5G 및 새로운 6G 시험베드는 신뢰할 수 있고 재현 가능한 네트워크 성능 평가를 가능하게 하기 위해 분석해야 하는 많은 양의 타임스탬프 측정 데이터를 생성합니다. 주요 문제는 원래 5GENESIS 분석 모듈이 InfluxDB v1을 위해 설계되어 InfluxDB v2 환경에서의 호환성 문제를 야기하며, 특히 인증 및 쿼리 인터페이스와 관련이 있습니다. 이 논문에서는 기존 REST 인터페이스와 워크플로우를 유지하면서 InfluxDB v2에서 작동하도록 5GENESIS 분석 모듈을 현대화하고, KPI 시계열 데이터에서 네트워크 성능을 예측하기 위한 오프라인 LSTM 기반 접근 방식을 평가합니다. 이 문제는 토큰 기반 인증, Flux 기반 데이터 검색 및 개선된 메타데이터 처리를 통해 데이터 핸들러를 업그레이드하고, 내보낸 실험 데이터 세트에서 LSTM 모델을 훈련시켜 해결됩니다. 결과는 InfluxDB v2에서 분석 스택의 안정적인 작동과 대시보드, 데이터 핸들러 API 및 Grafana 전반에 걸쳐 일관된 값을 보여줍니다. 예측 워크플로우는 LSTM 모델이 전반적인 시계열 경향을 포착하고 처리량 및 대기 시간과 같은 지표에 대해 의미 있는 예측을 제공할 수 있음을 보여주지만, 단기적인 급등은 종종 완만해지는 경향이 있습니다.
Hanan et al. (Thu,)은 이 질문을 연구했습니다.