Open5GS与Ericsson gNB对接时UE数据连接问题分析
2025-07-05 21:20:24作者:秋阔奎Evelyn
问题背景
在使用Open5GS 2.7.0版本与Ericsson gNB进行5G网络部署时,发现用户设备(UE)无法建立正常的数据连接。具体表现为UE能够附着网络,但无法获得数据服务。值得注意的是,当将gNB更换为Nokia或Huawei设备时,系统工作完全正常。
问题现象分析
从系统日志中可以观察到两个关键错误信息:
- SMF日志中显示的错误:
03/22 13:46:14.783: [smf] ERROR: Cause[Group:5 Cause:1] (../src/smf/ngap-handler.c:215)
- 数据包捕获中显示的错误:
misc: not-enough-user-plane-processing-resources (1)
这些错误表明系统在处理用户面资源分配时遇到了问题。
根本原因
经过深入排查,发现问题根源在于Ericsson gNB上的5QI(5G QoS Identifier)配置不当。5QI是5G网络中用于标识服务质量等级的重要参数,它决定了数据流的优先级、分组延迟预算、分组错误率等关键QoS特性。
当gNB上的5QI配置与核心网不匹配时,会导致以下问题:
- SMF无法正确分配用户面资源
- UPF无法建立适当的数据转发路径
- UE虽然能完成注册过程,但无法获得实际的数据服务
解决方案
要解决此问题,需要在Ericsson gNB上进行以下配置调整:
-
确保gNB上的5QI配置与Open5GS核心网中的QoS策略一致
-
检查并正确配置以下参数:
- QoS流标识符
- 保证比特率(GBR)和非保证比特率(Non-GBR)设置
- 资源类型分配
- 优先级级别
-
验证配置后,重启相关网络功能使更改生效
经验总结
在5G网络部署中,不同厂商设备间的互操作性测试至关重要。特别是QoS参数的配置,需要特别注意以下几点:
- 不同厂商设备对5QI的实现可能存在细微差异
- 核心网与接入网设备的QoS策略必须保持一致
- 部署前应进行详细的参数规划和验证
- 建议建立配置模板,确保多厂商环境中的参数一致性
通过这次问题排查,我们认识到在5G网络部署中,即使是看似简单的参数配置不当,也可能导致整个系统无法正常工作。因此,建立完善的配置管理和验证流程对于确保网络稳定运行至关重要。
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