossa kuorman jakamiseksi ja kapasiteetin kasvattamiseksi.

Lämpövaihdettavat moduulit ja kehysjärjestelmän joustavuus vaiheittaiseen kapasiteetin kasvuun

Operaattorit voivat nyt vaihtaa tai asentaa laitteistokomponentteja, kuten prosessorikortteja ja radioliitäntäyksiköitä, palvelujen pysähtymisen estämisellä kiitettävän kenttävaihdettavien moduulien avulla, jotka tukevat lämpimää vaihtoa. Mikä on etu? Nopea kapasiteetin laajentaminen tarpeen mukaan. Liitä vain uusi prosessorikortti ja katso suorituskyvyn nousun olevan noin 40 % lähes välittömästi. Nykyaikaiset kotelosuunnittelut sisältävät standardipaikat ja sopeutuvat takapaneelijärjestelmät, jotka toimivat kaikenlaisien eri moduulien kanssa, mukaan lukien esimerkiksi salauskiihdyttimet ja fronthaul-liitäntäyksiköt. Tämä joustavuus tarkoittaa, että yritykset voivat rakentaa juuri sen, mitä he tarvitsevat, ilman että joutuisivat jäämään yhden valmistajan laitteiston varaan, mikä lisäksi säästää arvokasta rakkutilaa. Teollisuuden testit ovat osoittaneet, että nämä lämpimän vaihdon ominaisuudet vähentävät huoltokatkoja noin 90 % verran vanhempiin järjestelmiin verrattuna, joissa kaikki oli paikallaan kiinnitetty jo ensimmäisestä päivästä lähtien.

CPU-/FPGA-/GPU-laajennus ja muistikaistan leveyden optimointi laskentaintensiivisiin työkuormiin

Modernit taajuusalueen perusyksiköt (BBU) joutuvat käsittelemään sekä 5G-Advanced -vaatimuksia että Open RAN -spesifikaatioita, joten ne yhdistävät erilaisia laskentatehoja. Esimerkiksi kenttäohjelmoitavat porttipiirit (FPGA) hoitavat niitä äärimmäisen nopeita signaalinkäsittelytehtäviä, joissa jokainen mikrosekunti ratkaisee. Grafiikkaprosessorit (GPU) tulevat kyseeseen silloin, kun tekoälyä hyödynnetään esimerkiksi sädemuodostukseen ja häiriöongelmien hallintaan. Lisäksi monisokkeliset keskusprosessorit (CPU) hallinnoivat kaikkia ohjaustason toimintoja ja koordinoivat kaikkea taustalla. Muistiteknologioissa valmistajat siirtyvät DDR5- ja HBM3-teknologioihin, jotka pystyvät siirtämään tietoja yli teratavun sekunnissa. Tällainen kaistanleveys on ehdottoman välttämätön suurten moniantennijärjestelmien (Multiple Input Multiple Output, MIMO) tukemiseen ja reaaliaikaisen fronthaul-käsittelyn vaatimusten täyttämiseen. Myös järkeviä optimointeja käytetään mahdollistamaan tämä – esimerkiksi välimuistitilaa jaetaan siten, että kriittiset taajuusalueen perustoiminnot eivät hidastu, muistia jaetaan älykkäästi eri sokkelien välillä NUMA-periaatteiden mukaisesti ja sisäänrakennettu laitteistopohjainen pakkaus vähentää fronthaul-liikennettä noin 35 prosenttia. Kaikki nämä komponentit toimivat yhdessä pitäen viiveen alle viiden millisekunnin, samalla kun ne tarjoavat luotettavaa 5G New Radio -suorituskykyä myös silloin, kun solmupisteet käsittelevät jatkuvasti 200 gigabitin sekunnissa tapahtuvaa tietoliikennettä.

BBU:n integrointi pilvialustaan ja ohjelmoitavaan verkkoon (SDN/NFV)

Ohjaustason erottaminen ja dynaaminen orkestraatio SDN:llä varustetun BBU:n hallinnan avulla

Ohjelmallisesti määritelty verkko (Software Defined Networking, SDN) muuttaa tukiasemayksiköiden (BBU) hallintaa erottamalla ohjaustoiminnot itse tiedonkäsittelystä. Tämä luo järjestelmän, jossa älykkäät ohjausyksiköt hoitavat suurimman osan päätöksenteosta keskitetysti, mutta joka mahdollistaa tukiasemayksiköiden (BBU) tehdä paikallisesti päätöksiä tiedonsiirron ohjaamisesta ja radioteknisten resurssien hallinnasta. Avointen sovellusohjelmointirajapintojen (API) saatavuuden ansiosta verkkotoimijat voivat nyt säätää taajuusalueen jakoa tarpeen mukaan, vaihtaa eri modulaatiomenetelmiin tarvittaessa sekä siirtää työmäärän tasapainoa solukkojen välillä reaaliaikaisen liikenteen mukaan. Kun liikenne kiihtyy esimerkiksi ruuhka-aikoina, nämä SDN-järjestelmät aktivoituvat lähes välittömästi ja ohjaavat verkkokapasiteettia ylikuormitettujen alueiden ulkopuolelle ilman, että kukaan tarvitsee tehdä asetuksia manuaalisesti. Tuloksena on vähemmän katkoja ja vähemmän päänvaivaa teknikoille. Viimeisin teollisuusraportti vuodelta 2024 osoittaa, että yritykset, jotka ovat ottaneet tämän menetelmän käyttöön, saavuttavat tyypillisesti noin kolmanneksen vähentymisen kokonaishallintakustannuksissaan verrattuna vanhempiin lähestymistapoihin, jotka perustuivat voimakkaasti yksittäisiin laitteisiin.

Virtualisoitujen taajuusalueen funktioiden ja automatisoidun elinkaaren hallinnan toteuttaminen NFV:n avulla

Verkkofunktioiden virtualisointi, lyhyesti NFV, muuttaa teleliiketoiminnan infrastruktuurin hallintaa. Sen sijaan, että operaattorit luottaisivat kalliisiin omaan BBU-laitteistoon, he suorittavat tällä hetkellä kannallistoimintoja tavallisilla kaupallisilla palvelimilla. Signaalinkäsittely, kanavakoodaus ja kyseiset kerros 2 -protokollat toimivat kaikki kevyinä virtuaalisina verkkofunktioina tai pilvialustalle suunniteltuina vaihtoehtoisina ratkaisuina. Koko järjestelmä hallitaan automaattisesti alustoilla, kuten Kubernetes ja ONAP, jotka hoitavat kaiken: asetusten tekemisestä tarpeen mukaan tapahtuvaan skaalaukseen, ongelmien korjaamiseen ja päivitysten soveltamiseen keskitettyjen ohjauspaneelien kautta. Kun liikenne kasvaa äkkinäisesti, nämä NFV-järjestelmät voivat nopeasti luoda virtuaalisia BBU-kopioita ja jakaa ne eri palvelinryhmien kesken. Kun kysyntä laskee, järjestelmät yksinkertaisesti sammuttavat käyttämättömät resurssit säästäkseen energiaa. Viime vuoden Cloud RAN -vertailututkimuksesta saadun tulosten mukaan tämä joustava lähestymistapa vähentää pääomakustannuksia noin puolella, vaikka järjestelmän käytettävyys säilyy lähes täydellisenä (99,999 %). Mitä kuitenkin tekee NFV:n erityisen huomattavaksi, on päivitysten nopeus. Yritykset voivat ottaa uudet ominaisuudet käyttöön tuhansissa paikoissa muutamassa minuutissa eivätkä ne joudu odottamaan viikkoja, mikä mahdollistaa nopeamman innovointisyklin ilman asiakkaiden palveluhäiriöitä.

Käyttöönottoon keskittyvät BBU-muotokoot ja infrastruktuurin sovitus

Sivukotelo- ja rakkoon asennettavat BBU-konfiguraatiot hajautetulle ja keskitetylle vRAN:lle

Oikean BBU:n muototyyppin valitseminen on erittäin tärkeää, kun laitteistosuunnittelua sovitetaan käyttöönottoon ja infrastruktuurin rajoituksiin. Sivukorvakkeiksi (sidecar) kutsuttavat BBUn yksiköt ovat pieniä, energiatehokkaita laitteita, jotka sijaitsevat suoraan antennien vieressä paikan päällä. Ne vähentävät signaaliviiveitä, mikä tekee niistä erinomaisia ratkaisuja sovelluksille, joissa vaaditaan erinomaista luotettavuutta ja mahdollisimman vähän viivettä, kuten URLLC-palveluille tai hajautettujen vRAN-rakenteiden reunaan sijoitettaville laskentatehtäville. Toisaalta rakkoon asennettavat BBU:t keskittävät kaiken peruspiirisuunnittelun keskitettyihin solmupisteisiin. Tämä lähestymistapa vähentää tarvittavaa tilaa jopa noin 40 %:lla ja tekee lämmönhallinnasta, varavoimalaitteista ja säännöllisistä tarkastuksista huomattavasti helpompaa. Useimmat verkkopalveluntarjoajat valitsevat rakkoon asennettavat versiot, koska ne skaalautuvat paremmin ja mahdollistavat resurssien jakamisen eri alueiden välillä. Älä kuitenkaan unohda sivukorvakkeita! Niillä on edelleen ratkaiseva rooli silloin, kun tilaa on rajallisesti tai kun kyseessä ovat vaikeapääsyiset paikat. Molemmat vaihtoehdot toimivat hyvin SDN- ja NFV-teknologioiden kanssa, joten kaikki liittyy sujuvasti yhteen nykyaikaisten pilvipohjaisten verkkojen sisällä.

Tekoälyllä ohjattu resurssien optimointi skaalautuvissa BBU-klustereissa

Tekoäly on muuttanut BBU-klustereiden hallintaa siitä, että ne vain reagoivat ongelmiin, kohti ennaltaehkäisevää ja sopeutuvaa toimintaa. Todellisaikaiset avainindikaattorit, kuten liikennetaso, yhtä aikaa yhdistettyjen käyttäjien määrä, taajuuskaistan käytön tehokkuus ja laitteiston valvontatiedot, syöttävät tietoja koneoppimisjärjestelmiin. Nämä järjestelmät voivat ennustaa tarvittavaa kapasiteettia jopa 48 tuntia eteenpäin, mikä mahdollistaa virtuaalisten kantataajuusfunktioiden automaattisen skaalauksen tarpeen mukaan ylös tai alaspäin. Erityiset vahvistusoppimismenetelmät parantavat jatkuvasti laskentatehon jakoa eri verkon osien välillä sekä kaistanleveyden ja tehon asetusten hallintaa. Tämä lähestymistapa vähentää hukkaan menevää energiaa noin 22 %:lla, koska se kytkää älykkäästi pois päältä laitteita, joita ei käytetä paljon. Palvelimien kuormien tasapuolisen jakamisen automaatio nostaa kokonaishyötyasteikkoa noin 30 %:lla. Tämä tekee BBU-varantojen laajentamisesta huomattavasti helpompaa, kun 5G-liikenne jatkaa kasvuaan. Lopputuloksena saadaan olennaisesti itsekorjaava infrastruktuuri. Se estää yrityksiä ostamasta liikaa laitteistoa etukäteen, pitää viiveen tärkeissä sovelluksissa alle viidessä millisekunnissa ja selviytyy odottamattomista liikennepiikeistä ilman, että kukaan tarvitsee puuttua asiaan manuaalisesti.