Open5GS与srsRAN集成中的PDU会话建立问题分析与解决方案
2025-07-05 01:45:46作者:管翌锬
问题背景
在5G核心网(5GC)与无线接入网(RAN)的集成测试中,使用Open5GS作为核心网和srsRAN作为无线接入网时,经常会遇到PDU会话建立失败的问题。本文针对一个典型场景进行分析:当UE成功建立RRC连接后,约10秒后连接断开,核心网AMF日志显示"SmContextCreateError"错误,同时SMF服务未能正常运行。
系统架构
该测试环境采用分布式部署,包含四个主要组件:
- Open5GS控制面(5GC C-Plane):负责信令处理
- Open5GS用户面(5GC U-Plane):负责数据转发
- srsRAN gNodeB:基站功能
- srsRAN UE:用户设备模拟
各组件间通过标准接口通信,其中gNB与UE间采用ZeroMQ进行基带信号传输。
问题现象分析
从日志和现象观察,系统表现出以下异常行为:
- UE侧现象:
- 能够完成随机接入过程
- 成功建立RRC连接
- 约10秒后收到RRC Release消息断开连接
- 核心网侧现象:
- AMF日志显示SMF上下文创建失败
- SMF服务处于不断重启状态(exit-code 255)
- 前期出现NSI选择错误(403错误),后期表现为SMF发现失败(400错误)
根本原因
经过深入分析,问题主要由以下因素导致:
- SMF服务配置问题:
- SMF配置文件(smf.yaml)中的网络切片配置与NSSF不一致
- SMF未能正确启动导致AMF无法发现可用的SMF实例
- 网络切片配置不一致:
- 初始配置中NSSF未包含SD(切片区分符)信息
- 后期添加SD信息后,各网元间的切片配置仍不完全匹配
- 服务依赖关系:
- SMF依赖NRF进行服务注册,但配置中NRF客户端配置被注释
- 各网元间的服务发现机制未能正常工作
解决方案
针对上述问题,建议采取以下解决措施:
- 统一网络切片配置:
- 确保AMF、SMF和NSSF中的切片配置完全一致
- 检查S-NSSAI(SST+SD)在所有配置文件中的匹配性
- 修复SMF配置:
- 检查SMF的启动参数和配置文件路径
- 确保PFCP接口配置正确,特别是UPF地址
- 验证DNN配置与实际网络拓扑匹配
- 启用服务发现:
- 取消NRF客户端配置的注释
- 确保各网元能够通过NRF相互发现
- 检查SCP(服务通信代理)配置是否正确
- 日志分析建议:
- 同时收集AMF、SMF和UPF日志进行关联分析
- 关注SMF启动失败的具体原因(exit-code 255通常表示配置错误)
- 检查系统资源限制(如文件描述符、内存等)
配置优化建议
基于经验,提供以下配置优化建议:
- SMF配置优化:
smf:
sbi:
client:
nrf:
- uri: http://127.0.0.10:7777
pfcp:
client:
upf:
- address: 192.168.83.130
dnn: internet
session:
- subnet: 10.45.0.0/16
gateway: 10.45.0.1
dns: [8.8.8.8, 8.8.4.4]
mtu: 1400
- 切片配置一致性检查:
- AMF中配置的S-NSSAI必须与SMF、NSSF完全匹配
- 确保DNN在SMF和UPF中一致定义
- 服务依赖配置:
- 确保NRF正常运行并能被其他网元发现
- 检查各网元的SBI接口配置是否可达
验证方法
问题解决后,可通过以下方法验证PDU会话是否正常建立:
- 核心网侧验证:
- 检查SMF服务状态确认正常运行
- 查看AMF日志确认无SmContextCreateError
- 在UPF验证GTP-U隧道建立
- UE侧验证:
- 观察UE是否保持RRC连接状态
- 检查UE是否获取到IP地址(10.45.0.x)
- 尝试基本的网络连通性测试
- 系统整体验证:
- 使用Open5GS WebUI查看注册UE信息
- 检查各网元间的接口通信状态
- 验证端到端的数据面连通性
经验总结
在Open5GS与srsRAN的集成测试中,PDU会话建立失败通常源于以下方面:
- 配置一致性:各网元的网络切片、DNN等配置必须严格一致
- 服务依赖:确保NRF正常运行且各网元能正确注册和发现服务
- 日志分析:多维度关联分析各组件日志,特别是错误代码和异常信息
- 逐步排查:从底层服务状态(如SMF是否运行)到高层信令流程逐步验证
通过系统化的配置管理和严谨的验证流程,可以有效解决此类PDU会话建立问题,为5G网络的功能测试和性能优化奠定基础。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
196
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
275
97
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.43 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1