Open5GS项目中QoS规则实现与5G核心网规范的合规性调整
2025-07-05 15:52:16作者:伍霜盼Ellen
在5G核心网架构中,QoS(服务质量)规则是实现业务差异化保障的关键机制。Open5GS作为开源5G核心网解决方案,近期对其UE测试代码中的QoS规则实现进行了重要修正,以确保完全符合3GPP TS24.501规范要求。
背景与问题发现
在5G系统中,QoS规则通过包过滤器(Packet Filter)来定义数据流的分类和处理方式。规范TS24.501第9.11.4.13节明确规定:当UE请求"创建新QoS规则"、"修改现有QoS规则并替换所有包过滤器"或"修改现有QoS规则并添加包过滤器"时,包过滤器标识符值必须设置为初始值。
然而在Open5GS的原始实现中,存在两个关键偏差:
- UE测试代码未将包过滤器标识符值置为初始值
- 对于"替换所有包过滤器"操作,实现逻辑沿用了EPC(4G核心网)的处理方式——通过查找并替换现有包过滤器标识符,而非先删除后新建
技术影响分析
这种实现差异可能导致以下问题:
- 互操作性风险:其他符合标准的5G核心网设备可能拒绝处理非初始标识符的请求
- 状态不一致:替换操作保留原有标识符可能导致网络侧和UE侧的过滤器状态不同步
- 功能完整性缺失:规范要求的"先删除后新建"机制能确保过滤器集合的原子性更新
解决方案实现
Open5GS团队通过以下修改实现了规范合规:
- 标识符重置:在创建/修改请求中强制将包过滤器标识符初始化为规定值
- 操作逻辑重构:
- 对于替换操作,先完全清除规则内所有现有包过滤器
- 然后添加新的包过滤器集合
- 状态机调整:确保QoS规则状态转换符合5G规范定义的生命周期
5G与4G实现的本质区别
这项修改凸显了5G核心网与EPC在QoS处理上的架构差异:
- EPC:更倾向于增量式修改,保留原有标识符
- 5GC:采用显式声明式操作,强调操作的原子性和确定性
- 设计哲学:5G通过强制初始化标识符,确保网络能明确区分新建和修改操作
对开发者的启示
- 规范优先原则:即使功能相似,5G与4G的实现细节可能存在关键差异
- 测试覆盖必要性:需要针对规范中的边界条件设计专项测试用例
- 架构演进认知:理解5G服务化架构对协议实现的深层影响
此次修改体现了Open5GS项目对标准合规性的持续追求,也为其他5G核心网开发者提供了有价值的参考实现。规范的精确实现是确保多厂商互操作性和网络稳定性的基础,这类细节优化对5G网络的整体质量提升具有重要意义。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
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++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
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
492
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
346
147