部分是在一些國外開源組織的影響下，開放光網絡成為光網絡行業近年來探討的熱點話題。運營商也啟動了相關工作，研究光網絡具體環節的開放解耦工作。
近日，Infinera博客發布一篇文章，介紹了今年5月研究機構Heavy Reading與Infinera、Ciena、富士通和Juniper四家光設備商合作，面向全球運營商（78家）做了一項針對開放、自動化和可編程傳輸網絡的調查。作者精選了其中5個典型問題，以反映運營商對開放光網絡的現狀和期望。
問題1：您需要光層的哪些功能？
(相關資料圖)
一個非常好的消息是，很少有運營商把光網絡看作是傳輸流量的啞管道。運營商強烈要求以靈活和動態的方式在任何路徑上遠程移動容量，并以最少的現場連接激活新服務。軟件自動化解決方案最為重要，它允許在需要的時候和地點遠程激活預部署的硬件，并以成本效益的方式在網絡上移動容量。
問題2：何時部署開放線路系統（OLS）？
根據調查結果，到2023年底，一半的運營商預計將在開放線路系統上部署分解轉發器。這在網絡自動化方面意味著什么？我們都聽到運營商對多廠商光網絡的運營復雜性表示擔憂。軟件和自動化解決方案是克服這些困難的關鍵。從調查來看，運營商對開源解耦系統表達了較為明確的意向。
問題3：開放光網絡的最重要驅動因素是什么？
鑒于運營商在新需求以及成本與收入方面面臨的挑戰，排名第一的回答（優化網絡容量和光纖利用率）是一個很自然的問題。另一個被強調的話題是，在轉向開放網絡時，需要保持端到端的網絡可視性，并整合網絡庫存。
問題4：使用什么類型的工具來規劃開放光網絡上的服務？
雖然受訪者明顯傾向于多廠商規劃工具，但他們更傾向于由設備廠商開發的解決方案，而不是基于開源軟件的工具。在作者與服務提供商的討論中，他們希望對網絡規劃過程及其結果有明確的責任和義務，這在使用社區開發的工具時是比較難得到的。
問題5：在開放光網絡中，哪些方面將從機器學習中獲益最大？
機器學習能力早已被引入電信網絡，用于預測網絡性能的變化，以及網絡設計和業務規劃。在這項調查中，預測流量增長尤其受到光網絡專家受訪者的青睞。可以看到機器學習在開放網絡中的多個環節有望發揮價值，但沒有得到壓倒性的認同。
責任編輯：侯亞麗
分享到：版權聲明：凡注明來源“流媒體網”的文章，版權均屬流媒體網所有，轉載需注明出處。非本站出處的文章為轉載，觀點供業內參考，不代表本站觀點。文中圖片均來源于網絡收集整理，僅供學習交流，版權歸原作者所有。如涉及侵權，請及時聯系我們刪除!
