Skip Navigation Links首頁 > 產業觀察

產業觀察

淺談物聯網於行動寬頻時代下的應用發展(下)

作者/蘇柏源

[發表日期:2014/8/26]前篇所述Software-Defined Data Center可能的演進是IT資源運用的後端基礎,談到在行動寬頻中去實現物聯網的運用,這個只是一個降低成本、減低複雜、提高IT對Business Requirements回應效率的基礎,另外有兩項技術的成熟與發展將是直接和理想中無所不在的mobile物聯網應用產生關聯,一個是行動網路的SON(Self-Organizing Network),另一個是運算智慧核心的Big Data。

雖然隨著4G釋照與開台正式帶領台灣進入行動寬頻時代,大幅成長的無線接取頻寬並不代表擁有可無限揮霍的資源,特別是寬頻應用將快速激化更加劇烈消耗頻寬的高解析度影音串流、大檔案遞送上傳下載,大量小封包傳送以及控制訊息交換的物聯網應用等,如果整個基礎建設架構沒有完整的因應機制與管理機制,LTE技術所增加的理論值頻寬或者承載能力跟不上頻寬消耗爆量的Mobile Backhaul與彙集網路所存在延展性不足的先天限制,仍然會快速耗盡從Wireless Last Mile到核心網路的資源,對實現相關應用,提高用戶滿意度,或創造新營收來源這幾個層面仍然會是一場噩夢。

要實踐寬頻行動網路應用的多元化,進而透過科技應用促進產業發展升級以及提供更多便民的智慧化服務,對行動網路進行優化提升品質,降低維運人員操作複雜度與維運成本,已成為發展行動網路應用的重要基礎議題。


《圖一》具備SON機制的LTE行動網路(資料來源: NEC)


負責製訂和實現全球行動電話系統規範、技術規格與通訊協定的標準化組織3GPP從相關LTE的Release 8開始討論SON(Self-Organizing Network) ,目標放在足以實現Self Configuration、Self Optimization、Self-Healing等更具智慧化的行動網路來降低維運行動網路的複雜度與成本。

一、Self Configuration:

用於網路建設階段讓新增基地台設備做到Plug-n-Play,自動進行軟體、參數與組態下載,以最少的人力快速佈建設備進行營運,主要的功能諸如Automatic Neighbor Relation(ANR)與Automatic Configuration of Physical Cell Identity(PCI),主要都是在解決基站佈建時自動完成跨平台設備間的關聯性、相關參數條件匹配與通訊流程建立。

二、Self-Optimization:

網路設備可根據目前的運作狀況自動調整參數或組態以因應擁塞、干擾等現象以優化效能,如Random Access Channel Optimization、Mobility Load Balancing、Mobility Robustness Optimization、Coverage and Capacity Optimization、Interference Control、Energy Saving等。

三、Self-Healing:

3GPP在SON中定義了自我修復功能以因應軟硬體故障所導致的服務中斷,如Cell Outage Detection與Cell Outage Compensation可透過定義的KPI條件機動調整鄰接cell組態與cell涵蓋方式來進行補償障礙發生時的用戶服務,如發射功率調整或天線角度修正等。

到了3GPP Release 11時,更進一步規範了針對用戶效能情境與回應訊息的精確度來進行網路優化的機制,包括上下行鏈路訊務量、per subscriber QoS、無線鏈路中斷或信令建立失敗訊息回報、初始化請求用戶回報位置訊息。

以上所述SON的概念,在部署時可能視實際佈建的需求評估,可以有集中式、分散式、以及混合式(Hybrid)的分別,如下圖所述來處理相關的監控、負載平衡、參數調整等功能。

在集中式的SON架構中由統一的OAM管理平台來管理eNodeB之間的相關行為協調多半採定期或是依所需將相關的參數調整集中派送到eNodeB,壞處是需要經由設備KPI衡量或用戶UE的偵測結果皆須經過回傳到後台後依據設定的指標條件來回應調整,在系統調適上速度相對較慢。


《圖二》集中式SON網路架構示意(資料來源:4G America, “Self-Optimizing Networks in 3GPP release 11”)


在分散式的SON架構中,主要的調適機制是存在各eNodeB裡,讓eNodeB擁有自治權可依據在eNodeB本身中量測到UE以及接收到其他eNodeB的狀態指標(透過X2標準介面)來決定系統該如何調整,可適用於multi-vendor的網路環境中並提供更快速的調整,但如果真的是應用在multi-vendor的異質網路中時,要非常小心處理各廠商在KPI與相關參數的計算評估方法與標準,否則在判別上可能會因為不同網元供應商的機制差異而使得SON的做法難以落實。


《圖三》分散式SON網路架構示意(資料來源:4G America, “Self-Optimizing Networks in 3GPP release 11”)


集中式與分散式的做法在實務的部署並不是彼此互斥的,在架構中可以採用一部份的優化由集中式的系統來處理,另一些屬性的調適機制可以分散到eNodeB來做本地執行而形成混合式SON的做法,例如在期初建制時的初始化由集中式系統來下達,隨著偵測eNodeB狀態參數與用戶UE連線的情形判別則可由分散在eNodeB中的自主性調適機制來執行。


《圖四》混合式SON網路架構示意(資料來源:4G America, “Self-Optimizing Networks in 3GPP release 11”)


物聯網的應用有賴於大量佈建的連網裝置去收集許多資料,無論是透過有線或是無線接取的方式,要發揮相關應用的價值都需要將這些資料送到集中或分散式處理的平台彙整,經過必要的資料處理後進行進階分析或加值服務的提供。

在許多應用情境裡,物聯網的應用多半會同時透過不同的網路接取型態來收集資料,例如在交通的應用領域裡,某些資料是透過移動載具上的行動寬頻連網裝置來傳送衛星定位系統或車內外攝像感測資料,一部份的資料可能是透過道路或閘道感測裝置連接到戶外型網路設備(如outdoor switch)將資料透過電信固網回傳,而有一部份的運算資料可能透過在都會區密集佈建的行動基地台或室內外微型基地台的訊號強度變化以運算得出人潮/車潮/行車速度/位置資訊等,也會有各式各樣的資料源與資料格式需進行整合處理。當大量與無所不在的部署與頻繁的資料交換成為物聯網世界來臨後的共通特性時,中間所產生的資料密度、多種樣態格式與產生速度就會構成巨量資料的世界,而且隨著不同的運用會創造出許許多多的巨量資料系統,也許是建置於系統使用者的機房裡或者是成為雲端的一部份。若物聯網的應用更加普及到民眾日常生活的一部份時,以雲端運算形態的巨量資料應用會是可帶來低維護成本與高水平擴充彈性的完成型。

Big data的議題概念雖然形成時間不是很長,但其內涵精神並不是全新的概念,過去在大型政府或金融機構在執行核心業務,規模擴及全國級的應用時,就有許多商用解決方案在處理這類量大而需快速回應能力的應用,包括近年來網路電子商務更趨成熟,相關的線上交易量與金流機制也需要因應規模膨脹了許多倍的挑戰,帶動了許多商用大資料處理的商機,諸如以MPP(massively parallel processing)技術發展為主的資料倉儲或者是各家大型商用資料庫提出能加速大資料處理速度的技術,多半著墨於結構化資料的處理,事實上現在所談的Big data分析應用等熱門話題,在應用於商業價值的部分過去一直也有資料探勘資料採礦(Data mining)的核心技術在應對;然而過往這類大型商用產品所費不貲,對非結構化資料也欠缺對應的解決方案,因此應用的範圍受到較大的限制,衍生的商機也侷限於少數的重量級客戶與重量級廠商所能受惠。

近年由於超大型資料中心與許多數以億計使用者的社群網站興起,如Google、Facebook等,為因應全球規模的用戶查詢與資料處理需求,傳統關聯式資料庫為主的資料處理模式已難以應對,包括相關業者與組織開始發展出新的技術作為巨量資料處理的新架構,其中尤以Google所發表的MapReducec和Google檔案系統的相關論文可視為Big data處理技術革新的濫觴,Apache Software Foundation基於相關研究進行實作並發表了Hadoop系統的開源軟體框架,利用大量分散式架構來處理儲存與運算,達成以水平擴充的架構來提升整體系統的運作效能而不受制於單點的效能瓶頸,無需擔心單點失效(Single-Point-of-Failure)的防範,並打破結構化資料的限制,各種資料格式都可以在Hadoop的檔案系統與運算節點中透過MapReduce的程序去處理進而產出所需的結果,等於對巨量資料相關應用奠立了一個概念性的基礎架構。更重要的是,Apache Hadoop所提出的軟體框架,不需受制於強勢解決方案供應商的設計架構與基礎平台,可以採用一般低價普及的x86伺服器與通用作業系統來做為資料儲存與運算叢集,以處理相同的資料量來說,和過去由知名廠商所提供的產品解決方案比較起來,無論是硬體成本或是軟體成本都會大幅降低。


《圖五》Apache Hadoop的基本組成元件示意(資料來源:工研院IEK)


目前基於Hadoop所發展出來的產業生態系不斷持續進化與擴大,許多傳統提供資料整合與資料處理產品與技術的重量級或新興供應商都跳入Hadoop這個社群,發展能與Hadoop API整合的商用解決方案,幾家進行Hadoop商業版發行以及專業資料分析顧問服務的廠商如Cloudera、Hortonworks、MapR、 IBM、HP也持續在全球許多大型客戶完成不少巨量資料的代表性專案。

以台灣目前的產業現狀來看,以Hadoop技術為基礎的巨量資料應用挑戰門檻相對幾個走得快的先進國家來說是來得高,主要是科技產業聚落多年來都以硬體的研發與製造為主,相對商用軟體的市場與人才都較為落後,多半都集中在工具的使用以及範圍直觀且侷限的程式撰寫,較欠缺全面的核心能力(如數學的演算法、通則的歸納建立等)與基礎底層的軟體專業,特別是Hadoop這類開源軟體框架所使用的工具與介面要落實到商業運轉其實有很多軟體工程的領域專業須具備,更別提資料分析的科學專業與產業應用,在不重視基礎研究的台灣產業鏈裡更是人才匱乏。可以寄望的其實是學術界與國家級計劃能有更深的連結合作,企業也應多走出狹隘的市場同業競爭,與不同屬性的外部單位建立協同關係,善用年輕、有創意且可塑性高的人力,甚或吸引國際人才的參與,否則單看狹隘的短期商機以及企業組織慣性使然,想在合理的期間與資源內培養出這類能善用新技術來進行商業創新發想的能力並轉化成具體的商機是相當困難的。

雖然巨量資料軟體應用的相關能力不容易開發與養成,但從全球趨勢看來,這部分會成熟得相當快,最主要是當鎖定特定的應用情境時,相關的商業利益是很明確的,而且想像空間幾近無限大,差別只在於有否專業能力去落實,挑戰雖大,卻是一個相當值得台灣產官學界重視並採取行動去克服的領域。

就充滿想像與討論空間的行動寬頻應用而言,2014年陸續開台的LTE服務只能算是一個初始點的誕生,隨著未來行動寬頻技術標準與解決方案供應商的演進與完備,甚至目前在幾個先進國家已熱烈討論的5G,都有賴於更多配套機制與應用技術的成熟普及,才有機會在控制總體成本不要大幅上昇之餘,對基礎建設的投資尋求更多商業化與高附加價值的發想和創新應用。從正面的角度來說,4G之後提供的頻譜所能承載的無線接取頻寬才能算是真正的行動寬頻,往後奠基在此寬頻基礎之上有無限的應用發展想像空間,有機會讓台灣透過需求的創造與議題的發酵來達成某種程度的產業轉型與新興人才開發,但這一切皆有賴於現有業者的決心與改變的企圖,向上提升的變革不會因為一張4G的釋照就會自然發生,政府的推動,產學界的投入,先行者的決心,每個環節都會影響著這一場國家發展大計的走向,各方能否屏除小鼻小眼與短視近利的心態,還是扮演著成功與否的關鍵,終究,人,才是一切成敗的核心。

 

回上層