EN
Modulær BBU-hardwarearkitektur for vertikal og horisontal skalering
Moderne kommunikasjonsutstyr bygger på basebandenhet (BBU)-arkitekturer som støtter to komplementære skaleringstrategier: vertikal skalering – forsterking av enkeltenheter med ekstra prosessorkraft – og horisontal skalering – distribuering av flere BBU-noder i nettverket for å fordele belastningen og øke kapasiteten.
Moduler som kan byttes ut mens systemet er i drift, samt fleksibel kabinettkonstruksjon for trinnvis kapasitetsøkning
Operatører kan nå bytte ut eller installere maskinvarekomponenter som prosessorkort og radiogrensesnittsenheter uten å avbryte tjenestene, takket være feltutskiftbare moduler som støtter varmskifting. Fordelen? Rask kapasitetsutvidelse ved behov. Koble bare inn et nytt prosessorkort, og se hvordan ytelsen øker med omtrent 40 % nesten umiddelbart. Moderne chassisdesigner er utstyrt med standardstikkontakter og tilpasningsbare bakplan-systemer som fungerer med alle typer moduler, inkludert for eksempel krypteringsakseleratorer og fronthaul-grensesnitt. Denne fleksibiliteten betyr at bedrifter kan bygge nøyaktig det de trenger, uten å bli bundet til utstyr fra én enkelt leverandør, samt spare verdifull reolerom. Industrielle tester har vist at disse funksjonene for varmskifting reduserer vedlikeholdsnedetid med omtrent 90 % sammenlignet med eldre systemer der alt var fastmontert fra første dag.
Utvidelse av CPU/FPGA/GPU og optimalisering av minnebåndbredde for beregningsintensive arbeidsbelastninger
Moderne baseband-enheter (BBU-er) må håndtere både kravene til 5G-Advanced og Open RAN-specifikasjonene, så de kombinerer ulike typer regnekraft. For eksempel håndterer feltprogrammerbare gatetilordningsenheter (FPGA-er) de ekstremt raske signalbehandlingoppgavene, der hver mikrosekund teller. Grafikkprosessorer (GPU-er) kommer inn i bildet når det gjelder å utnytte kunstig intelligens (KI) for oppgaver som stråleformning og håndtering av interferensproblemer. Og så er det flerutskotssentralprosessorer (CPU-er) som styrer alle kontrollplanoperasjonene og koordinerer alt bak kulissene. Når det gjelder minne, vender produsenter seg mot DDR5- og HBM3-teknologier, som kan overføre data med hastigheter på over 1 terabyte per sekund. Denne typen båndbredde er absolutt avgjørende for å støtte store Multiple Input Multiple Output (MIMO)-systemer og følge med i sanntidsfronthaul-behandlingskravene. Noen smarte optimaliseringer gjør også dette mulig – for eksempel ved å dele opp hurtigbufferplassen slik at kritiske baseband-funksjoner ikke blir bremset ned, ved å allokere minne intelligent på tvers av ulike utskott ved hjelp av NUMA-prinsipper og ved innebygd maskinvarekomprimering som reduserer fronthaul-trafikken med ca. 35 %. Alle disse komponentene samarbeider for å holde latensten under 5 millisekunder, samtidig som de leverer pålitelig ytelse for 5G New Radio, selv når cellestasjoner håndterer konstante datastrømmer på 200 gigabit per sekund.
BBU-integrasjon med skybasert og programmerbar nettverksinfrastruktur (SDN/NFV)
Avkobling av kontrollplan og dynamisk orkestrering via SDN-aktivert BBU-styring
Software Defined Networking (SDN) endrer måten vi administrerer baseband-enheter (BBU-er) på ved å skille kontrollfunksjonene fra den faktiske dataprossesseringen. Dette skaper et system der intelligente kontrollere håndterer det meste av tenkeprosessen sentralt, men lar BBU-ene selv ta lokale beslutninger om videreføring av data og forvaltning av radiomuligheter. Med åpne programmeringsgrensesnitt (API-er) kan nettverksoperatører nå justere frekvensallokeringen i sanntid, bytte mellom ulike modulasjonsmetoder etter behov og justere arbeidsbyrden mellom cellesektorer basert på hva som skjer i sanntids-trafikken. Når trafikken blir tett under rushtiden, aktiveres disse SDN-systemene nesten øyeblikkelig og omdirigerer nettverkskapasitet bort fra overlastede områder uten at noen må konfigurere innstillingene manuelt. Resultatet? Mindre nedetid og færre hodepine for teknikere. En nyere bransjrapport fra 2024 viste at bedrifter som adopterer denne metoden typisk oppnår en reduksjon på rundt en tredjedel i sine totale nettverksadministrasjonskostnader sammenlignet med eldre tilnærminger som stolt har vært avhengige av enkeltenheter.
Virtualiserte baseband-funksjoner og automatisert livssyklusstyring med NFV
Virtualisering av nettverksfunksjoner, eller NFV for kort, endrer hvordan telekommunikasjonsbedrifter driver sin infrastruktur. I stedet for å stole på dyre, proprietære BBU-hardwareløsninger, kjører operatører nå baseband-funksjoner ved hjelp av vanlige, kommersielt tilgjengelige servere. Funksjoner som signalbehandling, kanalkoding og protokoller på lag 2 utføres alle som lette virtuelle nettverksfunksjoner eller skybaserte alternativer. Hele systemet styres automatisk gjennom plattformer som Kubernetes og ONAP, som håndterer alt fra oppsett til skalerbar drift ved behov, feilretting og programoppdateringer – alt fra sentraliserte kontrollpaneler. Når trafikken plutselig øker kraftig, kan disse NFV-systemene raskt opprette kopier av virtuelle BBUs og distribuere dem over ulike servergrupper. Og når etterspørselen faller, slår de bare av ubrukte ressurser for å spare strøm. Ifølge resultatene fra fjorårets Cloud RAN Benchmark-studie reduserer denne fleksible tilnærmingen investeringskostnadene med omtrent halvparten, samtidig som nesten perfekt driftstid (99,999 %) opprettholdes. Det som virkelig skiller NFV ut, er imidlertid hvor raskt oppdateringer kan distribueres. Bedrifter kan rulle ut nye funksjoner til flere tusen lokasjoner på få minutter i stedet for å vente uker – noe som betyr raskere innovasjonsforløp uten å avbryte tjenestene for kundene.
Innføringssensitiv BBU-formfaktor og infrastrukturtilpasning
Sidecar- versus rekkmonterte BBU-konfigurasjoner for distribuert og sentralisert vRAN
Å velge riktig BBU-formfaktor er veldig viktig når man tilpasser maskinvaredesignet til hvordan utstyr distribueres og hvilka begrensninger som finnes i infrastrukturen. Sidecar-BBU-er er små, energieffektive enheter som plasseres rett ved antenner på stedet. De reduserer signalforsinkelsen, noe som gjør dem ideelle for applikasjoner som krever svært pålitelige tilkoblinger med minimal forsinkelse, for eksempel URLLC-tjenester eller edge-computing-oppgaver i spredte vRAN-oppsett. På den andre siden samler rackmonterte BBU-er all baseband-prosessering sammen i sentrale hubber. Denne fremgangsmåten reduserer iblant behovet for plass med opptil 40 % og forenkler også håndtering av varme, reservestrømforsyning og rutinemessig vedlikehold. De fleste nettleverandører velger rackmonterte versjoner fordi de skalerer bedre og tillater ressursdeling mellom ulike områder. Ikke glem heller sidecar-ene! De spiller fortsatt en kritisk rolle der det er begrenset plass tilgjengelig eller i vanskelig tilgjengelige områder. Uansett hvilken løsning man velger, fungerer begge godt sammen med SDN- og NFV-teknologier, slik at alt kobles smidig sammen i moderne skybaserte nett.
AI-drevet ressursoptimering på tvers av skalerbare BBU-klyster
Kunstig intelligens har endret hvordan vi administrerer BBU-klyster, og flyttet dem bort fra å bare reagere på problemer mot å være proaktive og tilpasningsdyktige. Nøkkelprestasjonsindikatorer i sanntid – som trafikknivåer, antall brukere som er tilkoblet samtidig, effektiviteten i spektrumsbruk og overvåkningsdata for maskinvare – matar maskinlæringsystemer. Disse systemene kan forutsi kapasitetsbehovet opp til 48 timer frem i tid, noe som deretter automatisk skalerer virtuelle baseband-funksjoner opp eller ned etter behov. Spesielle teknikker for forsterkningslæring (reinforcement learning) forbedrer kontinuerlig hvordan regnekraften fordeles mellom ulike deler av nettverket, samt styringen av båndbredde og strømoppsett. Denne tilnærmingen reduserer spillet energiforbruk med ca. 22 %, siden den intelligentt slår av utstyr som ikke brukes mye. Når det gjelder balansering av arbeidsbelastning mellom tjenermaskiner, bidrar automatisering til å øke den totale utnyttelsesgraden med ca. 30 %. Dette gjør det mye enklere å utvide BBU-puljer etter hvert som 5G-trafikken fortsetter å vokse. Det vi ender opp med, er i praksis en infrastruktur som reparerer seg selv. Den hindrer bedrifter i å kjøpe for mye utstyr i forkant, holder latenstiden under 5 millisekunder for viktige applikasjoner og håndterer uventede trafikkspisser uten at noen trenger å gripe inn manuelt.
