منصة iMaster NCE: فن التشغيل الآلي للشبكات البصرية
بقلم: الدكتور كريستوفر جانز
التحديات التي تواجه التشغيل الآلي للشبكات البصرية
في حديثي عن العقبات التي تعيق التشغيل الآلي للشبكات البصرية، سأركز بشكل أساسي على الأمور المتعلقة بالشبكات البصرية، وسأعتمد على التصميم الوظيفي المعروف لمراحل التشغيل الآلي والذي يتألف من أربعة أجزاء: البيانات والتحليل واتخاذ القرار والتنفيذ. يتم جمع البيانات التي نريد تحليلها ثم تتم معالجتها بالاعتماد على أنظمة التحليل لإنتاج معلومات قابلة للتنفيذ ويمكن الاعتماد عليها لاتخاذ قرارات تشغيلية محسّنة. وينتج عن عمليات اتخاذ القرارات نتائج وعمليات آلية ومحسّنة.
أولاً: لطالما كانت تجهيزات الشبكات البصرية لا تتمتع بالكفاءة المطلوبة. واعتمدت الإحصاءات على تقييم أداء الشبكة قبل وبعد قياس تصحيح معدل خطأ البت والذي لا يوفر تقييماً يمكن الاعتماد عليه لأداء الشبكات البصرية وأعطالها، حيث لم تكن بعض الأمور مثل التشويش الخطي وغير الخطي واضطرابات الترشيح مرئية.
ثانياً: لم يتم تزويد أنظمة التشغيل بنماذج لأداء الشبكات البصرية – مثل التنبؤ بأداء الاتصال – في الوقت الفعلي. وتم تنفيذ النماذج المادية في بيئات غير متصلة بالإنترنت، ولكنها عملية متعبة وتستغرق وقتاً طويلاً ولا توفر نتائج دقيقة. ولا تعتمد هذه العملية على بيانات الشبكة مثل مقاييس الألياف وخصائص النماذج أو الأجهزة التي سيتم نشرها. ولا توفر إمكانية التنبؤ بالأداء في الوقت الفعلي والذي يساعد على اتخاذ القرار التشغيلي في الوقت الفعلي.
ثالثاً: تعتمد عمليات الشبكات البصرية على العديد من القرارات مثل الخدمات الجديدة واختيار مسار الحماية وتخصيصه وتجميع وترتيب مراحل التزويد وتحديد الأخطاء وتصنيفها. وبالتالي لن نتمكن من اتخاذ القرارات الملائمة دون تقييم دقيق لأداء الخدمات البصرية والتنبؤ بأداء الخدمات والمكونات البصرية التي لم يتم توفيرها بعد. كما يستغرق تصميم الخدمات ومرافق الحماية وعمليات إعادة التعيين الجديدة وقتاً طويلاً ولا يسهم في تحسين الموارد.
لذا، لم يتم تشغيل عمليات الشبكات البصرية بشكل آلي إلا على نطاق محدود، حيث ظهرت العديد من المخاطر التشغيلية وأوجه القصور في العديد من العمليات. وتنطوي عمليات التزويد وإعادة التعيين على العديد من المخاطر ويمكن أن تكون بطيئة بشكل كبير. كما يتم توفير الخدمة الجديدة وتنفيذ عملية إعادة التعيين الديناميكية بالاعتماد على العمليات اليدوية المحفوفة بالمخاطر، فيما تُنفذ عمليات إدارة الأخطاء يدوياً بعد وقوع الأخطاء وبشكل بطيء. ونظراً إلى العوامل التي تم ذكرها، تعتبر الشبكات البصرية واحدة من الشبكات شبه الثابتة والتي لا تحقق القيمة للخدمات التي توفرها. أما نقص المعرفة بأداء الشبكات فيتطلب توفير فائض كبير في السعة، مما يؤدي إلى عدم استخدام الشبكة بالشكل الأمثل.
معالجة المشاكل التي تعيق التشغيل الآلي للشبكات البصرية
ما هي المشاكل التي تعيق التشغيل الآلي للشبكات البصرية والتي تم التغلب عليها في السابق؟
أولاً: يتم تجهيز الشبكات بالجيل الجديد من الأجهزة البصرية بشكل مباشر. وتوفر أجهزة الاستقبال التي تتمتع بالكفاءة منصات لمعالجة الإشارات، حيث تعمل على تحديد ومعالجة نقاط الضعف التي تعتري عملية الاستقطاب. وساهمت الأبحاث التي تم إجراؤها مؤخراً في تطوير أنظمة تتيح قياس التشويش الخطي وغير الخطي وإلغاءه والإبلاغ عنه بشكل فوري. كما يتيح مقياس انعكاس المجال الزمني البصري (OTDR) الذي يتمتع بالكفاءة والتكلفة المنخفضة قياس أداء الألياف بشكل متواصل بما في ذلك نقاط الضعف وفقدان الإشارة. وتوفر القياسات الطيفية لأداء الشبكة تقاريراً عن تطور قدرات القناة وتشكّل المرشحات عبر الشبكة. كما طورنا العديد من الطرق لتحديد الكابلات البصرية المشتركة للتخلص من المخاطر الناتجة عن الارتباط المشترك غير المقصود بالإضافة إلى طرقٍ لتحديد أنواع الألياف بشكل دقيق.
وتستقبل وحدات التحليل المتصلة بوحدات التحكم المثبتة في الخارج (أي منصة iMaster NCE في هذه الحالة) البيانات من هذه الأجهزة ونقاط التجميع المضيفة للأجهزة والأنظمة الجديدة. وتم تطوير هذه الأجهزة والأنظمة، لتشغيل مضخمات الألياف (EDFAs)، بالاعتماد على التعلم الآلي وبإشراف دقيق: وهي مخصصة للمضخمات والنماذج التعليمية وتوفر الدعم إلى بعض البيانات التي تم قياسها في مواقع التصنيع. وتم اختبار المزيد من النماذج لاستخراج هامش الأخطاء من المرشحات. وتوفر البيانات والنماذج التي يتم قياسها معلومات أساسية قابلة للتنفيذ بشكل سلس: وبالتالي يمكننا معرفة هامش الخطأ في خدمات الاتصالات التشغيلية والمحتملة.
وبالاعتماد على هذه المعلومات، يتم تنفيذ عمليات اتخاذ القرارات الأساسية في البرامج. ويمكن للأنظمة الإرشادية الجديدة والتي تعمل بسلاسة إيجاد الحلول التي يتم اعتمادها على المستوى العالمي لتوفير الموارد المحسّنة – على سبيل المثال – من أجل تلبية متطلبات الخدمات الجديدة أو الاستجابة إلى عملية إعادة تعيين الشبكة الديناميكية التي تم تصميمها بشكل مسبق والاستفادة من جميع درجات الحرية المتاحة – المسار والطيف الترددي والتصميم والتشفير ومعدل الترميز – والتحكم بنقاط الاستجابة. ويسهم التنبؤ المسبق بالأداء في ضمان السلامة التشغيلية للحلول التي يتم تنفيذها. أما تحليل القياس بالاعتماد على الوقت، فيتيح التنبؤ بالمشاكل والأعطال في البرامج والأجهزة.
يتم توفير هذه القدرات من خلال الأجهزة والبرمجيات، حيث يتم اتخاذ قرارات تشغيلية محسّنة بالاعتماد على المعلومات بشكل متواصل. كما يمكن تشغيلها بشكل آلي بالكامل عبر مختلف العمليات التشغيلية. وسنتحدث عن بعض العمليات فيما يلي.
تشغيل العمليات بشكل آلي
دعونا نلقي نظرة على بعض العمليات وحالات الاستخدام التي تم تحسينها وتصميمها ليتم تشغيلها بشكل آلي في الشبكات البصرية بالاعتماد على البيانات والتحليل وعمليات اتخاذ القرار التي تعتمد على الأجهزة والبرمجيات.
ضغط الهامش البصري: بفضل المعرفة الدقيقة لهامش الخطأ في كل من مستشعرات القياس والتنبؤ، يمكننا إطلاق قدرات الشبكات البصرية والتي تكون مقيدة بسبب الهامش الاحتياطي الكبير. ويمكننا في البداية الانتقال من العمليات الثابتة والتي تتمتع بهوامش نهاية الحياة إلى التخطيط الزمني محدود الهوامش، ومن ثم ننتقل إلى العمليات الديناميكية ذات الهامش الصغير. ومن خلال معرفة هامش الخطأ بشكل دقيق وإيجاد الحلول المخصصة والمحسّنة للموارد على المستوى العالمي بكفاءة وفي وقت قصير – مع إمكانية تحقيق التناغم بين مختلف المسارات والطيف الترددي والتعديلات والتشفير ومعدل الترميز – يمكننا زيادة سعة الشبكة بشكل متواصل وكفاءة كبيرة مقارنة بقياسات أجهزة الإرسال والاستقبال المثبتة. وأخيراً، تعتبر قيمة الهامش التي تم الحصول عليها من خلال التقييم الدقيق على قدرٍ كبير من الأهمية باعتبار أنه تم الحصول عليها بالاعتماد على عمليات التعديل والتشفير المحسّنة.
التزويد الآلي: بفضل تصميم العمليات المناسبة بشكل فوري بالاعتماد على البيانات والتي يمكنها التنبؤ بالأداء والتشويش وتغيرات الهامش بشكل دقيق من خلال رصد أداء المكونات – سواء إضافة أو إلغاء أو إعادة توجيه أو حماية/إعادة تعيين قناة الاتصال – يمكننا إيجاد نقاط التجميع والترتيب للحفاظ على أداء القناة أثناء عملية التزويد. ويمكن الاعتماد على هذه النماذج بشكل مباشر لتنفيذ التشغيل الآلي بشكل كامل.
استباق الأخطاء: يتيح تتبع أداء الشبكة البصرية التنبؤ بالأعطال التي يمكن أن تصيب الأجهزة أو البرمجيات واتخاذ الإجراء المناسب قبل وقوعها من خلال تبديل الحماية ومن ثم التخطيط الاستباقي (الذي يختلف عن رد الفعل بعد وقوع العطل) لعمليات الإصلاح. ويمكن تنفيذ الإجراء اللازم بشكل آلي.
تقييم المخاطر: يسهم التقييم الدقيق والتنبؤ بأداء الشبكة البصرية في تحديد المخاطر التي تهدد أداء الخدمات البصرية التي يتم توفيرها والخدمات البصرية الجديدة التي سيتم توفيرها أو إعادة تصميمها وخدمات وتصميم عملية إعادة التعيين التي يتم التخطيط لتنفيذها. كما يمكن برمجة حالات ضعف الأداء أو الفشل وغيرها من السيناريوهات لتقييم المخاطر المحتملة.
تحسين إعادة التعيين الديناميكية: يؤدي تحديد مخاطر الأداء لعمليات إعادة التعيين التي سيتم تنفيذها إلى تصميم مخطط جديد يعتمد على الموارد المحسّنة لعملية إعادة التعيين وفق إجراءات محسّنة ويمكن تنفيذها في وقت قصير من خلال التنبؤ بالأداء لضمان سلامة المكونات بعد تنفيذ عملية إعادة التعيين. ويمكن تنفيذ مخططات إعادة التعيين التي تم تدقيقها وتحسينها بشكل فوري دون تدخل بشري.
تسهم حالات الاستخدام المذكورة سابقاً وغيرها من الحالات التي تعتمد على القدرات الأساسية التي تحدثنا عنها في تحويل الشبكة البصرية التي يتم تشغيلها آلياً إلى منصة ديناميكية وتعمل بسلاسة من الناحية التشغيلية وتسهم في توفير الخدمات بشكل ديناميكي.
فن التشغيل الآلي للشبكات البصرية من هواوي: منصة iMaster NCE
منصة iMaster NCE هي النظام الرئيسي الذي تعتمد عليه هواوي للإدارة والتحكم وهي واحدة من الحلول الأساسية التي توفرها هواوي لتشغيل الشبكات البصرية. وتدعم المنصة واجهات برمجة التطبيقات الأساسية المفتوحة (خاصة أنظمة هندسة الإنترنت للتحكم بالشبكات IETF ACTN) من خلال تصميم وإدارة عمليات التحكم بالإضافة إلى تبادل بيانات الأداء. وتقوم المنصة بتخزين بيانات أجهزة الشبكة والتي تتألف من العديد من وحدات التحليل بما فيها وحدة التحليل الأساسية OPE – محرك الأداء البصري. وتعمل وحدة التحليل OPE بالاعتماد على بيانات الأجهزة وهندسة الخدمات والشبكات والمعلومات المخزّنة والعديد من الأنظمة والخوارزميات على توفير الأداء البصري – الهامش – عند الطلب مع مراعاة مكونات الخدمة التشغيلية والافتراضية وحالات الشبكة. ويمكن للمنصة توفير عدد كبير من هذه الحلول، مما يتيح تلبية الطلبات المتزامنة.
وبدلاً من دراسة التعلم الآلي “الصندوق الأسود” على الشبكة بأكملها، تعتمد وحدة OPE على نماذج ذرية فائقة الدقة للمكونات والأخطاء الناتجة عند تحديد الهوامش. وتوفر وحدة OPE نتائج دقيقة في جميع مراحل دورة حياة الشبكة. كما تسهم في تحسين إدارة التحكم ووسائل التخطيط والتنبؤ بالأخطاء في الوقت الفعلي.
وتعرض الشاشات أمام المستخدم هوامش الخطأ في خدمات التشغيل إلى جانب “إشارات” مخطط المخاطر والتي تُبرز مخاطر الأداء المحتملة للخدمات التي يتم تنفيذها بشكل ثابت في حال تمت إعادة تصميم الخدمات.
وحدة التحليل OPE هي العامل الأساسي الذي سيوفر قدرات iMaster NCE للعديد من الاستخدامات التي تعتمد على العمليات الآلية وتحسين النتائج التشغيلية.
يمكن قراءة المزيد عن حالات الاستخدام وقصص نجاح منصة Huawei iMaster NCE.
شارك في كتابة المقال:
بينغ كاي، خبير التسويق الأول في منتجات وحلول تقنية المعلومات والاتصالات
