Free5GC与srsRAN集成中的PDU会话建立失败问题分析
2025-07-05 20:50:22作者:滑思眉Philip
问题背景
在5G核心网Free5GC与无线接入网srsRAN的集成测试过程中,开发者遇到了一个典型问题:虽然UE(用户设备)已经成功完成了认证流程,但在PDU会话建立阶段却出现了失败,具体表现为"PDU Session Resource Setup Unsuccessful by RadioNetwork[0]"的错误提示。
问题现象分析
从日志中可以观察到以下关键信息流:
- AMF(接入和移动性管理功能)接收到了来自gNB(基站)的PDUSessionResourceSetupResponse消息
- SMF(会话管理功能)在处理更新SM上下文请求时,检测到无线网络层返回了建立失败的指示
- gNB日志中明确记录了"No config for 5QI=0x8 present"的警告信息
根本原因
经过深入分析,发现问题根源在于QoS(服务质量)配置不匹配。具体表现为:
- 5QI配置缺失:gNB侧缺少对5QI=8(默认注册的QoS流标识符)的配置支持
- 核心网与无线网配置不一致:Free5GC WebConsole中默认订阅的QoS流规则(5QI=8)在gNB配置文件中没有对应的定义
解决方案
针对这一问题,我们提供了两种可行的解决方法:
方案一:修改核心网配置
- 登录Free5GC WebConsole管理界面
- 找到对应IMSI的订阅数据
- 删除默认的Flow Rules 1(5QI=8)配置
- 或者修改为gNB支持的5QI值(如1或9)
方案二:修改gNB配置
在gnb.yaml配置文件中添加对应的5QI配置项,确保与核心网配置保持一致。
技术建议
- 5QI选择原则:对于普通数据通信,建议使用5QI=9,这是一个经过充分验证的安全选择
- 配置一致性检查:在部署前应确保核心网与无线网的QoS配置完全匹配
- 日志分析技巧:遇到类似问题时,应优先检查gNB日志中的5QI相关警告信息
总结
5G网络部署中,端到端的参数一致性至关重要。本例中的PDU会话建立失败问题,表面上看是无线网络层的问题,实则源于核心网与接入网之间的QoS配置不匹配。这提醒我们在5G网络集成测试中,需要特别关注:
- 核心网与无线网的参数对齐
- QoS策略的端到端一致性
- 配置变更后的全面验证
通过系统化的参数管理和配置检查,可以有效避免此类问题的发生,确保5G网络的稳定运行。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
191
210
暂无简介
Dart
631
143
React Native鸿蒙化仓库
JavaScript
243
316
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
481
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
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++
649
270
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
297
110
仓颉编译器源码及 cjdb 调试工具。
C++
128
858
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
211