行業(yè)觀察

日前，移動通信網(wǎng)絡行業(yè)發(fā)生了一起重大事故！

據(jù)外媒報道，歐洲電信運營商“巨頭”沃達豐集團表示，其在德國的移動通信網(wǎng)絡于當?shù)貢r間11月23日下午13:50突然出現(xiàn)大面積故障，造成柏林、漢堡、慕尼黑、科隆、法蘭克福和其他城市共計超過10萬手機用戶無法建立語音連接和數(shù)據(jù)連接（2G、3G、4G的數(shù)據(jù)和語音服務都受到宕機影響），直到17:00才恢復正常。

根據(jù)沃達豐集團最新一期財報，沃達豐德國子公司約有3000萬移動通信用戶。此次故障中，有多達超過10萬用戶無法打電話和移動上網(wǎng)，所謂“眾口能鑠金”，超過20萬個睜到最大的憤怒圓眼和超過10萬個張到不能再大的嘴巴，以“壞事傳千里”之功力，使得該公司的品牌形象嚴重受損，一代巨頭瞬間遭受幾乎“香消玉殞”。

在這個移動通信就像是水和電甚至像是空氣一樣的時代，更令上述超過10萬的受影響用戶極其抓狂的是，從13:50到17:00一共長達190分鐘（11400秒）的時間，業(yè)務才全部恢復。

此次嚴重故障是由什么因素導致的？沃達豐反饋，網(wǎng)絡問題是由部署于慕尼黑、法蘭克福、柏林三地的“failure of control equipment”造成的。“failure of control equipment”就是“控制設備宕機”。從“控制設備”一詞，我們可以想到“控制面”，再進一步考慮到外媒所報道的此次故障所波及的地域之廣大、所影響的用戶之眾多，可以判斷是核心網(wǎng)控制面出了嚴重故障。

核心網(wǎng)，在2G、3G、4G網(wǎng)絡中所扮演的角色，就是“大腦”。一個動物要是大腦死亡了，整個身體就都死亡了；同樣類比地，網(wǎng)絡的“大腦”——核心網(wǎng)掛了，整個網(wǎng)絡就停擺了，所以造成了上述故障具有兩大鮮明特點：一是波及的地域廣大；二是整個故障存在的時間很長——按照電信業(yè)務可靠性計算公式以及“99.999%可靠性”這一基本要求，一年中的業(yè)務中斷的時間加起來不得超過315秒，而這次一次就斷了11400秒！

所以德國沃達豐這個事件，在5G新基建、5G+千行百業(yè)發(fā)展得如火如荼的當下，亟需及時地引起業(yè)界的深刻反思——①是否普遍足夠重視5G核心網(wǎng)的可靠性？②萬一5G核心網(wǎng)一旦出現(xiàn)了重大故障，能否讓行業(yè)客戶的業(yè)務“零”中斷（比如5G+政務/制造/交通/金融/電力等要求7×24在線）？若不能，如何及時補救？

敲響了“5G+千行百業(yè)”的巨大警鐘

這一起嚴重的事故，使得全球其他所有移動通信網(wǎng)絡運營商在為德國沃達豐感到同情和惋惜的同時，也被嚇出一身的冷汗，尤其是那些正在規(guī)模部署5G網(wǎng)絡的數(shù)百家運營商更是深感“如履薄冰”：

一是由于核心網(wǎng)是移動通信網(wǎng)絡與IT深度融合的第一站，軟硬件解耦且軟件運行于由通用硬件構成資源池的虛擬化核心網(wǎng)，其可靠性在德國沃達豐此次發(fā)生的重大事故中表現(xiàn)得甚為脆弱，說明除了硬件，軟件能力更顯重要。德國沃達豐和其他運營商雖然目前比較重視面向ToC領域的5G網(wǎng)絡的可靠性，但是截至目前在相關方面的投資趨于謹慎（尤其是在對軟件可靠性的投資方面），一旦某一天萬一發(fā)生上述德國沃達豐之類的重大事故，這幾年下大力在大眾消費者心中建立起來的5G高端品牌形象很可能頃刻崩塌，極不利于后續(xù)5G ToC發(fā)展。所以，這個事件說明對于5G核心網(wǎng)可靠性的投資絕對不只是單純的硬件投資，而應該持續(xù)投資于對軟件可靠能力的增強。

二是更進一步地，在5G時代，移動通信網(wǎng)絡所承載的將更多（公認是80%）是面向政企客戶的ToB類業(yè)務，對于ToB領域而言，“保障5G網(wǎng)絡可靠”是最基本的要求，是5G進入千行百業(yè)必須跨越的“門檻”，是“5G+千行百業(yè)”最為關鍵的前提，一旦5G核心網(wǎng)出現(xiàn)嚴重故障，帶來的各方面損失都將是上述德國沃達豐事件的N倍（N→+∞）——5G（含B5G）將來會被用在電力、金融、政務、工業(yè)4.0（比如智能制造）、（網(wǎng)路輔助的）自動駕駛、遠程醫(yī)療等關鍵領域，一旦5G核心網(wǎng)停擺，這些政企業(yè)務就會瞬間中斷，由此造成的后果將難以想象，會給社會經(jīng)濟甚至國家安全帶來重大損失。

截至目前，業(yè)界對于5G網(wǎng)絡的“安全性”以及“安全防護能力提升”的公開討論有很多，但幾乎沒有對于5G網(wǎng)絡（尤其是面向ToB領域的5G核心網(wǎng)）“可靠性”的公開討論，說明對于5G核心網(wǎng)的可靠性尚未引起普遍化的重視。所以，德國沃達豐事件對于5G時代所敲響的巨大警鐘就是：對于事關商業(yè)、經(jīng)濟、社會和國家安全的5G新型基礎設施的建設運營，除了要重視做好網(wǎng)絡安全防護外，更需加強對于運行可靠性的深刻認識，全力避免因可靠性問題影響運行效率和安全性。所以由此可以說，安全性是建立在可靠性的基礎之上的，不可靠才是最大的不安全！

構筑起5G核心網(wǎng)磐石泰山般可靠性

堅者如磐石，穩(wěn)者如泰山。在上述的5G新型基礎設施可靠性中，5G核心網(wǎng)的可靠性顯得最為重要，因為它就是整個5G網(wǎng)絡的“大腦”所在——5G網(wǎng)絡最為核心且對5G確定性能力負責的正是5G核心網(wǎng)，在5G網(wǎng)絡端到端的質量保障當中，5G核心網(wǎng)承擔了對于全局資源的集中控制、調(diào)度和管理，負責管理全局的網(wǎng)絡拓撲、所有的接入信息、所有的用戶數(shù)據(jù)以及所有的行業(yè)業(yè)務需求；所以一旦5G核心網(wǎng)（其控制面集中部署于大區(qū)及省級數(shù)據(jù)中心）出現(xiàn)故障，受到影響的范圍將會極大。

“如何保障5G核心網(wǎng)的絕對可靠”是一個巨大的系統(tǒng)工程問題，但是仍然遵循“可靠性”相關的基本理論。

可靠性（%）=-t÷（e的MTBF次方）。其中，t為觀測的時間間隔，MTBF為平均故障間隔時間。可見，可靠性僅與MTBF有關，電信級可靠性要達到99.999%，意味著一年的業(yè)務中斷時間不超過315 s，落實到系統(tǒng)上即“可用度”。

可用度（%）=MTBF÷（MTBF+MTTR）。其中MTTR為平均故障修復時間。可見，提高（5G核心網(wǎng)）可用度，就要：①增加MTBF，即提高系統(tǒng)的容錯能力，保障長時間穩(wěn)定運行；②減小MTTR，即在一旦突然出現(xiàn)故障之后，能夠快速發(fā)現(xiàn)故障并且瞬間（秒級）排除故障。

綜上，要保障5G核心網(wǎng)的絕對可靠，就要做到：盡量穩(wěn)定運行、不出故障，而一旦發(fā)生故障能夠瞬間精準定位故障并秒級排除故障。

很顯然，這其中，最關鍵的就在于“能否秒級排除故障”。因為不怕一萬、就怕萬一。萬一5G核心網(wǎng)出現(xiàn)重大故障，能否做到讓用戶/客戶“零”感知？

目前，面向5G核心網(wǎng)可靠性，業(yè)界在網(wǎng)元級容災（提升VNF可靠性）、單個數(shù)據(jù)中心（DC）內(nèi)容災（比如硬件/資源池/多可用區(qū)/等IT級容災以及機房/機樓等非IT級容災）、跨DC容災方面均有解決方案。目前看來尚存在兩大較顯著的問題——軟件能力不夠高、跨DC容災不夠強。

（1）亟需更強軟件能力

傳統(tǒng)核心網(wǎng)設備采用先進電信計算平臺ATCA硬件，通過硬件傳感器檢測及內(nèi)部的軟硬件耦合通知機制來保證故障檢測的實時性和準確性（毫秒級）。在引入NFV對核心網(wǎng)進行軟硬件解耦改造后，VNF的可靠性應不低于現(xiàn)有傳統(tǒng)物理模塊（功能）的可靠性。采用通用服務器后，應用層（軟件）的可靠性不再依賴于底層構筑，VNF只能靠軟件手段去檢測是否出現(xiàn)故障，NFV云化網(wǎng)元通過軟件機制實現(xiàn)故障檢測為秒級，遠低于傳統(tǒng)核心網(wǎng)的毫秒級，所以從更好地保證整體網(wǎng)絡的可靠性的角度，5G核心網(wǎng)亟需更加強大的軟件能力，比如向無狀態(tài)化、更強數(shù)據(jù)庫、微服務、更魯棒的VNF組網(wǎng)及部署架構等方向發(fā)展以便于彈性擴縮容并提升電信級服務可靠性與可用性。

（2）亟需解決跨DC容災3大關鍵薄弱問題

“跨DC容災”一直是業(yè)界一大難題。主要表現(xiàn)在以下幾個方面。

● 跨DC的數(shù)據(jù)備份

要實現(xiàn)跨DC容災，必須要實時進行用戶上下文數(shù)據(jù)備份（比如存儲用戶簽約數(shù)據(jù)、注冊信息的UDM等主要數(shù)據(jù)庫）。顯然，這要求進行實時備份而且備份的數(shù)據(jù)越多越好以利于業(yè)務快速恢復。用戶上下文數(shù)據(jù)變化快，使得備份難度大。業(yè)界目前采取的備份方式下，備份時間長（從而不利于一旦出現(xiàn)故障時備份到更多數(shù)據(jù)即不能保證數(shù)據(jù)備份的時效性與完整性）、數(shù)據(jù)量大（未經(jīng)壓縮）、對DC間鏈路的帶寬要求很高（因為數(shù)據(jù)量大）。從而，現(xiàn)在亟需打造并部署能夠對待備份數(shù)據(jù)進行壓縮的解決方案，以在大幅降低DC間鏈路傳輸備份數(shù)據(jù)的帶寬需求的同時，保證數(shù)據(jù)備份的時效性與完整性以保障業(yè)務恢復的“零”影響。

一旦5G核心網(wǎng)出現(xiàn)故障，就要瞬間運用備份到的數(shù)據(jù)去恢復，千萬級甚至億級用戶的電信業(yè)務恢復，帶來極大考驗。主要體現(xiàn)在以下兩方面。

● 找到備份數(shù)據(jù)

運用跨DC備份的數(shù)據(jù)去恢復用戶的電信業(yè)務，第一步就是要找到用戶的備份數(shù)據(jù)。所以可見，“能否快速找到”是關鍵之中的關鍵。

下圖為5G核心網(wǎng)服務化架構，筆者在其中用紅色框標準了5G核心網(wǎng)控制面兩個極為重要的網(wǎng)元——控制層的AMF、數(shù)據(jù)層的UDM。

從上圖，我們一眼就可以看出AMF的不可或缺性——是用戶接入5G核心網(wǎng)的首個網(wǎng)元，是分組接入的一級關口，是提供5G網(wǎng)絡服務的前提，在用戶體驗的保證上起著關鍵作用。從AMF的名稱“接入和移動管理功能”更是能感受到其極端重要。

UDM則是5G SA網(wǎng)絡用戶的統(tǒng)一數(shù)據(jù)管理平臺，主要用于存儲用戶的簽約數(shù)據(jù)、注冊信息，給AMF下發(fā)簽約數(shù)據(jù)，存儲用戶當前服務的AMF地址等，提供用戶簽約數(shù)據(jù)訪問、位置登記等功能。UDM一旦發(fā)生重大事故時，會導致大范圍的業(yè)務中斷，影響巨大。

在5G核心網(wǎng)出現(xiàn)故障后，當用跨DC備份的用戶上下文數(shù)據(jù)去恢復用戶的電信業(yè)務時，千萬級乃至億級數(shù)量的用戶（將來“萬物互聯(lián)”后還可能是幾十億級的設備）同時接入AMF和UDM，勢必有瞬間產(chǎn)生信令風暴的可能——如果在故障發(fā)生前備份了所有用戶的上下文數(shù)據(jù)，則用戶新接入時不用去UDM取簽約數(shù)據(jù)，業(yè)務恢復時，信令就主要沖擊在AMF上；否則，在業(yè)務恢復時，信令將沖擊到UDM網(wǎng)元——由于UDM主要能力在于數(shù)據(jù)存儲，而信令能力弱，從而很容易引發(fā)過載。

一旦由此出現(xiàn)信令風暴，將會導致網(wǎng)絡癱瘓，從而引發(fā)更多問題，何談“業(yè)務恢復”？電信業(yè)務有狀態(tài)的特點，不同于IT業(yè)務的數(shù)據(jù)備份，還需要更新上下文相關的隧道、通道、鏈路層的多層網(wǎng)絡信息，需要超越標準流程，更新周邊網(wǎng)絡的信令鏈路、路由通道等。目前，業(yè)界采用的是通用數(shù)據(jù)庫，以海量廣播報文尋找用戶備份數(shù)據(jù)，會產(chǎn)生信令風暴。從而，現(xiàn)在亟需打造并部署能夠避免路由廣播、不會產(chǎn)生信令風暴的可實現(xiàn)“一步到位找到用戶備份數(shù)據(jù)”的解決方案。

● 恢復數(shù)據(jù)狀態(tài)

找到了用戶的備份數(shù)據(jù)，接下來就是恢復數(shù)據(jù)狀態(tài)從而恢復用戶的電信業(yè)務。在這一個非常重要的環(huán)節(jié)中，更是不能出現(xiàn)故障，否則前面的環(huán)節(jié)全都會白做，功虧一簣。目前，業(yè)界的解決方案是從單VNF恢復數(shù)據(jù)，會出現(xiàn)CPU單點過載，容易出現(xiàn)二次故障。從而，現(xiàn)在亟需打造并部署能夠從多個VNF恢復數(shù)據(jù)的方案——于其中，通過多個VNF的均衡處理來大幅降低單VNF壓力。

深謀遠慮未雨綢繆力保未來網(wǎng)絡可靠

在5G時代，2G和3G將逐步減頻退網(wǎng)，最終很快形成4G、5G長期共存的格局，共同服務于“萬物智聯(lián)”（比如基于4G LTE的NB-IoT），所以現(xiàn)在宜未雨綢繆，布局網(wǎng)絡結構簡化、網(wǎng)絡資源可靈活動態(tài)共享、軟件平滑演進的融合型核心網(wǎng)，并布局4G網(wǎng)絡高可靠容災與恢復方案，同時高度重視軟件能力加固，增加預算大力持續(xù)投資核心網(wǎng)軟件可靠能力，全力保障未來網(wǎng)絡的高可靠。

責任編輯：xj

原文標題：反思！通信業(yè)重大事故

文章出處：【微信公眾號：5G】歡迎添加關注！文章轉載請注明出處。