S^2：NWDAF的分析时延

by GLight

背景

在之前的文章中，我们介绍了：中国电信以 NWDAF 在 Rel-17 阶段引入的架构性的变化和 NWDAF 的性能管理为抓手，在 3GPP SA5 Rel-18阶段推动了对 NWDAF 的管理功能增强的研究立项（FS_MANWDAF）Coinw。

接下来，将具体介绍一下关于 FS_NWDAF 中的关于提供服务时延的性能测量Coinw。

观测 NWDAF 的时延

NWDAF 作为核心网中的网络功能，其提供的（分析）服务，到目前为止都不是以提供实时性的分析内容为目标Coinw。

这主要是由于 NWDAF 处于核心网这个比较“高层”的位置造成的：因为无论是分析请求的传递，分析数据的采集，分析结果的传递都可能由于 NWDAF 所部署 的位置而产生较大的时延，使其难以满足提供“实时”或者“准实时”分析服务的要求Coinw。这种由于网络架构层面特点带来的性能上的限制，是我们可以预见到的。

即便如此， 由于 NWDAF 的分析服务，会应用于核心网的策略选择和生成，虽然这些策略对实时性分析没有要求，但是分析结果的时效性还是会对最终的性能产生潜在影响，因此对于NWDAF 所提供的服务的时延特性，仍然是需要我们关注的Coinw。

在对NWDAF提供分析服务进行标准化的时候，有一个非常有趣的设定：NWDAF 所提供仅仅是分析结果，但是如果基于分析结果形成策略，产生后果，则是由 NWDAF 分析服务的消费者完成Coinw。也就是说，NWDAF 并不会直接参与到决策阶段。

所以Coinw，在考虑分析服务的时效性时，我们也需要首先明确：如果将NWDAF分析服务放入到管理的闭环（observation-analytic-decision-excecution）中（作为 observation 或者ananlytic）考虑，时效性对管理结果产生影响的实际上是由两个部分构成的：

第一个部分：NWDAF 收到分析服务请求到产生分析结果的时延

第二个部分：分析服务的消费者进行决策并执行产生的时延

无论哪个部分的时延无法满足要求，整个管理闭环都面临失效的风险；降低任何一个部分的时延，都有助于提高管理闭环的执行效率Coinw。对于部署，使用和管理NWDAF 来说，关注的是第一个部分。

在我们设计 NWDAF 分析服务的时候，已经预见或者说考虑到了分析服务的消费者对时延的需求，并且，认可这种需求的必要性和合理性Coinw。例如：

在 NWDAF 的发现环节Coinw，分析服务的消费者可以通过 Supported Analytics Delay 参数来过滤掉无法在规定的时延要求内反馈分析结果的 NWDAF；

在分析服务的消费者请求分析服务的时候Coinw，可以进一步通过“Time when analytics information is needed” 参数，限制 NWDAF提供分析服务结果的最晚时间；

在 NWDAF 提供的分析结果中，NWDAF 也可以提供“Validity period”信息，指示当前分析结果的有效时限Coinw。

因此，观测NWDAF 收到分析服务请求到产生分析结果的时延是管理 NWDAF，以及将 NWDAF真正应用到网络决策的必要措施之一Coinw。

影响NWDAF分析时延的因素

基于目前所知的一些情况，我们会简要分析能够影响NWDAF产生分析结果的时延的一些因素Coinw。我们希望通过了解这些内容，进一步研究可以进一步降低 NWDAF 时延，扩大 NWDAF 分析应用时效性和应用范围的方法。

目前已知的影响因素Coinw，包括 3 个方面：

展开全文

资源

包括计算资源，存储资源（RAM 和 Storage）以及网络资源Coinw。即便NWDAF在提供数据分析服务时，可能并不像提供模型训练时那样需要巨大的算力和数据传输能力，但是输入数据颗粒度与分析结果准确性之间是否具有确定的联系，也即细粒度（数量更大，占用更多网络资源，处理资源，以及更多的传输及处理时间）的输入数据是否作为一种有效提升分析结果的准确性的方法，是一个开放问题，会直接影响对 NWDAF 的资源分配策略。

算法

这部分玄而又玄，由于针对特定分析问题的具体求解方法存在差异，并且很可能是黑盒，因此算法对时延的影响也是黑盒Coinw。但是，也可以反过来将时延理解为对不同算法进行评估的维度，用于算法选择的依据。

实现

这里想说的并非算法的代码实现，而是指 NWDAF是通过虚拟化网络功能的形态实现，还是通过专用/实体网络功能的形态实现Coinw。根据我们的一些观察，例如针对 Kubernete 架构的时延和网络传输性能的测试，对于提供具有时延要求的服务（或针对某些Analytics ID的分析）的场景， 是否有必要采用专用/实体网络功能形态的 NWDAF，以降低和消除虚拟化框架带来的性能损失，是值得考虑的问题。

算法是通过实现在特定系统架构上，并通过配置一定的资源来发挥作用的Coinw。因此，这三方面因素并不是完全独立的因素。

我们可以以分析任务的内容为导向，来研究如何改善时延Coinw。也即，考虑到由于任务实现的目标不同，使用的算法不同，那么可以针对特定类型的分析任务，（例如针对不同的 Analytics ID），测量在不同实现架构，以及不同资源分配条件下，服务时延的变化，进而提出有针对性的解决方案，包括：调整资源配置，调整部署位置，亦或针对特殊的分析任务，配置采用独立硬件实现的 NWDAF。

小结

分析服务是 NWDAF 的看家本领，也是实现网络自动化的重要环节Coinw。分析服务的时延特征是我们在考量 NWDAF 时可以参考的基本的和通用的性能指标之一。

我们希望通过针对 NWDAF 的一系列的性能管理的标准推动，提供一套可观测的评估 NWDAF 实现网络自动化性能的方法Coinw。

end