3GPP Release 18(2024年冻结)正式开启了5G-Advanced时代,而Release 19(2025年底Stage 3完成)作为5G-Advanced的第二阶段,将核心网演进推向了前所未有的深度。如果说Rel-15/16/17定义了5GC的"骨架",那么Rel-18/19则在为其注入"灵魂"——数据驱动的智能自治。
核心网演进面临三大驱动力:
本文将从SBA服务化架构增强、NWDAF智能化闭环、网络数据层NDL、能量感知核心网四大维度,深度解析5G-Advanced核心网的架构演进原理。
Rel-15定义的SBA架构将NF(Network Function)之间的交互从传统的点对点接口(如4G中的S6a、S11)转变为基于HTTP/2的RESTful服务调用。但Rel-15/16的SBA存在一个关键瓶颈:服务发现与路由的静态性。
在Rel-15中,NRF(Network Function Repository Function)通过Nnrf_NFDiscovery服务提供NF实例的注册与发现,但这个过程本质上是一个"查询-响应"模式:
// Rel-15 NRF发现流程(简化)
GET /nnrf-disc/v1/nf-instances?
target-nf-type=AMF&
requester-nf-type=SMF&
service-names=namf-comm
Rel-18/19对此进行了三层增强:
第一层:服务化接口的精细化控制(TS 29.510增强)
Rel-19引入了条件化服务注册(Conditional Service Registration),NF实例可以基于自身负载、能力、地理位置等多维度属性进行注册,消费者NF在发现时可以附加更细粒度的过滤条件:
// Rel-19 增强的NRF发现
GET /nnrf-disc/v1/nf-instances?
target-nf-type=AMF&
requester-nf-type=SMF&
service-names=namf-comm&
amo=local& // 亲和移动性区域
snssai-list=0101ABCD& // 网络切片精确匹配
tai=46000-1ABCD23& // 跟踪区精确匹配
preferred-locality=DC-East& // 数据中心亲和性
load-level-threshold=70 // 负载低于70%的实例
第二层:SBI(Service-Based Interface)协议栈扩展(TS 29.500增强)
Rel-19开始研究SBI从纯HTTP/2向多协议适配演进的可能性,包括:
| 特性 | Rel-15/16 | Rel-18/19 |
|---|---|---|
| 传输协议 | HTTP/2 only | HTTP/2 + HTTP/3(QUIC)研究 |
| 序列化格式 | JSON | JSON + CBOR(紧凑二进制) |
| API风格 | RESTful | RESTful + gRPC(研究) |
| 服务发现 | NRF集中式 | NRF + DNS-SD混合 |
| 安全机制 | TLS 1.2/1.3 | TLS 1.3 + mTLS双向认证增强 |
| 流控机制 | 简单限流 | 令牌桶+优先级队列 |
第三层:服务编排与生命周期自动化
Rel-19的eEDGE_5GC_Ph3(Work Item #1040036)将NF的生命周期管理从手动触发升级为事件驱动的自动编排。当NWDAF检测到某区域流量激增时,可以通过MnS(Management Services)接口自动触发UPF/AMF实例的弹性伸缩。

图表 1
NWDAF(Network Data Analytics Function)从Rel-15的"纯分析"功能,在Rel-18/19中演变为核心网智能自治的"大脑"。核心变化体现在内部架构的拆分:
在Rel-17之前,NWDAF是一个逻辑单体。从Rel-18开始(TS 23.288增强),NWDAF被拆分为两个核心逻辑组件:

图表 2
Rel-19的关键突破是引入了策略驱动的闭环自动化(Closed-Loop Automation)。这不再是NWDAF仅仅"告知"消费者NF分析结果,而是允许NWDAF的分析结果直接触发预定义的策略动作。
闭环逻辑可以用以下伪代码表示:
// 闭环自动化决策逻辑(概念模型)
ClosedLoopPolicy {
trigger: AnalyticsEvent {
analyticsId: "load_level",
condition: "predicted_load > 80%",
confidence: "> 0.7",
timeHorizon: "15min"
},
actions: [
{
type: "NF_SCALING",
target: "AMF-set-1",
parameters: { scaleOut: 1, instanceType: "AMF-v3" }
},
{
type: "LOAD_REBALANCE",
target: "AMF-set-1",
parameters: { migrateUEs: 5000, destination: "AMF-set-2" }
}
],
guardrails: {
maxActionInterval: "5min",
rollbackCondition: "error_rate > 1%",
approvalRequired: false // L4级自动化
}
}
| 分析ID | 描述 | Rel-16 | Rel-18 | Rel-19 |
|---|---|---|---|---|
| load_level | NF负载等级分析 | ✓ 统计级 | ✓ 预测级(AnLF) | ✓ 闭环触发 |
| nf_load | NF负载信息 | ✓ | ✓ | ✓ 增强粒度 |
| sm_congestion | SM congestion | ✓ | ✓ | ✓ |
| qoeAnalytics | QoE分析 | - | ✓ 新增 | ✓ 增强 |
| obs_service_exp | 服务体验分析 | ✓ | ✓ | ✓ |
| network_perf | 网络性能分析 | - | ✓ 新增 | ✓ |
| dispersion | UE分散/移动分析 | - | ✓ 新增 | ✓ 增强 |
| redundancy_ue | 冗余UE分析 | - | - | ✓ 新增 |
| energy_saving | 节能分析 | - | - | ✓ 新增 |
| slice_analytics | 切片级分析 | ✓ 基础 | ✓ 增强 | ✓ 闭环 |
Network Data Layer(NDL)是3GPP在Rel-19后期和Rel-20中重点推进的架构概念,其核心思想是将数据从网络功能中解耦出来,使其成为与控制面、用户面并列的"第三面"——数据面。
传统5GC中,数据分散在各个NF中: - UDM/UDR存储签约数据 - PCF存储策略数据 - AMF/SMF维护UE上下文状态 - NWDAF管理分析数据
这种碎片化导致了数据孤岛、一致性难保证、跨NF数据分析效率低等问题。
NDL的架构目标是:
┌─────────────────────────────────────────┐
│ Network Data Layer │
│ ┌─────────┐ ┌──────────┐ ┌──────────┐ │
│ │ 签约数据 │ │ 策略数据 │ │ 分析数据 │ │
│ │ (SubData)│ │(PolData) │ │(AnaData) │ │
│ └─────────┘ └──────────┘ └──────────┘ │
│ ┌─────────┐ ┌──────────┐ ┌──────────┐ │
│ │ 上下文数据│ │ 运维数据 │ │ AI/ML数据 │ │
│ │(CtxData) │ │(OAMData) │ │(MLData) │ │
│ └─────────┘ └──────────┘ └──────────┘ │
│ 统一数据治理 & 访问控制 │
└─────────────────────────────────────────┘
↑ ↑
控制面NF 外部应用
(AMF/SMF/...) (via NEF/API)
3GPP TR 23.700-26 V20.0.0(2026年3月发布)是NDL研究的关键技术报告,属于Rel-20/6G范畴。该报告定义了以下核心架构原则:
原则一:数据即服务(DaaS)
NDL将数据抽象为可消费的服务,任何授权的NF或外部应用通过标准化的数据访问接口获取数据:
// NDL数据访问(概念性接口设计)
Nndl_DataAccess {
// 订阅数据变更通知
Subscribe(dataType, filter, callback) → SubscriptionId
// 查询历史数据
Query(dataType, filter, timeRange) → DataSet
// 请求实时数据流
Stream(dataType, filter, qos) → StreamHandle
}
原则二:联邦数据管理
在多PLMN、多边缘计算节点的分布式部署中,NDL支持联邦式数据管理——数据可以在本地产生、本地存储,同时支持跨域联邦查询,无需将所有数据集中到中心节点。
原则三:数据治理内置
NDL在架构层面嵌入数据治理能力: - 数据血缘追踪(Data Lineage):从数据产生到消费的全链路追踪 - 隐私合规引擎:根据GDPR/个人信息保护法自动执行数据脱敏和过期删除 - 数据质量度量:自动检测数据的完整性、一致性和时效性
| 维度 | 现有5GC(Rel-15/16/17) | NDL(Rel-19+/Rel-20) |
|---|---|---|
| 数据存储 | UDR集中存储+各NF内部缓存 | 分层分布式,统一数据抽象层 |
| 数据访问 | 各NF定义自己的数据接口 | 统一标准化数据访问API |
| 数据一致性 | 最终一致,依赖NF间同步 | 强一致性可选,基于分布式共识 |
| 跨NF分析 | NWDAF逐个NF采集 | NDL统一数据视图,一次查询 |
| 数据治理 | 外部OSS系统处理 | 架构内嵌,自动合规 |
| AI/ML支撑 | 需额外ETL管道 | 原生支持,模型数据统一管理 |
| 隐私保护 | 基于SUCI等加密机制 | 增量隐私计算、联邦学习支持 |
根据中兴通讯《绿色5G核心网白皮书》和GSMA的分析数据:
这种"低利用率、高能耗"现象的核心原因在于:容器/POD即使空闲也占用基础资源(内存、CPU预留、网络栈开销)。
3GPP在Rel-18/19中引入了多层核心网节能框架:
机制一:NF实例级节能(TS 23.501 Rel-18增强)
通过NWDAF的负载预测分析,在低负载时段自动缩容NF实例:
// 节能缩容决策逻辑
EnergySavingPolicy:
trigger:
analytics: NWDAF.load_level_prediction
condition: "predicted_max_load < 30% for next_4_hours"
actions:
- type: SCALE_IN
target: AMF-pool-East
min_instances: 2 // 保底实例数
- type: SCALE_IN
target: SMF-pool-East
min_instances: 1
- type: SUSPEND
target: standby-UPF-East // 挂起备用UPF
guardrails:
must_maintain: 99.99% availability
ramp_down_rate: "10% per 15min" // 平滑缩容
机制二:服务粒度节能
将NF内部的服务(Service)按优先级分为三类,在低负载时按序关闭:
| 服务优先级 | 示例服务 | 低负载策略 |
|---|---|---|
| P0-关键 | Nnrf_NFManagement, Nudm_UEAuthentication | 始终运行 |
| P1-重要 | Namf_Communication, Nsmf_PDUSession | 最小实例运行 |
| P2-增值 | Nnwdaf_Analytics, Naf_Application | 低负载时关闭 |
机制三:UPF休眠模式
UPF作为核心网中部署量最大、能耗最高的NF,Rel-19引入了UPF微休眠(Micro-sleep)机制:

图表 3
3GPP TR 28.913 V19.0.0定义了核心网能效的关键度量指标:
| 指标 | 定义 | 计算方式 | 目标值 |
|---|---|---|---|
| EE_CN_1 | 核心网能效(每焦耳处理的PDU Sessions) | PDU_Sessions_total / Energy_consumed | > 1000 sessions/J |
| EE_CN_2 | 每用户面能耗效率 | Data_volume_GB / UPF_energy_kWh | > 50 GB/kWh |
| EE_CN_3 | 核心网空闲能效比 | Idle_energy / Peak_energy | < 0.3 |
| EE_CN_4 | NF实例能效 | Active_sessions / NF_instance_energy | 动态基准 |
Work Item #1040036(eEDGE_5GC_Ph3)在Rel-19中引入了以下关键增强:
计算感知的路由选择
传统5GC中,UPF的选择仅基于数据面拓扑(DNAI、N6路由)。Rel-19引入了计算状态感知的UPF/Edge选择:
// Rel-19 计算感知UPF选择(概念模型)
UPF_Selection_Enhanced {
inputs:
- UE_location
- Application_ID
- DNAI_availability
- Edge_compute_load // 新增:边缘计算节点负载
- Edge_compute_latency // 新增:计算任务估计延迟
- GPU_availability // 新增:GPU加速可用性
algorithm:
score = α × routing_proximity
+ β × compute_capacity
+ γ × current_load
+ δ × latency_slo_compliance
output:
selected_UPF + selected_Edge_Node
}
AF-边缘计算协商
Rel-19增强了AF(Application Function)与5GC的交互,允许AF在会话建立时提供计算需求描述符(Compute Requirement Descriptor),SMF据此选择最优的边缘节点:
| 参数 | 类型 | 说明 |
|---|---|---|
compute-cpu-cores |
integer | 所需vCPU核数 |
compute-memory-mb |
integer | 所需内存(MB) |
compute-gpu-required |
boolean | 是否需要GPU |
compute-latency-budget-ms |
integer | 计算延迟预算(ms) |
compute-preferred-locations |
list | 优先部署位置列表 |

图表 4
在实际部署中,NWDAF的AnLF和MTLF可以合设或分设,建议的配置原则:
| 场景 | AnLF/MTLF部署 | 模型类型 | 分析周期 |
|---|---|---|---|
| 小型网络(<50万用户) | 合设,单实例 | 统计分析为主 | 5-15min |
| 中型网络(50-500万) | 分设,AnLF多实例 | ML模型(回归/分类) | 1-5min |
| 大型网络(>500万) | 分设,分布式部署 | 深度学习模型 | 实时-1min |
MTLF训练参数建议:
坑一:UPF休眠后的N4 Session漂移
当UPF进入休眠时,其承载的N4 Session需要迁移到活跃UPF。如果迁移过程中出现信令拥塞,可能导致PDU Session中断。建议:分批迁移,每批不超过总Session的5%,批次间隔30秒。
坑二:NWDAF预测准确率不足导致振荡
如果负载预测模型的准确率低于70%,可能出现NF实例在缩容和扩容之间频繁振荡。建议:设置冷却期(Cooldown Period),缩容后至少等待15分钟才能再次触发缩容;同时设置预测置信度阈值,低于0.7的预测不触发自动动作。
坑三:跨域数据一致性问题
在多数据中心部署中,NDL的数据同步延迟可能导致策略决策基于过时数据。建议:对于关键策略(如负载均衡、切片准入),采用同步复制模式(强一致性);对于分析类数据(如负载统计),可接受异步复制(最终一致性),但需标注数据时效性。
| 特性 | 3GPP规范 | Release | 成熟度 | 部署难度 |
|---|---|---|---|---|
| SBA条件化注册 | TS 29.510 | Rel-18 | ★★★★★ | ★★☆☆☆ |
| NWDAF AnLF/MTLF拆分 | TS 23.288 | Rel-18 | ★★★★☆ | ★★★☆☆ |
| NWDAF闭环自动化 | TS 23.288增强 | Rel-19 | ★★★☆☆ | ★★★★☆ |
| 节能分析 | TS 23.288新增 | Rel-19 | ★★★☆☆ | ★★★☆☆ |
| UPF微休眠 | TS 23.501增强 | Rel-19 | ★★★☆☆ | ★★★★☆ |
| 边缘计算Phase3 | TS 23.501/23.502增强 | Rel-19 | ★★★★☆ | ★★★☆☆ |
| 计算感知UPF选择 | TS 29.504增强 | Rel-19 | ★★☆☆☆ | ★★★☆☆ |
| NDL网络数据层 | TR 23.700-26 | Rel-20 | ★★☆☆☆ | ★★★★★ |
| 能效度量指标 | TR 28.913 | Rel-19 | ★★★☆☆ | ★★☆☆☆ |
Q: NWDAF的AnLF和MTLF必须分开部署吗?
A: 不是必须的。3GPP TS 23.288规定AnLF和MTLF是NWDAF内部的逻辑功能,可以合设在同一个NF实例中。在实际部署中,小型网络建议合设以降低运维复杂度;中大型网络建议分设,因为MTLF的模型训练是计算密集型任务,与AnLF的实时推理在资源需求上有冲突,分设后可以独立扩展。此外,MTLF可以集中部署在中心DC,而AnLF分布式部署在边缘DC,实现"集中训练、分布推理"的高效架构。
Q: NDL和现有的UDR是什么关系?NDL会取代UDR吗?
A: 两者是演进关系而非替代关系。UDR(Unified Data Repository)在Rel-15中定义为UDM/PCF的后端数据存储,主要管理签约数据和策略数据。NDL是更高层次的数据架构抽象,它在逻辑上"包裹"了UDR的能力,并将其扩展到更广泛的数据类型(分析数据、运维数据、AI/ML数据等)。在Rel-20的初期阶段,NDL很可能以UDR增强的形式实现,而不是一个全新的NF。长期来看,NDL会逐步统一现有的UDR、NWDAF的数据管理功能、以及OAM的数据采集功能。
Q: 核心网节能会不会影响用户体验?
A: 这取决于节能策略的设计是否合理。关键在于三个"度":预测准确度(NWDAF负载预测的准确率需>80%)、缩容平滑度(分批缩容,避免瞬间大规模NF下线)、保底裕度(始终保留充足的headroom应对突发流量)。实践中,建议采用渐进式部署:第一阶段仅开启监控和推荐模式(推荐人工审批),验证预测准确率;第二阶段开启半自动模式(低风险场景自动执行,高风险场景人工审批);第三阶段才是全自动模式。Rel-19的闭环自动化正是按这个成熟度梯度设计的。
Q: Rel-19的边缘计算增强对现有MEC平台有什么影响?
A: Rel-19的eEDGE_5GC_Ph3将计算感知引入了SMF的UPF选择流程,这意味着MEC平台的资源信息需要暴露给5GC。具体实现上,需要MEC平台(如ETSI MEC架构)通过AF向PCF/NEF提供计算资源状态信息。对于已经部署了MEC平台的运营商,主要需要升级AF的接口适配(增加计算需求描述符),以及在SMF中部署增强的UPF选择算法。对于尚未部署MEC的场景,Rel-19的增强并不强制要求MEC平台存在——计算感知可以简化为"DNAI亲和性+负载权重"的轻量级实现。
Q: 这些核心网增强对终端用户有什么影响?需要换手机吗?
A: 核心网演进对终端用户是透明的,不需要更换手机。SBA增强、NWDAF智能化、NDL、节能机制等都发生在核心网内部和OAM层面,不涉及空口协议的变更。终端用户能感受到的效果是:网络更加稳定(闭环自动化减少了拥塞中断)、边缘应用响应更快(计算感知路由)、以及运营商可能因为节能降本而推出更优惠的套餐。不过,如果需要利用Rel-19的某些新特性(如增强的边缘计算能力),边缘应用开发者需要适配新的AF接口。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生(微信ID: gprshome201101)维护,聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主:爱卫生(微信:gprshome201101)——公众号「51学通信」创办者,19 年通信行业运维与讲师经验,著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书(各大电商平台有售)。 星球定位:深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域,主打运维岗位与信令分析。 当前规模:5200 篇主题 / 990 个回答,198 元/年。 加入福利:加入星球后请加爱卫生微信,拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题,另有群内分享。 AI 加持:51学通信知识星球已作为 skill 接入 WorkBuddy,使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例,做总结、找文档和 PPT 等场景全覆盖。
