무선 리소스 관리(RRM)

주니퍼 Mist 무선 리소스 관리(RRM)는 무선 무선 환경을 지속적으로 관리하고 최적화하여 사용자 경험을 개선하는 자동화된 클라우드 기반 시스템입니다.

RRM은 모든 Mist 액세스 포인트(AP)의 전용 스캐닝 라디오가 수집한 데이터를 사용하여 하루 종일 용량, 간섭, 사용 패턴을 측정합니다. 강화 학습을 사용하여 다음을 포함한 무선 설정을 동적으로 조정합니다.

채널 선택(자동 채널 전환)
전송 전력 수준
채널 폭
2.4GHz에서 5GHz 사이의 대역 조정
라디오 비활성화 또는 변환(즉, 일부 AP에서 2.4GHz 라디오 끄기)

Mist AP는 무선 주파수 이벤트와 데이터를 지속적으로 Mist 클라우드로 전송하며, 여기서 RRM 최적화 알고리즘은 정보를 분석하여 변경 사항을 식별하고 조정합니다. 각 AP가 Mist 클라우드로 보내는 데이터의 양은 메가바이트나 기가바이트가 아닌 킬로바이트 정도로 적습니다.

또한 Mist 클라우드에서 RRM은 지난 30일 동안의 사이트에 대한 과거 데이터를 집계하여 장기적인 추세를 파악합니다. Mist 포털은 매일 밤 오전 3:00경에 관련 AP로 업데이트를 다시 보냅니다(정확한 시간은 다름. 업데이트는 자동이며 구성할 수 없음). Mist의 지속적인 강화 학습 시스템은 무선 설정을 동적으로 조정하여 사용자 경험을 이상적인 조건으로 유지합니다. 예를 들어, 일반적인 드리프트 문제를 해결하기 위해 Wi-Fi 네트워크의 균형을 수동으로 재조정할 필요가 없습니다.

AP의 일부 무선 조정은 로컬에서 이루어지며 심각한 이벤트에 즉시 대응합니다. 여기에는 레이더 탐지를 위한 채널 변경, Wi-Fi 및 비 Wi-Fi 간섭 조정, 오프라인이 되는 인접 AP에 대한 응답으로 신호 강도 증가 등이 포함됩니다. 이러한 변경은 AP에 따라 다르고 실시간으로 발생하지만 트리거 이벤트의 기록은 여전히 일일 데이터의 일부로 Mist 클라우드로 전송됩니다. 이러한 이벤트는 주기적이지만 반복되는 문제를 방지하기 위해 장기 패턴 분석에 포함됩니다.

Mist 포털(Site > Radio Management)의 무선 관리 대시보드에서 그림 1에 나와 있는 무선 네트워크의 스냅샷과 AP 이벤트 목록을 볼 수 있습니다.

그림 1: 무선 관리 대시보드 The Radio Management Dashboard

RRM은 클라이언트 수, 클라이언트 사용량, 간섭 등 무선 용량 SLE 의 주요 요소를 고려하여 커버리지를 개선하고 용량을 최적화합니다. Mist RRM은 용량 SLE가 충족되지 않을 때 자동으로 AP 전력을 조정하거나 무선 채널을 변경할 수 있습니다. 업데이트를 적용한 후에도 Mist는 용량 SLE를 지속적으로 모니터링하여 변경으로 인해 측정 가능한 개선이 이루어졌는지 확인할 것입니다.

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 없었다면 무선 네트워크는 거의 관리하기 어려웠을 것입니다.

WiFi 및 비 WiFi 간섭(무선 신호 간섭)으로 인해 클라이언트와 AP가 무기한 전송을 일시 중지합니다.
관리되지 않는 AP 전송 전력은 커버리지 갭, 신호-잡음비(SNR) 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 저하되어 성능이 저하됩니다.

주니퍼 Mist RRM 작동 방식

모든 주니퍼 Mist 액세스 포인트(AP)에 내장된 전용 스캐닝 라디오를 사용하여 Mist RRM은 매일 용량, 사용량 및 간섭 요인을 측정하고 계산합니다. RRM은 이러한 계산과 측정값을 사용자 시간이라고도 하는 사용자의 네트워크 경험에 대한 참조로 사용합니다. RRM은 이 데이터를 최대 30일 동안 저장하여 장기적인 추세 기준을 생성합니다. RRM은 무선 사이트 유지 관리 어그리게이터와 수동 설정 수정을 사용하여 다음과 같은 방법으로 무선 환경의 단점을 조정하거나 개선 기회를 활용할 수 있습니다.

과밀 또는 간섭이 발생하기 쉬운 채널에 대응하기 위해 자동 채널 전환(ACS)을 사용
자동 전력 조정을 사용하여 AP 전력 출력을 증가 또는 감소(클라이언트 경험에 기반)
채널폭을 늘리거나 줄여 처리량 향상
자동 취소를 사용하여 네트워크의 특정 AP에서 2.4GHz 무선 비활성화
자동 변환을 사용하여 듀얼 밴드 지원 라디오를 2.4GHz 작동에서 5GHz 작동으로 변환

Mist RRM—사이트의 무선 네트워크에 있는 이벤트 및 환경 데이터는 평가를 위해 사이트 AP를 통해 Mist 클라우드로 전송됩니다. Mist는 수신된 정보에서 장기적인 클라우드 기반 추세 데이터를 수집하여 사이트의 무선 용량 SLE 와 비교합니다. 비교를 통해 사이트의 무선 대역 구성 변경이 유익한지 판단하는 데 도움이 됩니다. Mist 대역 제어 기능을 통해 다음을 자동으로 변경할 수 있습니다.

AP 채널 할당
동적 주파수 선택(DFS)
AP 브로드캐스트 전원 설정
밴드 제어

Mist RRM이 채널을 변경할 때는 현재 환경뿐만 아니라 과거의 지식을 기반으로 채널을 변경합니다. 현재 환경으로 인해 특정 채널의 사용이 좋아 보이더라도 Mist는 해당 채널에서 공동 채널 간섭 또는 기타 문제가 발생했는지 기억합니다. 그렇다면 RRM은 해당 채널의 우선 순위를 줄이고 영향을 받는 AP에 대해 다른 채널을 선택합니다.

AP가 레이더 신호를 감지하면 AP는 즉시 다른 채널로 이동합니다. 이것은 DFS로 알려져 있으며 다른 무선(5GHz) 송신기에 의한 레이더 신호와의 간섭을 줄이기 위한 것입니다. 채널 변경은 무선 클라이언트에 지장을 줄 수 있으며 AP가 이동하는 채널의 과밀로 이어질 수 있습니다.

DFS의 영향을 줄이기 위해 AP는 모든 레이더 이벤트를 Mist 클라우드로 보냅니다. 클라우드에는 AP가 레이더 신호를 감지한 채널을 포함한 이벤트 데이터가 저장됩니다. 시간이 지남에 따라 RRM은 어떤 AP가 어떤 채널에서 가장 많은 레이더를 보는지 학습합니다. 이 학습을 기반으로 RRM은 사이트에서 가장 큰 영향을 받는 AP가 레이더 히트가 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.

주니퍼 Mist RRM은 AP 라디오의 전력 출력을 조정할 수 있습니다. RRM 인접 AP의 브로드캐스트 전력을 증가시켜 이웃 AP의 손실을 보상할 수 있습니다. RRM 감소가 커버리지에 영향을 미치지 않는 경우에만 AP의 전력을 줄입니다.

RRM은 5GHz 및 6GHz 무선 대역에 대한 채널 폭을 조정할 수 있습니다. 2.4GHz 라디오는 20MHz 와이드 채널에서만 작동할 수 있습니다. 채널 본딩을 사용하여 5GHz 라디오는 20, 40 또는 80MHz 와이드 채널에서 작동할 수 있습니다. 또한 6GHz 라디오는 20, 40, 80, 160 또는 320MHz 와이드 채널(국가에 따라 다름)에서 작동할 수 있습니다. 채널이 넓을수록 더 많은 잠재적 처리량을 사용할 수 있습니다.

클라우드 기반 무선 사이트 유지 관리 애그리게이터 는 활성 클라이언트 시간 및 트래픽 메트릭(전송 및 수신)을 포함한 사이트 트래픽 데이터를 활용하여 트래픽이 가장 적은 각 무선 사이트의 시간을 식별합니다. 이를 통해 트래픽이 적은 기간에 사이트에서 네트워크 유지 보수 또는 정책 업데이트를 일정에 맞출 수 있습니다. 애그리게이터는 통계적 방법의 조합을 사용하여 예측을 계산하여 효율적인 사이트 유지 관리를 보장합니다.

어그리게이터는 다음 기능을 수행합니다.

과거 데이터를 기반으로 예측: 어그리게이터는 14일간의 과거 트래픽 데이터의 이동 기간을 사용하여 각 사이트에서 가장 적은 활성 시간을 예측합니다.
대규모 데이터 집계: 이 솔루션은 수천 개의 무선 사이트에서 활성 클라이언트 시간(분), 전송된 바이트, 수신된 바이트와 같은 메트릭을 집계하여 대규모 데이터를 처리합니다. 그런 다음 중앙값은 사이트 간 트래픽 패턴의 변화를 설명하기 위해 사이트별로 정규화됩니다.
가장 낮은 활동 시간 예측: 가중 활동 점수는 활성 클라이언트 시간(분), 전송된 바이트 및 수신된 바이트의 조합인 정규화된 중앙값을 사용하여 생성됩니다. 각 사이트에 대해 가장 낮은 활동 시간(가중 활동 점수 기준)이 식별됩니다.
신뢰도 점수: 신뢰도 점수는 예측의 신뢰성을 결정하기 위해 계산됩니다. 일일 계절성(예측 가능한 트래픽 패턴)이 강한 사이트는 신뢰도가 더 높습니다.
매장 사이트 활동 예측: 각 사이트의 예상 현지 시간은 주니퍼 Mist 클라우드에 저장되어 스케줄링 시스템이 빠르게 액세스할 수 있도록 합니다.

6GHz 대역에 대한 채널 할당

기본적으로 RRM은 하위 집합을 수동으로 선택하지 않는 한 선호 스캐닝 채널(PSC)과 비PSC가 있는 6GHz 무선 대역을 할당합니다. 실제로 우리의 경험에 따르면 클라이언트는 감소된 이웃 보고서 또는 11k 이웃 보고서와 같은 대역 외 메커니즘을 사용하여 비PSC를 발견할 수 있습니다.

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

20MHz 및 40MHz 폭의 경우 허용되는 모든 채널(PSC 및 비PSC)이 기본 채널로 사용됩니다.
80MHz 및 160MHz 폭의 경우 PSC 채널이 기본 채널로 사용됩니다.

RRM은 불필요한 2.4GHz 무선 연결을 꺼서 네트워크 대역을 제어하여 공동 채널 간섭을 줄일 수 있습니다. 다시 말하지만, RRM은 사이트의 무선 스펙트럼에 대한 지식을 사용하여 2.4GHz 라디오를 끄는 것이 사용자 경험이 개선될 수 있는 시기와 여부를 결정합니다.

Mist RRM은 결코 변경을 위한 변경을 하지 않습니다. 특정 사이트의 용량 SLE가 90% 이상인 경우 변경을 통해 얻을 수 있는 이점이 많지 않으므로 RRM은 변경을 수행하지 않습니다. 또한 변경이 필요하지만 RRM에서 긍정적인 변화를 만들 수 없는 경우 추가적인 조사가 필요한 환경이 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 라디오를 자동으로 비활성화합니다.	듀얼 밴드 지원 라디오를 5GHz 동작으로 자동 변환
방송 라디오 수를 줄여 2.4GHz 대역에서 공동 채널 간섭을 줄입니다.	방송 라디오 수를 줄여 2.4GHz 스펙트럼에서 공동 채널 간섭을 줄입니다.
2.4GHz 대역에서 성능을 향상시킵니다.	2.4GHz 대역에서 성능을 향상시킵니다.
해당 라디오를 제거해도 인접 AP가 보상을 위해 전송 전력을 늘리지 않는 경우에만 2.4GHz 라디오를 끕니다.	2.4GHz 네트워크에서 해당 라디오를 제거해도 인접 AP가 보상을 위해 전송 전력을 늘리지 않는 경우에만 2.4GHz 라디오를 변환합니다.
2.4GHz 라디오의 일반적인 취소율은 약 40%입니다. 자동 취소는 지정된 사이트에서 2.4GHz 무선 전송의 50% 이상을 제거하지 않습니다.	2.4GHz 무선 전기의 일반적인 전환율은 약 40%입니다. 자동 변환은 특정 사이트에서 2.4GHz 무선 전송의 50% 이상을 제거하지 않습니다.
모든 주니퍼 Mist AP에서 지원	AP43, AP45, AP63 모델에서만 지원
	다른 방송 라디오를 추가하여 5GHz 대역에서 커버리지 확대

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

반면에 많은 미션 크리티컬 디바이스가 2.4GHz에서만 실행되는 덜 밀집된 환경에서는 이러한 기능을 비활성화할 수 있습니다.

듀얼 5GHz 작동

AP43, AP45, AP47 또는 AP63이 듀얼 5GHz 모드에서 작동하면 라디오가 5GHz 대역을 분할하고 특정 범위의 채널에 고정됩니다. 표 2를 참조하십시오.

표 2: 무선 작동 및 사용 가능한 채널
무선 모드	듀얼 밴드 라디오(2.4GHz)	듀얼 밴드 라디오(5GHz)	5GHz 라디오
듀얼 밴드 모드	모든 2.4GHz 채널	해당 없음	모든 5GHz 채널
듀얼 5GHz 모드(AP43 및 AP63)	해당 없음	채널 100-165	채널 36-64
듀얼 5GHz 모드(AP45 및 AP47)	해당 없음	채널 36-64	채널 100-165

메모:

자동 변환 또는 듀얼 5GHz를 사용할 때 5GHz 채널 폭을 20MHz로 설정하는 것이 좋습니다. 20MHz 폭을 사용하면 사용 중인 5GHz 라디오 수를 최대화하는 동시에 공동 채널 간섭을 최소화하는 데 도움이 됩니다.

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