把5G的挑戰(zhàn)交給它,5G帶來的大大大大數(shù)據(jù)也交給它!

Matt Conran
5G的推出并非沒有挑戰(zhàn)。首先,它們非常昂貴并且分布方式是過去從未有過的。建立這種類型的網(wǎng)絡需要投入大量資金。位置對于有效規(guī)劃、部署和優(yōu)化5G網(wǎng)絡至關重要。

如今,電信行業(yè)已經(jīng)明確需要更快的終端用戶數(shù)據(jù)速率。以前用戶很喜歡互相打電話和發(fā)短信,但是現(xiàn)在移動通信以一種我們意想不到的方式改變了我們的生活。

我們現(xiàn)在更傾向于基于影像和基于VR/AR視頻的通信??紤]到這些需求,這類應用程序正在尋找一種新型的網(wǎng)絡。360°視頻應用程序的沉浸式體驗需要大量數(shù)據(jù)和零延遲網(wǎng)絡。分辨率相當于4K電視分辨率的VR則需要1Gbps的帶寬才能流暢播放,要想進行交互則需要2.5 Gbps的帶寬。同時兩者都需要低于10ms的最小延遲。這里的延遲時間指的是往返時間。不久之后,這些應用程序將會把目標鎖定為智能手機,這將給網(wǎng)絡帶來更多壓力。隨著AR/VR服務的普及,只有5G網(wǎng)絡才能在速度和性能方面滿足需求。

對于每個物聯(lián)網(wǎng)設備來說,無論多么不智能,它們都會創(chuàng)建數(shù)據(jù)。這些數(shù)據(jù)就是人工智能引擎的動力。人工智能使我們能夠對數(shù)據(jù)做更多有趣的事情。我們將見證海量數(shù)據(jù)的最終目的,即將這些數(shù)據(jù)轉化為價值的能力。啟用5G所帶來的數(shù)據(jù)增長可以說是人工智能遇到的最大機遇。

有前所未有的海量數(shù)據(jù)需要在整個網(wǎng)絡中傳輸以進行處理。在某些情況下為了確保低延遲,它們需要緩存在本地。為此,我們首先需要讓處理過程更靠近用戶,以實現(xiàn)超低的延遲和超高的吞吐量。

5G面臨的一些挑戰(zhàn)

5G的推出并非沒有挑戰(zhàn)。首先,它們非常昂貴并且分布方式是過去從未有過的。建立這種類型的網(wǎng)絡需要投入大量資金。位置對于有效規(guī)劃、部署和優(yōu)化5G網(wǎng)絡至關重要。

其次,5G毫米波自身也面臨著一些挑戰(zhàn)。一些技術可以讓用戶接收信號并將其發(fā)送給特定的客戶,而不是將其發(fā)送到各個方向。老的方法有點類似于燈泡,可以照亮房間的各個部分,而不是像手電筒那樣只能照亮特定的區(qū)域。

因此選擇合適的位置對5G網(wǎng)絡的發(fā)展和部署起著至關重要的作用。用戶必須分析一下自己選擇建設的地方是否合適,營銷活動的針對群體是否正確。如果選擇這個區(qū)域而不是別的區(qū)域,那么你希望注冊這些服務的新用戶是多少?你需要考慮到這個地區(qū)的人口、建筑結構以及信號強度。

此外,我們必須了解當?shù)匕l(fā)生洪水的可能性,并分析實時天氣以預測流量變化。如果有雷暴,我們需要了解這些事件將會如何影響網(wǎng)絡需求,然后進行預測計算。當然人工智能可以幫助預測這些事件。

人工智能——機遇之門

5G帶來了新的挑戰(zhàn),但是通過將人工智能技術集成到網(wǎng)絡中不失為一種解決這些復雜問題的辦法。人工智能技術是適應網(wǎng)絡,幫助管理和控制這一變化的關鍵組件。人工智能的另一個重要用例是網(wǎng)絡規(guī)劃和運營。

在5G的建設中,每個地方都會有10萬個小型蜂窩,每個蜂窩都將與光纖線路相連。根據(jù)預測,全球將會布設一千多萬個蜂窩。搞清楚如何規(guī)劃和設計所有的這些蜂窩將超出人類的能力范圍。人工智能在這方面可以幫助進行站點評估,并告訴我們某些設計的吞吐量。

人工智能還可為5G基礎設施的建設提供幫助,輔助規(guī)劃蜂窩塔的位置,從而為5G部署確定最佳位置。它們還能夠連續(xù)監(jiān)測網(wǎng)絡的使用。如果其中一個蜂窩塔無法正常運行,那么人工智能可以發(fā)出指令讓另一個蜂窩塔進行接管。

以供應商為中心的設備無法承受5G

隨著5G網(wǎng)絡的啟用,我們將會遇到海量數(shù)據(jù)。在某些情況下,人口集中地區(qū)每天的數(shù)據(jù)量可能會很高,其中大部分是視頻應用程序造成的。以供應商為中心的設備部署模型無法承受流量的這種指數(shù)級增長。

隨著處理、計算、存儲和網(wǎng)絡功能的發(fā)展,我們將看到這一領域會出現(xiàn)大量開源網(wǎng)絡項目。最終它們將會在網(wǎng)絡邊緣形成一個實時網(wǎng)絡。

在邊緣進行更多的處理工作

邊緣計算涉及在更靠近用戶的網(wǎng)絡邊緣部署計算機、服務器和網(wǎng)絡。由于在邊緣提供了智能,因此可以減少流向骨干網(wǎng)的流量。

邊緣計算可以讓人工智能對象識別在0.35秒內(nèi)完成對目標的識別。實際上,我們需要在邊緣部署圖像識別深度學習算法。位于網(wǎng)絡邊緣的算法則可以降低發(fā)送到骨干網(wǎng)的流量。

但是這也形成了一個新的攻擊面。幸運的是,人工智能能夠在網(wǎng)絡安全方面發(fā)揮很好的作用。閉環(huán)系統(tǒng)可在網(wǎng)絡邊緣收集數(shù)據(jù),識別威脅并采取實時措施。

作者:Matt Conran擁有超過19年的網(wǎng)絡行業(yè)從業(yè)經(jīng)驗,曾經(jīng)服務于多個初創(chuàng)企業(yè)和政府機構。此外,他還作為高級架師參與了全球某大型服務提供商和數(shù)據(jù)中心網(wǎng)絡的建設工作。

編譯:Charles

原文網(wǎng)址:https://www.networkworld.com/article/3451718/ai-and-5g-entering-a-new-world-of-data.html

排版編輯:周星如

排版審核:劉 沙

THEEND

最新評論(評論僅代表用戶觀點)

更多
暫無評論