Open5GS项目中SMF对Packet Filter Identifier的处理问题分析
2025-07-05 06:28:13作者:董宙帆
背景介绍
在5G核心网架构中,会话管理功能(SMF)负责处理用户面会话的建立、修改和释放。其中,服务质量(QoS)规则和分组过滤器(Packet Filter)是实现业务流区分和优先级控制的关键机制。分组过滤器标识符(Packet Filter Identifier)作为区分不同过滤规则的重要参数,其正确处理对于5G网络的正常运行至关重要。
问题描述
在Open5GS项目的实现过程中,发现SMF模块对分组过滤器标识符的处理存在不一致性问题。具体表现为:
- 存储方式:Open5GS内部将分组过滤器标识符存储在pf上下文中,取值范围为1到16
- 通信过程:该标识符会被发送给用户设备(UE),UE在后续通信中会返回相同的标识符
- 处理逻辑:SMF在接收UE返回的标识符后,会通过smf_pf_find_by_identifier()函数查找对应的pf上下文,但当前实现会对接收到的标识符加1后再进行查找
技术分析
标准规范要求
根据3GPP技术规范:
- TS24.008第10.5.6.12节(业务流模板)规定:对于某些操作,分组过滤器数量应大于0且小于等于15
- TS24.501第9.11.4.13节(QoS规则)指出:对于特定的QoS规则操作,分组过滤器数量应大于等于0且小于等于15
实现差异
在5G核心网(5GC)和演进分组核心网(EPC)中,对分组过滤器标识符的处理存在差异:
-
5GC实现:
- 标识符应直接使用,不应进行加减操作
- 当前实现错误地对接收到的标识符加1,导致查找失败
-
EPC实现:
- 需要将标识符减1后再发送给UE
- UE返回的标识符加1后才能正确匹配
影响范围
此问题主要影响5GC实现中的QoS规则处理,可能导致:
- 分组过滤器匹配失败
- QoS策略应用不正确
- 业务流分类错误
解决方案
针对5GC实现,需要进行以下修正:
// 原错误实现(5GC中不正确)
pf = smf_pf_find_by_identifier(qos_flow, qos_rule[i].pf[j].identifier + 1);
// 修正后实现(5GC正确方式)
pf = smf_pf_find_by_identifier(qos_flow, qos_rule[i].pf[j].identifier);
实现建议
- 版本兼容性:需要区分5GC和EPC的实现路径
- 代码注释:添加详细注释说明处理逻辑差异
- 单元测试:增加针对标识符处理的测试用例
- 文档更新:更新相关设计文档,明确标识符处理规范
总结
正确处理分组过滤器标识符对于5G网络QoS机制的实现至关重要。Open5GS项目需要根据5GC和EPC的不同规范要求,分别实现标识符的处理逻辑。本次修正确保了5GC实现与3GPP标准的一致性,为后续QoS功能的完善奠定了基础。
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
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