Help us improve your experience.

Let us know what you think.

Do you have time for a two-minute survey?

 
 

무선 리소스 관리(RRM)

Mist RRM을 통해 AP는 강화 학습을 통해 네트워크의 미세 조정에 참여할 수 있습니다. RRM을 사용하면 사이트의 AP가 간섭 및 용량 문제에 자동으로 대응하여 탁월한 사용자 경험을 보장할 수 있습니다.

무선 리소스 관리(RRM)는 무선 통신 시스템에서 무선 리소스, 동일 채널 간섭 및 기타 무선 전송 특성의 자동 시스템 수준 관리입니다. 많은 RRM 구현은 주로 채널 재사용을 줄이는 데 초점을 맞춥니다. 이로 인해 근처의 AP가 동일한 주파수 채널을 사용하지 못합니다. 이러한 단일 요인 접근 방식은 클라이언트가 다음과 같은 경우 사용자 경험이나 동적으로 변화하는 주간 무선 환경에 영향을 미치는 다른 요소를 고려하지 못합니다.

  • 새 첨부 파일 및 권한 부여 만들기

  • 환경 내 로밍

  • 데이터 송수신

  • 사용 가능한 용량의 일정 비율 사용

  • 여러 무선 간섭원 극복 시도

또한 RRM에 대한 기존 접근 방식에는 스펙트럼 변경이 영향을 미쳤는지 여부를 판단할 수 있는 수단이 없습니다.

Juniper Mist RRM은 사용자 경험을 우선시하도록 설계되었습니다. Mist RRM은 클라이언트 수, 클라이언트 사용량, 간섭 등 무선 용량 SLE 의 핵심 요소를 고려하는 강화 학습 기반 피드백 모델을 활용합니다. Mist RRM은 용량 SLE가 충족되지 않을 때 자동으로 AP 전력을 조정하거나 무선 채널을 변경할 수 있습니다. 변경 후에도 Mist는 용량 SLE를 지속적으로 모니터링하여 이러한 채널 또는 전력 변경이 측정 가능한 개선을 가져왔는지 여부를 판단하여 더 나은 사용자 경험을 제공합니다. 이 자동 튜닝 프로세스는 연속적입니다.

다시 말해, Mist RRM은 시간이 지남에 따라 무선 네트워크를 더 좋게 만듭니다.

Radio frequency environments are inherently complex and therefore challenging to control and optimize for the efficient transmission of data. Since the inception of radio frequency, or RF, radio resource management, also known as RRM, has been a long-standing technique used to optimize the RF radio waves that transmit network traffic in wireless LANs. However, multiple interference sources like walls, buildings, and people combined with the air serving as transmission medium make RRM a challenging technique to master.

Traditionally, site surveys have been used to determine the optimal placement of Wi-Fi access points and settings for transmit power, channels, and bandwidth. However, these manual approaches can't account for the dynamic nature of the environment when the wireless network is in use, with people and devices entering or leaving and moving about. Additionally, this challenge is compounded with random RF interferences from sources like microwave ovens, radios, and aircraft radar, to name a few.

But what if the wireless network itself could perform RRM on its own? What if it could detect and respond to both interference sources, as well as the movement of people and devices, and adjust the radio settings in real time to provide the best possible wireless service? That's exactly what Juniper has done with the AI-driven MIST wireless solution, using advanced machine learning techniques. Specifically, MIST uses reinforcement learning to perform RRM. In a nutshell, a reinforcement learning machine, or agent, learns through an iterative trial and error process in an effort to achieve the correct result.

It's rewarded for actions that lead to the correct result, while receiving penalties for actions leading to an incorrect result. The machine learns by favoring actions that result in rewards. With MIST wireless, the reinforcement learning machine's value function is based on three main factors that lead to a good user experience.

Coverage, capacity, and connectivity. A value function can be thought of as an expected return based on the actions taken. The machine can execute five different actions to optimize the value function.

These are adjusting the band setting between the two wireless bands of 2.4 GHz and 5 GHz, increasing or decreasing the transmit power of the AP's radios, switching to a different channel within the band, adjusting a channel's bandwidth, and switching the BSS color, which is a new knob available to 11 AX access points. RRM will select actions with maximum future rewards for a site. Future rewards are evaluated by a value function.

The various actions taken by the learning machine, such as the increase of transmit power or switching the band from 2.4 GHz to 5 GHz, together represent a policy, which is a map the machine builds based on multiple trial and error cycles as it collects rewards, modeling actions that maximize the value function. Again, keep in mind that the value function represents good wireless user experience. As time goes on, even if random changes occur in the environment, the machine learns as it strives to maximize the value function.

The benefits of using reinforcement learning are obvious. A MIST wireless network customizes the RRM policy per site, creating a unique wireless coverage environment akin to a well-tailored suit. While large organizations with multiple sites replicate their many locations as copy exact, these sites will naturally experience variances despite best efforts.

Reinforcement learning easily fixes this, delivering real-time, actively adjusting, custom wireless environments. We hope this episode helped to uncover some of the magic and mystery behind our AI-driven network solutions.

RRM이 없다면 무선 네트워크를 관리하는 것은 거의 불가능할 것입니다.

  • WiFi 및 비Wi-Fi 간섭(무선 신호 간섭)으로 인해 클라이언트 및 AP가 무기한 전송을 일시 중지합니다.

  • 관리되지 않는 AP 전송 전력은 커버리지 갭, SNR(Signal-to-Noise Ratio) 감소, 대역폭 감소 또는 공동 채널 간섭 증가를 유발할 수 있습니다.

  • 관리되지 않는 채널 폭은 고밀도 환경에서 공동 채널 간섭을 증가시키고 SNR을 감소시킬 수 있습니다. 이로 인해 신호 품질이 낮아져 성능이 저하됩니다.

Juniper Mist RRM 작동 방식

Mist RRM은 모든 Juniper Mist 액세스 포인트(AP)에 내장된 전용 스캐닝 라디오를 사용하여 용량, 사용량 및 간섭 요인을 하루 종일 측정하고 계산합니다. RRM은 이러한 계산 및 측정을 사용자의 네트워크 경험에 대한 참조로 사용하며, 이를 사용자 회의록(User Minutes)으로 합니다. RRM은 이 데이터를 최대 30일 동안 저장하여 장기 추세 기준선을 생성합니다. RRM은 정기적인(야간) 및 수동 수정을 사용하여 다음과 같은 방법으로 무선 환경에서 단점을 조정하거나 개선 기회를 활용할 수 있습니다.

  • 자동 채널 스위칭(ACS)을 사용하여 혼잡하거나 간섭이 발생하기 쉬운 채널에 대응

  • 자동 전력 조정을 사용하여 AP 전력 출력 증가 또는 감소(클라이언트 경험에 따라)

  • 처리량 향상을 위한 채널 폭 늘리기 또는 줄이기

  • 자동 취소를 사용하여 네트워크의 특정 AP에서 2.4GHz 라디오 비활성화

  • 자동 변환을 사용하여 듀얼 밴드 가능 라디오를 2.4GHz 작동에서 5GHz 작동으로 변환

Mist RRM - 사이트 무선 네트워크의 이벤트 및 환경 데이터는 평가를 위해 사이트 AP에서 Mist 클라우드로 전송됩니다. Mist는 수신된 정보로부터 장기적인 클라우드 기반 추세 데이터를 컴파일하고 이를 사이트의 무선 용량 SLE 와 비교합니다. 비교를 통해 사이트의 무선 대역 구성을 변경하는 것이 유용한지 여부를 확인할 수 있습니다. Mist 대역 제어 기능을 통해 다음을 자동으로 변경할 수 있습니다.

  • AP 채널 할당

  • 동적 주파수 선택(DFS)

  • AP 브로드캐스트 전원 설정

  • 채널 대역폭

  • 대역 제어

RRM Mist 채널을 변경할 때 현재 환경뿐만 아니라 과거 지식을 기반으로 합니다. 현재 환경에서 특정 채널을 사용하는 것이 좋아 보이더라도 Mist 해당 채널에서 공동 채널 간섭 또는 기타 문제가 발생했는지 여부를 기억합니다. 이 경우 RRM은 해당 채널의 우선 순위를 줄이고 영향을 받는 AP에 대해 다른 채널을 선택합니다.

AP가 레이더 신호를 감지하면 AP는 즉시 다른 채널로 점프합니다. 이것은 DFS로 알려져 있으며 다른 무선(5GHz) 송신기의 레이더 신호와의 간섭을 줄이기 위한 것입니다. 채널 변경은 무선 클라이언트에 지장을 주며 AP가 점프하는 채널에 과밀을 초래할 수 있습니다.

DFS의 영향을 줄이기 위해 AP는 모든 레이더 이벤트를 Mist 클라우드로 전송합니다. 클라우드는 AP가 레이더 신호를 본 채널을 포함한 이벤트 데이터를 저장합니다. 시간이 지남에 따라 RRM은 어떤 AP가 어떤 채널에서 가장 많은 레이더를 보는지 학습합니다. 이 학습을 기반으로 RRM은 사이트에서 가장 영향을 많이 받는 AP가 레이더 적중이 가장 많은 채널에서 작동하지 못하도록 제한합니다. 이는 사이트가 이제 균일성 최적화 채널 배포가 아닌 DFS 최적화 채널 배포에서 운영되기 때문에 DFS 처벌로 알려져 있습니다. DFS 처벌로 인해 일부 과밀이 발생할 수 있습니다.

Juniper Mist RRM은 AP 무선 장치의 전력 출력을 조정할 수 있습니다. RRM은 이웃 AP의 손실을 보상하기 위해 이웃 AP의 브로드캐스트 전력을 증가시킬 수 있습니다. RRM은 해당 감소가 적용 범위에 영향을 미치지 않는 경우에만 AP의 전력을 줄입니다.

RRM은 5GHz 및 6GHz 무선 대역의 채널 폭을 조정할 수 있습니다. 2.4GHz 무선 장치는 20MHz 와이드 채널에서만 작동할 수 있습니다. 채널 본딩을 사용하면 5GHz 라디오는 20MHz, 40MHz 또는 80MHz 폭 채널에서 작동할 수 있습니다. 그리고 6GHz 라디오는 국가에 따라 20, 40, 80, 160 또는 320MHz 와이드 채널에서 작동할 수 있습니다. 채널이 넓을수록 더 많은 잠재적 처리량을 사용할 수 있습니다.

6GHz 대역에 대한 채널 할당

기본적으로 RRM은 하위 집합을 수동으로 선택하지 않는 한 PSC(Preferred Scanning Channels)와 비 PSC가 있는 6GHz 무선 대역을 할당합니다. 실제로, 우리의 경험에 따르면 클라이언트는 축소된 이웃 보고서 또는 11k 이웃 보고서와 같은 대역 외 메커니즘을 사용하여 비 PSC를 검색할 수 있습니다.

다양한 채널 폭에 대한 6GHz 대역의 채널 기본 할당 로직은 다음과 같습니다.

  • 20MHz 및 40MHz 폭의 경우 모든 허용된 채널(PSC 및 비 PSC)이 기본 채널로 사용됩니다.

  • 80MHz 및 160MHz 폭의 경우 PSC 채널이 기본 채널로 사용됩니다.

RRM은 동일 채널 간섭을 줄이기 위해 불필요한 2.4GHz 무선 장치를 끄는 방식으로 네트워크 대역을 제어할 수 있습니다. 다시 말하지만, RRM은 사이트의 무선 스펙트럼에 대한 지식을 사용하여 2.4GHz 라디오를 끄는 것이 더 나은 사용자 경험을 제공하는지 여부와 시기를 결정합니다.

Mist RRM은 결코 변화를 위한 변화를 만들지 않습니다. 특정 사이트의 용량 SLE가 90% 이상인 경우, 변경을 통해 얻을 수 있는 것이 많지 않으므로 RRM이 변경하지 않습니다. 또한 변경이 필요하지만 RRM이 긍정적인 변경을 수행할 수 없는 경우 환경에 추가 조사가 필요한 무언가가 있을 수 있습니다.

자동 취소 및 자동 변환

알아야 할 두 가지 추가 RRM 관련 기능이 있습니다. 표 1.

표 1: 자동 취소 및 자동 변환

자동 취소

자동 변환

2.4GHz 무선 장치를 자동으로 비활성화합니다.

듀얼 밴드 지원 라디오를 5GHz 작동으로 자동 변환

브로드캐스트 라디오 수를 줄여 2.4GHz 대역에서 동일 채널 간섭을 줄입니다.

브로드캐스트 라디오 수를 줄여 2.4GHz 스펙트럼에서 동일 채널 간섭을 줄입니다.

2.4GHz 대역의 성능을 개선합니다.

2.4GHz 대역의 성능을 개선합니다.

2.4GHz 무선 장치를 제거해도 인접 AP가 이를 보상하기 위해 전송 전력을 증가시키지 않는 경우에만 2.4GHz 무선 장치를 끕니다.

2.4GHz 네트워크에서 해당 라디오를 제거해도 인접 AP가 이를 보상하기 위해 전송 파워를 증가시키지 않는 경우에만 2.4GHz 라디오를 변환합니다.

2.4GHz 무선의 일반적인 취소율은 약 40%입니다. 자동 취소는 특정 사이트에서 2.4GHz 무선 송수신기의 50% 이상을 제거하지 않습니다.

2.4GHz 무선의 일반적인 전환율은 약 40%입니다. 자동 변환은 특정 사이트에서 2.4GHz 무선 장치의 50% 이상을 제거하지 않습니다.

모든 Juniper Mist AP에서 지원됩니다 AP43, AP45, AP63 모델에서만 지원됩니다
 

다른 브로드캐스트 라디오를 추가하여 5GHz 대역 커버리지 증가

중요한 디바이스가 관리되고 해당 로밍 프로필이 잘 알려진 주로 5GHz 네트워크에서 자동 취소 또는 자동 변환을 고려할 수 있습니다. 게스트 네트워크나 표시될 수 있는 다양한 클라이언트 장치에 신경 쓰지 않는 학교나 기타 환경에서는 이러한 기능이 매우 유용할 수 있습니다.

반면, 많은 미션 크리티컬 디바이스가 2.4GHz에서만 실행되는 밀집되지 않은 환경에서는 이러한 기능을 비활성화할 수 있습니다.

듀얼 5GHz 작동

AP43, AP45 또는 AP63이 듀얼 5GHz 모드에서 작동하는 경우 무선 송수신기는 5GHz 대역을 분할하여 특정 채널 범위에 고정됩니다. 표 2를 참조하십시오.

표 2: 무선 작동 및 사용 가능한 채널

무선 모드

듀얼 밴드 라디오(2.4GHz)

듀얼 밴드 라디오(5GHz)

5GHz 무선

듀얼 밴드 모드

모든 2.4GHz 채널

해당 사항 없음

모든 5GHz 채널

듀얼 5GHz 모드

해당 사항 없음

채널 100-165

채널 36-64

메모:

자동 변환 또는 듀얼 5GHz를 사용할 경우 5GHz 채널 폭을 20MHz로 설정하는 것이 좋습니다. 20MHz 폭을 사용하면 공동 채널 간섭을 최소화하면서 사용 중인 5GHz 무선 장치 수를 최대화하는 데 도움이 됩니다.

5GHz 모드에서 듀얼 5GHz 라디오 작동을 사용하려면 듀얼 밴드 설정을 5GHz 로 구성하고 2.4GHz 설정을 활성화로 설정하십시오.