Automatic enablement of management data collection

Abstract

Example embodiments of the present disclosure are directed to automatic enablement of management data collection. A method comprises receiving an analytic request from a second apparatus, wherein the analytic request comprises configuration information indicating at least one condition for activating a management data collection session in a communication network; based on the analytic request comprising the at least one condition, transmitting to a third apparatus, a prediction request to request for predicting an abnormal network condition in the communication network; receiving a prediction report from the third apparatus, wherein the prediction report comprises an indication of whether the management data collection is to be enabled; based on the prediction report indicating that the management data collection is to be enabled, detecting whether the at least one condition is satisfied; and based on a detection that the at least one condition is satisfied, activating the management data collection session.

Description

AUTOMATIC ENABLEMENT OF MANAGEMENT DATA COLLECTIONFIELD

[0001] Various example embodiments of the present disclosure generally relate to the field of telecommunication and in particular, to methods, devices, apparatuses and computer readable storage medium for automatic enablement of management data collection.BACKGROUND

[0002] As the communication network continues to expand, more and more issues may arise in mobile communications. To pinpoint the problems encountered in complex networks, the functionality of management data collection, especially the functionality of tracing has been proposed. For example, it has been defined how to do the trace control and create trace jobs, and the detailed information of trace control and trace job activation. Currently MnS consumer may manually create the TraceJob instance to activate the trace session. The objective of enabling tracing is to identify the network anomaly or fault and resolve the issues efficiently.SUMMARY

[0003] In a first aspect of the present disclosure, there is provided a first apparatus. The first apparatus comprises at least one processor; and at least one memory storing instructions that, when executed by the at least one processor, cause the first apparatus at least to perform: receiving an analytic request from a second apparatus, wherein the analytic request comprises configuration information indicating at least one condition for activating a management data collection session in a communication network; based on the analytic request comprising the at least one condition, transmitting, to a third apparatus, a prediction request to request for predicting an abnormal network condition in the communication network; receiving a prediction report from the third apparatus, wherein the prediction report comprises an indication of whether the management data collection is to be enabled; based on the prediction report indicating that the management data collection is to be enabled, detecting whether the at least one condition is satisfied; and based on a detection that the at least one condition is satisfied, activating the management  data collection session for the communication network.

[0004] In a second aspect of the present disclosure, there is provided a second apparatus. The second apparatus comprises at least one processor; and at least one memory storing instructions that, when executed by the at least one processor, cause the second apparatus at least to perform: transmitting an analytic request to a first apparatus, wherein the analytic request comprises configuration information indicating at least one condition for activating a management data collection session in a communication network; and receiving an analytic response to the analytic request from the first apparatus.

[0005] In a third aspect of the present disclosure, there is provided a third apparatus. The third apparatus comprises at least one processor; and at least one memory storing instructions that, when executed by the at least one processor, cause the third apparatus at least to perform: receiving, from a first apparatus, a prediction request to request for predicting an abnormal network condition in a communication network; in response to the prediction request, performing prediction of an abnormal network condition in the communication network based on current and historical management data collected in the communication network; transmitting, to the first apparatus, a prediction report, wherein the prediction report comprises an indication of whether management data collection is to be enabled in the communication network.

[0006] In a fourth aspect of the present disclosure, there is provided a method. The method comprises: receiving, by a first apparatus, an analytic request from a second apparatus, wherein the analytic request comprises configuration information indicating at least one condition for activating a management data collection session in a communication network; based on the analytic request comprising the at least one condition, transmitting to a third apparatus, a prediction request to request for predicting an abnormal network condition in the communication network; receiving a prediction report from the third apparatus, wherein the prediction report comprises an indication of whether the management data collection is to be enabled; based on the prediction report indicating that the management data collection is to be enabled, detecting whether the at least one condition is satisfied; and based on a detection that the at least one condition is satisfied, activating the management data collection session for the communication network.

[0007] In a fifth aspect of the present disclosure, there is provided a method. The  method comprises: transmitting, by a second apparatus, an analytic request to a first apparatus, wherein the analytic request comprises configuration information indicating at least one condition for activating a management data collection session in a communication network; and receiving an analytic response to the analytic request from the first apparatus.

[0008] In a sixth aspect of the present disclosure, there is provided a method. The method comprises: receiving, , by a third apparatus and from a first apparatus, a prediction request to request for predicting an abnormal network condition in a communication network; in response to the prediction request, performing prediction of an abnormal network condition in the communication network based on current and historical management data collected in the communication network; transmitting, to the first apparatus, a prediction report, wherein the prediction report comprises an indication of whether management data collection is to be enabled in the communication network.

[0009] In a seventh aspect of the present disclosure, there is provided a first apparatus. The first apparatus comprises means for receiving an analytic request from a second apparatus, wherein the analytic request comprises configuration information indicating at least one condition for activating a management data collection session in a communication network; means for based on the analytic request comprising the at least one condition, transmitting to a third apparatus, a prediction request to request for predicting an abnormal network condition in the communication network; means for receiving a prediction report from the third apparatus, wherein the prediction report comprises an indication of whether the management data collection is to be enabled; means for based on the prediction report indicating that the management data collection is to be enabled, detecting whether the at least one condition is satisfied; and means for based on a detection that the at least one condition is satisfied, activating the management data collection session for the communication network.

[0010] In an eighth aspect of the present disclosure, there is provided a second apparatus. The second apparatus comprises means for transmitting an analytic request to a first apparatus, wherein the analytic request comprises configuration information indicating at least one condition for activating a management data collection session in a communication network; and means for receiving an analytic response to the analytic request from the first apparatus.

[0011] In a ninth aspect of the present disclosure, there is provided a third apparatus. The third apparatus comprises means for receiving, from a first apparatus, a prediction request to request for predicting an abnormal network condition in a communication network; means for in response to the prediction request, performing prediction of an abnormal network condition in the communication network based on current and historical management data collected in the communication network; means for transmitting, to the first apparatus, a prediction report, wherein the prediction report comprises an indication of whether management data collection is to be enabled in the communication network.

[0012] In a tenth aspect of the present disclosure, there is provided a computer readable medium. The computer readable medium comprises instructions stored thereon for causing an apparatus to perform at least the method according to the fourth aspect.

[0013] In an eleventh aspect of the present disclosure, there is provided a computer readable medium. The computer readable medium comprises instructions stored thereon for causing an apparatus to perform at least the method according to the fifth aspect.

[0014] In a twelfth aspect of the present disclosure, there is provided a computer readable medium. The computer readable medium comprises instructions stored thereon for causing an apparatus to perform at least the method according to the sixth aspect.

[0015] It is to be understood that the Summary section is not intended to identify key or essential features of embodiments of the present disclosure, nor is it intended to be used to limit the scope of the present disclosure. Other features of the present disclosure will become easily comprehensible through the following description.BRIEF DESCRIPTION OF THE DRAWINGS

[0016] Some example embodiments will now be described with reference to the accompanying drawings, where:

[0017] FIG. 1 illustrates an example communication environment in which example embodiments of the present disclosure can be implemented;

[0018] FIG. 2 illustrates a signaling flow for automatic enablement of management data collection in accordance with some example embodiments of the present disclosure;

[0019] FIG. 3 illustrates a high level architecture for ATE in accordance with some example embodiments of the present disclosure;

[0020] FIG. 4 illustrates a signaling flow for ATE in accordance with some example embodiments of the present disclosure;

[0021] FIG. 5 illustrates a flowchart of a method implemented at a first apparatus in accordance with some example embodiments of the present disclosure;

[0022] FIG. 6 illustrates a flowchart of a method implemented at a second apparatus in accordance with some example embodiments of the present disclosure;

[0023] FIG. 7 illustrates a flowchart of a method implemented at a third apparatus in accordance with some example embodiments of the present disclosure;

[0024] FIG. 8 illustrates a simplified block diagram of a device that is suitable for implementing example embodiments of the present disclosure; and

[0025] FIG. 9 illustrates a block diagram of an example computer readable medium in accordance with some example embodiments of the present disclosure.

[0026] Throughout the drawings, the same or similar reference numerals represent the same or similar element.DETAILED DESCRIPTION

[0027] Principle of the present disclosure will now be described with reference to some example embodiments. It is to be understood that these embodiments are described only for the purpose of illustration and help those skilled in the art to understand and implement the present disclosure, without suggesting any limitation as to the scope of the disclosure. Embodiments described herein can be implemented in various manners other than the ones described below.

[0028] In the following description and claims, unless defined otherwise, all technical and scientific terms used herein have the same meaning as commonly understood by one of ordinary skills in the art to which this disclosure belongs.

[0029] References in the present disclosure to “one embodiment, ” “an embodiment, ” “an example embodiment, ” and the like indicate that the embodiment described may include a particular feature, structure, or characteristic, but it is not necessary that every embodiment includes the particular feature, structure, or characteristic. Moreover, such phrases are not necessarily referring to the same embodiment. Further, when a particular feature, structure, or characteristic is described in connection with an embodiment, it is  submitted that it is within the knowledge of one skilled in the art to affect such feature, structure, or characteristic in connection with other embodiments whether or not explicitly described.

[0030] It shall be understood that although the terms “first, ” “second, ” …, etc. in front of noun (s) and the like may be used herein to describe various elements, these elements should not be limited by these terms. These terms are only used to distinguish one element from another and they do not limit the order of the noun (s) . For example, a first element could be termed a second element, and similarly, a second element could be termed a first element, without departing from the scope of example embodiments. As used herein, the term “and / or” includes any and all combinations of one or more of the listed terms.

[0031] As used herein, “at least one of the following: <a list of two or more elements>” and “at least one of <a list of two or more elements>” and similar wording, where the list of two or more elements are joined by “and” or “or” , mean at least any one of the elements, or at least any two or more of the elements, or at least all the elements.

[0032] As used herein, unless stated explicitly, performing a step “in response to A” does not indicate that the step is performed immediately after “A” occurs and one or more intervening steps may be included.

[0033] The terminology used herein is for the purpose of describing particular embodiments only and is not intended to be limiting of example embodiments. As used herein, the singular forms “a” , “an” and “the” are intended to include the plural forms as well, unless the context clearly indicates otherwise. It will be further understood that the terms “comprises” , “comprising” , “has” , “having” , “includes” and / or “including” , when used herein, specify the presence of stated features, elements, and / or components etc., but do not preclude the presence or addition of one or more other features, elements, components and / or combinations thereof.

[0034] As used in this application, the term “circuitry” may refer to one or more or all of the following:

[0035] (a) hardware-only circuit implementations (such as implementations in only analog and / or digital circuitry) and

[0036] (b) combinations of hardware circuits and software, such as (as applicable) :

[0037] (i) a combination of analog and / or digital hardware circuit (s) with  software / firmware and

[0038] (ii) any portions of hardware processor (s) with software (including digital signal processor (s) ) , software, and memory (ies) that work together to cause an apparatus, such as a mobile phone or server, to perform various functions) and

[0039] (c) hardware circuit (s) and or processor (s) , such as a microprocessor (s) or a portion of a microprocessor (s) , that requires software (e.g., firmware) for operation, but the software may not be present when it is not needed for operation.

[0040] This definition of circuitry applies to all uses of this term in this application, including in any claims. As a further example, as used in this application, the term circuitry also covers an implementation of merely a hardware circuit or processor (or multiple processors) or portion of a hardware circuit or processor and its (or their) accompanying software and / or firmware. The term circuitry also covers, for example and if applicable to the particular claim element, a baseband integrated circuit or processor integrated circuit for a mobile device or a similar integrated circuit in server, a cellular network device, or other computing or network device.

[0041] As used herein, the term “communication network” refers to a network following any suitable communication standards, such as New Radio (NR) , Long Term Evolution (LTE) , LTE-Advanced (LTE-A) , Wideband Code Division Multiple Access (WCDMA) , High-Speed Packet Access (HSPA) , Narrow Band Internet of Things (NB-IoT) and so on. Furthermore, the communications between a terminal device and a network device in the communication network may be performed according to any suitable generation communication protocols, including, but not limited to, the first generation (1G) , the second generation (2G) , 2.5G, 2.75G, the third generation (3G) , the fourth generation (4G) , 4.5G, the fifth generation (5G) , 5.5G, the sixth generation (6G) communication protocols, and / or any other protocols either currently known or to be developed in the future. Embodiments of the present disclosure may be applied in various communication systems. Given the rapid development in communications, there will of course also be future type communication technologies and systems with which the present disclosure may be embodied. It should not be seen as limiting the scope of the present disclosure to only the aforementioned system.

[0042] As used herein, the term “network device” refers to a node in a communication network via which a terminal device accesses the network and receives services therefrom. The network device may refer to a base station (BS) or an access point (AP) , for example, a node B (NodeB or NB) , an evolved NodeB (eNodeB or eNB) , an NR NB (also referred to as a gNB) , a Remote Radio Unit (RRU) , a radio header (RH) , a remote radio head (RRH) , a relay, an Integrated Access and Backhaul (IAB) node, a low power node such as a femto, a pico, a non-terrestrial network (NTN) or non-ground network device such as a satellite network device, a low earth orbit (LEO) satellite and a geosynchronous earth orbit (GEO) satellite, an aircraft network device, and so forth, depending on the applied terminology and technology. In some example embodiments, radio access network (RAN) split architecture comprises a Centralized Unit (CU) and a Distributed Unit (DU) at an IAB donor node. An IAB node comprises a Mobile Terminal (IAB-MT) part that behaves like a UE toward the parent node, and a DU part of an IAB node behaves like a base station toward the next-hop IAB node.

[0043] The term “terminal device” refers to any end device that may be capable of wireless communication. By way of example rather than limitation, a terminal device may also be referred to as a communication device, user equipment (UE) , a Subscriber Station (SS) , a Portable Subscriber Station, a Mobile Station (MS) , or an Access Terminal (AT) . The terminal device may include, but not limited to, a mobile phone, a cellular phone, a smart phone, voice over IP (VoIP) phones, wireless local loop phones, a tablet, a wearable terminal device, a personal digital assistant (PDA) , portable computers, desktop computer, image capture terminal devices such as digital cameras, gaming terminal devices, music storage and playback appliances, vehicle-mounted wireless terminal devices, wireless endpoints, mobile stations, laptop-embedded equipment (LEE) , laptop-mounted equipment (LME) , USB dongles, smart devices, wireless customer-premises equipment (CPE) , an Internet of Things (IoT) device, a watch or other wearable, a head-mounted display (HMD) , a vehicle, a drone, a medical device and applications (e.g., remote surgery) , an industrial device and applications (e.g., a robot and / or other wireless devices operating in an industrial and / or an automated processing chain contexts) , a consumer electronics device, a device operating on commercial and / or industrial wireless networks, and the like. The terminal device may also correspond to a Mobile Termination (MT) part of an IAB node (e.g., a relay node) . In the following description, the terms “terminal device” , “communication device” , “terminal” , “user equipment” and “UE” may be used  interchangeably.

[0044] As used herein, the term “resource, ” “transmission resource, ” “resource block, ” “physical resource block” (PRB) , “uplink resource, ” or “downlink resource” may refer to any resource for performing a communication, for example, a communication between a terminal device and a network device, such as a resource in time domain, a resource in frequency domain, a resource in space domain, a resource in code domain, or any other combination of the time, frequency, space and / or code domain resource enabling a communication, and the like. In the following, unless explicitly stated, a resource in both frequency domain and time domain will be used as an example of a transmission resource for describing some example embodiments of the present disclosure. It is noted that example embodiments of the present disclosure are equally applicable to other resources in other domains.

[0045] FIG. 1 illustrates a schematic diagram of an example communication environment 100 in which example embodiments of the present disclosure can be implemented. In the communication environment 100, a network entity (for example, management function entity (management function, MnF) ) may be connected to the base station through an interface. In some example embodiments, a network entity may also be connected to the core network through an interface. The network entity may have connected to a communication network 105.

[0046] As shown in FIG. 1, a plurality of network entities, including producers 110-1, 110-2, …, 110-N and consumers 120-1, 120-2, …, 120-N, may communicate with each other. A producer or a consumer may be considered as a network entity or function. For ease of discussion, producers 110-1, 110-2, …, 110-N may be collectively or individually referred to as producers 110, and MnS consumers 120-1, 120-2, …, 120-N may be collectively or individually referred to as consumers 120. A producer 110 may provide a specific service, while a consumer 120 may consume the service provisioned by the producer.

[0047] MnF is a network management entity defined by the 3rd generation partnership project (3GPP) . Its externally visible behaviors and interfaces are defined as management services. In a service-giving management architecture, MnF may play the role of a management service producer (producer of MnS) or a management service consumer (consumer of MnS) . MnF may also play the roles of both management service producer  and management service consumer.

[0048] One or more producers 110 may be configured to perform a management service of collecting management data (e.g., tracing data) from communication network 105. In some examples, the management service may include a tracing service for tracing in the communication network 105. One or more consumers 120 may consume the management service of the producers 110. Such a producer 110 may be referred to as a MnS producer, while such a consumer may be referred to as a MnS consumer.

[0049] In some embodiments, the management services produced by the management service producer of MnF may have multiple consumers. MnF may consume multiple management services from one or more management service producers. In other words, the management service producer played by MnF may manage multiple management service consumers and may also obtain management information from multiple management service consumers.

[0050] It is to be understood that the number of the producers, the consumers and their connections shown in FIG. 1 are only for the purpose of illustration without suggesting any limitation. The communication environment 100 may include any suitable number of producers and consumers configured to implementing example embodiments of the present disclosure. Although not shown, it would be appreciated that one or more additional producers and / or consumers may be deployed in the communication environment 100.

[0051] Communications in the communication environment 100 may be implemented according to any proper communication protocol (s) , comprising, but not limited to, cellular communication protocols, wireless local network communication protocols such as Institute for Electrical and Electronics Engineers (IEEE) 802.11 and the like, and / or any other protocols currently known or to be developed in the future. Moreover, the communication may utilize any proper wireless communication technology, comprising but not limited to: Code Division Multiple Access (CDMA) , Frequency Division Multiple Access (FDMA) , Time Division Multiple Access (TDMA) , Frequency Division Duplex (FDD) , Time Division Duplex (TDD) , Multiple-Input Multiple-Output (MIMO) , Orthogonal Frequency Division Multiple (OFDM) , Discrete Fourier Transform spread OFDM (DFT-s-OFDM) and / or any other technologies currently known or to be developed in the future.

[0052] As the communication network continues to expand, more and more issues may arise in mobile communications. To pinpoint the problems encountered in complex networks, the functionality of management data collection, especially the functionality of tracing has been proposed. For example, it has been defined how to do the trace control and create trace jobs, and the detailed information of trace control and trace job activation. Currently MnS consumer may manually create the TraceJob instance to activate the trace session.

[0053] The objective of enabling tracing is to identify the network anomaly or fault and resolve the issues efficiently. Currently, there is a use case regarding the fault prediction in MDA, with this capacity, prediction of faults can be performed indicating the severity of the failure and optionally with a recommended recovery action (s) . Currently, the anomaly or fault prediction and recovery mainly depend on the fault management (FM) , performance management (PM) , and alarm-related logs. There is no automatic method to enable trace collection to improve the accuracy of anomaly or fault recovery.

[0054] Currently the management data collection enablement (e.g., tracing enablement) is manually conducted by a MnS consumer. There is a dilemma situation when encountering problems in a real environment. It is not feasible to enable the management data collection (e.g., tracing) continuously all the time as it impacts the product performance, on the other hand, starting the traces after the occurrence of the problem often proves too late to identify the root cause of the problem. Sometimes there is very limited effective information in the log without enabling tracing.

[0055] Here take the support process of unified data management (UDM) product customer as one example.

[0056] 1. Customer sites experience a call failure for one subscriber registration (e.g., UDM network function, NF) .

[0057] 2. The issue is created with ticket and reported to research and development (R&D) department one day later.

[0058] 3. The R&D is involved and manually requests tracing for an issue message flow, which will take one more day.

[0059] 4. The customer may collect trace depending on whether the issue can be reproduced or not, which make take one to five days (or even more) depending on when  the call failure happens again.

[0060] 5. Usually the failure will not always happen, that means the trace session cannot be enabled in advance, so the customer and R&D may need to pay extra efforts to reproduce the issue in local environment.

[0061] 6. Once all the required tracing data collected, the R&D may conduct analysis and try to find a solution to address the failure.

[0062] In summary, the tracing data collection takes a longer duration for customer issue identification and debugging considering below key factors. First, enabling trace log collection in advance is not feasible because nobody knows when the fault will occur. Second, keeping the trace collection enabled all the time may be a waste of resources.

[0063] So far, there is no use case or solution in the communication systems regarding how to apply trace automatic enablement and automatically perform analytics based on anomaly prediction or fault prediction.

[0064] In example embodiments of the present disclosure, it provides a solution for automatic enablement for management data collection based on prediction of an abnormal network condition (e.g., anomaly prediction and / or fault prediction) . In this solution, an analytic request for a management data collection session comprises configuration information indicating at least one condition for activating in the session in the communication network. In response to such configuration information, prediction of an abnormal network condition is conducted in the communication network. The abnormal network condition may be a network anomaly or a network fault. In this case, automatic activation of the management data collection can be enabled based on a detection that the at least one condition is satisfied, when an anormal network condition is predicted to be occurred (before the fault or anomaly occurs in the communication network) . If the at least one condition is satisfied, the management data collection session is automatically activated for the communication network. In some example embodiments, if any detected abnormal network condition is addressed, the management data collection session may be automatically deactivated for the communication network.

[0065] Through the above solution, it may enable quickly start of the management data collection automatically in advance when assessing any potential issues in the software environment; by extending management data analysis capability, it may enhance the  anomaly or fault prediction with recommendation actions to automatically enable the management data collection.

[0066] Example embodiments of the present disclosure will be described in detail below with reference to the accompanying drawings.

[0067] FIG. 2 illustrates a signaling flow 200 for automatic enablement of management data collection in accordance with some example embodiments of the present disclosure. The signaling flow 200 involves a first apparatus 255, a second apparatus 250, a third apparatus 260 and a data lake 265. For purpose of illustration, the signaling flow 200 will be described with respect to FIG. 1.

[0068] Each of the first apparatus 255, the second apparatus 250 and the third apparatus 260 may be or be comprised in a network entity (shown as producers 110 or consumers in FIG. 1) . In some example embodiments, the first apparatus 255 may be or be comprised in a first network entity serving as a management service (MnS) producer and the second apparatus 250 may be or be comprised in a second network entity serving as a MnS consumer to the MnS producer. In example embodiments of the present disclosure, the second apparatus 250 may be configured to provide a management service for a communication network. The management service may include a service of management data collection (for example, a service of tracing) .

[0069] In example embodiments of the present disclosure, it is proposed to introduce condition-based management data collection enablement, e.g., to support automatic tracing enablement (ATE) . An additional service is introduced as a management data analytics service (MDAS) , through which the first apparatus 255 may achieve automated enabling and disabling of tracing based on prediction of the abnormal network condition by the MDAS. The third apparatus 260 may be configured to provide the ATE MDAS. In this case, the first apparatus 255 may be considered as an ATE consumer, to consume the ATE MDAS of the third apparatus 260. The third apparatus 260 may thus be considered as an ATE producer. In some example embodiments, the third apparatus 260 may be or be comprised in a third network entity serving as an ATE producer. In some example embodiments, the first apparatus 255 and the third apparatus 260 may be or be comprised in the same network entity or different ones.

[0070] The second apparatus 250 transmits (201) an analytic request to the first apparatus 255. The analytic request comprises configuration information (sometimes herein  represented as ConditionConfig) indicating at least one condition for activating a management data collection session in a communication network.

[0071] The analytic request may request the second apparatus 250 to enable management data collection and analysis. In some example embodiments, the analytic request may include a tracing analytic request for tracing.

[0072] The one or more conditions included in the analytic request may be used by the second apparatus 250 to decide when and how to activate the management data collection (e.g., tracing) .

[0073] Through the analytic request, the second apparatus 250 may request the first apparatus 255 to create a managed object instance (MOI) to monitor and trigger the automatic enablement of management data collection (e.g., tracing) based on the condition (s) defined in the associated configuration information.

[0074] In some example embodiments, the configuration information in the analytic request may further indicate at least one of the following: a first periodicity of triggering prediction at the third apparatus 260, or one or more target network entities in the communication network that require data analysis in the management data collection session.

[0075] Based on such configuration information, as will be discussed in detail below, the first apparatus 255, when acting as an ATE consumer, may requests the prediction to the third apparatus 260 based on the condition (e.g., below operationlist in the ConditionConfig of Table 1) . Then the third apparatus 260 may trigger the condition-based ATE (e.g., anomaly prediction or fault prediction etc. ) according to the configured periodic time.

[0076] For example, in the case that the management data collection comprises tracing, the information elements of the ConditionConfig may include below attributes:

[0077] Table 1. Example of ConditionConfig

[0078] In Table 1, “operationList” represents the conditions for activating management data collection, “periodicTime” represents the periodicity of triggering prediction at the third apparatus 260, “targetEntities” represents or one or more target network entities in the communication network which requires analysis.

[0079] The first apparatus 255 receives (202) the analytic request from the second apparatus 250. In some example embodiments, based on reception of the analytic request, the first apparatus 255 may create (203) a job instance for the management data collection session. Based on the at least one condition comprised in the analytic request, the first apparatus 255 may create (203) a MOI associated with the job instance. The MOI is configured to monitor the at least one condition and activate the management data collection session based on the at least one condition being satisfied.

[0080] In some example embodiments, if the analytic request is a tracing analytic request (for example, TraceJob Request, TraceMonitor Request) , the job instance may comprise a trace job instance (for example, TraceJob instance) associated with a tracing session to be activated.

[0081] In some example embodiments, the MOI may be an existing MOI, and the analytic request may further comprise a reference pointing to the MOI, wherein the MOI is created based on the reference. For example, the existing MOI may comprise ConditionMonitor MOI, and the reference pointing to the ConditionMonitor MOI may be conditionMonitorRef. Before the TraceJob Request is created by the second apparatus 250, the first apparatus 255 may firstly create the ConditionMonitor MOI, and then create ConditionMonitor instance which can be associated with the TraceJob instance via the conditionMonitorRef.

[0082] In some example embodiments, the MOI may be a new MOI. For example, the new MOI may comprise TraceMonitor MOI. The second apparatus 250 may send the TraceMonitor Request to the first apparatus 255, and the first apparatus 255 creates the  TraceMonitor instance associated with the TraceJob instance. The information elements of the TraceMonitor MOI may include below attributes:

[0083] The following example demonstrates how the "ConditionMonitor" MOI may be used for monitoring automatic management data collection enablement. The condition below may be evaluated to be true, when the attribute operationList in the ConditionConfig return true on the object instance identified by "DN1" .

[0084] The occurrence of this condition may for example switch on a "TraceJob" to start collecting tracing. To do so the "conditionMonitorRef" attribute of the "TraceJob" may be same with the domain name (DN) of the "ConditionMonitor" .

[0085] In some example embodiments, the first apparatus 255 may transmit (204) , to the second apparatus 250, an analytic response to the analytic request. The analytic response may inform the second apparatus 250 that the analytic request has been completed.

[0086] In some example embodiments, in the case that the job instance is a trace job instance associated with a tracing session to be activated, the first apparatus 255 may transmit, to the second apparatus 250, a trace job response (sometimes herein represented as TraceJob Request) after the trace job instance and the MOI are created.

[0087] In some example embodiments, the second apparatus 250 receives (205) an analytic response to the analytic request from the first apparatus 255.

[0088] In some example embodiments, the analytic response may be a trace job response. Based on the reception of the trace job response, the second apparatus 250 may be informed that the trace job instance and the MOI are created.

[0089] In some example embodiments, the first apparatus 255 may determine (206) whether the analytic request comprises the at least one condition for determining whether  the condition-based automatic management data collection enablement is to be activated or not.

[0090] In example embodiments of the present disclosure, the first apparatus 255 may determine whether the analytic request comprises the at least one condition by checking whether the MOI (which is created based on the analytic request comprising the at least one condition) is created or not. For example, the first apparatus 255 may check if the ConditionMonitor (which is created based on the conditionRef and conditionConfig being comprised in the TraceJob Request) is created or not to determine whether the TraceJob Request comprises the conditionRef and conditionConfig or not.

[0091] It is to be understood that the conditionConfig is optional, if it is not configured from the second apparatus 250, then not needed from the second apparatus 250.

[0092] In some example embodiments, based on the analytic request not comprising the at least one condition, the first apparatus 255 may activate the management data collection according to existing behavior. The existing behavior, for example, may include creating a specific instance manually to activate the management data collection session.

[0093] In some example embodiments, based on the analytic request comprising the at least one condition, the first apparatus 255 and the third apparatus 260 may loop a series of steps, which is going to be described in detail below, to perform anomaly / fault prediction, detection and recovery.

[0094] Based on the analytic request comprising the at least one condition, the first apparatus 255 transmits (208) , to the third apparatus 260, a prediction request to request for predicting an abnormal network condition in the communication network. In example embodiments of the present disclosure, the first apparatus 255, when acting as an ATE consumer, may create an MDA Request (for anomaly / fault prediction) and transmit the request to the third apparatus 260.

[0095] The abnormal network condition may indicate a network fault or a network anomaly in the communication network.

[0096] In the communication network, "fault" may refer to an error or malfunction within a system or network device that is not operating normally. This could be due to hardware failures, software bugs, or configuration issues. "Anomaly, " on the other hand, may refer to anything that is significantly different from the normal or expected pattern observed in  network data or behavior. Anomalies may indicate potential faults or security issues.

[0097] In communication systems, fault prediction involves the use of various techniques, such as machine learning or artificial intelligence, to analyze network data in order to predict potential issues before actual failures occur. This helps operators take preemptive measures to reduce service outages and improve network reliability. Anomaly prediction refers to the anticipation of abnormal behaviors that may occur within the network due to attacks, misconfigurations, or other unforeseen events. By predicting these anomalies, network administrators can take actions to prevent potential security threats or performance issues. Both types of prediction are essential components of network management and maintenance, helping to enhance network stability and security.

[0098] In the embodiments of the present disclosure, the third apparatus 260 is configured to perform the prediction of the abnormal network condition based on management data analysis. The first apparatus 255 may consume the prediction of the abnormal network condition by sending a prediction request to the third apparatus 260.

[0099] The third apparatus 260 receives (209) the prediction request from the first apparatus 255. In response to the prediction request, the third apparatus 260 performs (210) prediction of the abnormal network condition in the communication network based on current and historical management data collected in the communication network. Specifically, the management data may be related to current or history fault.

[0100] The abnormal network condition may include anomaly, fault, error or any other abnormal condition in the communication network.

[0101] The current management data may be collected and transmitted by the first apparatus 255. The historical management data may be stored and obtained from a data lake 265.

[0102] In some example embodiments, based on the analytics and assessment of the management data, the third apparatus 260 may generate or update a prediction report (for example, ATE_PredictionReport) .

[0103] The third apparatus 260 transmits (211) , to the first apparatus 255, the prediction report. The prediction report comprises an indication of whether management data collection is to be enabled in the communication network.

[0104] In some example embodiments, the indication of whether management data  collection is to be enabled may be determined by the probability of anomaly / fault, the type of anomaly / fault, the time of anomaly / fault, etc.

[0105] In some example embodiments, the prediction report may further comprise: one or more prediction results for one or more target network entities in the communication network, or a reliability level of the prediction report.

[0106] In some example embodiments, the one or more prediction results may comprise at least one of: a predicted anomaly event in a target network entity in the communication network, or a predicted faulty in a target network entity in the communication network. In some example embodiments, the one or more prediction results may further comprise a predicted probability, a predicted type, a predicted occurrence time of the predicted anomaly event and predicted faulty.

[0107] The third apparatus 260, when serving as an ATE MDAS, may send back the prediction response with the ATE_PredictionReport according to defined time period (e.g. periodicTime in the ATE_PredictionReport Context Data of Table 2) . The ATE_PredictionReport as output context may provide the anomaly / fault prediction result and the recommendationResult. The detail information refers below table:

[0108] Table 2. Example of ATE_PredictionReport Context Data

[0109] In Table 2, “recommendationResult” represents the result recommended by the third apparatus 260, “periodicTime” represents the periodicity of sending back the ATE_PredictionReport to the first apparatus 255.

[0110] In the above and below tables, a support qualifier of “M” represents mandatory, and a support qualifier of “O” represents optional. However, it would be appreciated that in those tables, the attributes marked as optional or mandatory are provided as examples only. Depending on actual application, an attribute marked as optional may be set to mandatory, while an attribute marked as mandatory may be set to optional in some other example embodiments.

[0111] The recommendation result may be defined as below:

[0112] Table 3. Example of recommendationResult Data

[0113] In Table 3, “operationList” represents an indication of whether management data collection is to be enabled in the communication network (e.g., whether the flag of “Enable Trace” is set to TRUE or not. The “operationList” may guide the operation of the first apparatus 255. In Table 3, “anomalyPredictionResult” represents the anomaly prediction analysis, “reliability” represents the recommendation report credibility level.

[0114] The first apparatus 255 receives (212) the prediction report from the third apparatus. The prediction report comprises the indication of whether the management data collection is to be enabled.

[0115] In some example embodiments, based on the prediction report indicating that the management data collection is to be enabled (e.g., the flag “EnableTrace” is set as True) , the first apparatus 255 may update (213) the corresponding condition (for example, Automatic Trace Enablement Condition) as TRUE in ConditionConfig.

[0116] Based on the prediction report indicating that the management data collection is to be enabled, the first apparatus 255 detects (214) whether the at least one condition is  satisfied. For example, if the at least one condition comprises Automatic Trace Enablement Condition, the first apparatus 255 may determine whether Automatic Trace Enablement Condition is TRUE or not.

[0117] Based on a detection that the at least one condition is satisfied, the first apparatus 255 activates (215) the management data collection session for the communication network. For example, the management data collection session being activated may be a tracing session, that is to say, the first apparatus 255 starts tracing.

[0118] As the condition (s) is configured by the second apparatus 250, it may indicate when and / or how the management data collection is to be activated. The present disclosure is not limited to how and what the condition (s) is defined. The first apparatus 255 may rely on the configured condition (s) and the indication of the management data collection is to be enabled from the third apparatus 260, to decide whether to activate the management data collection for the communication network. As a simple example, a condition configured by the second apparatus 250 may be that if the prediction result at the third apparatus 260 indicates a specified type of fault or anomaly, then the management data collection is to be activated. It would be appropriated that various other conditions may be defined.

[0119] In some example embodiments, based on the management data collection session being activated, the first apparatus 255 may transmit (216) , to the third apparatus 260, a detection request for detecting an abnormal network condition in the communication network. The detection request comprises configuration information for detection of the abnormal network condition. In example embodiments of the present disclosure, the first apparatus 255, may create an MDARequest (for example, AnalyticsDetection) and transmit the request to the third apparatus 260.

[0120] The first apparatus 255 may send an anomaly / fault detection request with ATE_DetectionConfig to the third apparatus 260, providing the ATE_DetectionConfig information as input data context. Then the third apparatus 260 may trigger anomaly / fault detection according to the defined periodic time. The information elements of the context data of ATE_DetectionConfig may include below attributes:

[0121] Table 4. Context Data of ATE_DetectionConfig

[0122] In Table 4, “targetEntities” represents the network entities that require analysis, “faultDetectionEnable” represents whether the anomaly / fault detection is enabled or not, and “periodicTime” represents the periodicity of triggering anomaly / fault detection at the third apparatus 260.

[0123] In some example embodiments, the first apparatus 255 may transmit, to the third apparatus 260, management data collected during the activated management data collection session. In some example embodiments, the management data may comprise tracing data collected during a tracing session in the communication network.

[0124] In some example embodiments, the configuration information for the detection may indicate at least one of the following: one or more target network entities in the communication network that require data analysis in the management data collection session, an indication of whether detection is enabled, or a second periodicity of triggering detection at the third apparatus 260.

[0125] In some example embodiments, based on the management data collection session being activated, the third apparatus 260 may receive (217) , from the first apparatus 255, the detection request for detecting an abnormal network condition in the communication network. The detection request comprises configuration information for detection of the abnormal network condition.

[0126] In some example embodiments, the third apparatus 260 may receive, from the first apparatus 255, management data collected during the management data collection session activated at the first apparatus 255.

[0127] In some example embodiments, the third apparatus 260 may perform (218) detection of the abnormal network condition based on the configuration information for detection and the collected management data (for example, the tracing data collected during a tracing session in the communication network) . In some example embodiments, based on the analytics and assessment of the management data, the third apparatus 260 may generate or update a detection report (for example, ATE_DetectionReport) with recommendation.

[0128] In some example embodiments, the third apparatus 260 may transmit (219) the detection report to the first apparatus 255. The detection report may comprise a detection analysis result for the management data collection session. The detection analysis result may indicate whether a recovery action is needed to be performed.

[0129] In some example embodiments, the detection report may further comprise at least one of the following: a recommended recovery action to be performed on a network entity, or a reliability level of the detection report.

[0130] In some example embodiments, the first apparatus 255 may receive (220) the detection report from the third apparatus 260. Based on the received detection report, the first apparatus 255 may get informed of the network condition and determine whether it is needed to perform a recovery action accordingly.

[0131] The third apparatus 260 may send back anomaly / fault detection response with assessment and recommendation of automatic recovery in ATE_DetectionReport according to the defined time periodic. The ATE_DetectionReport as output context may provide the anomaly detection result and the self-healing recommendation solutions. The output context will be added in enabling data for failure prediction analysis (as enhancement to information element in Analytics output) . The detail information may be defined in below table:

[0132] Table 5. ATE_DectectionReport Data

[0133] In Table 5, “recommendationResult” represents the result recommended by the third apparatus 260, “periodicTime” represents the periodicity of sending back the ATE_PredictionReport to the first apparatus 255.

[0134] The recommendation result in the detection report may be defined as below:

[0135] Table 6. recommendationResult Data

[0136] In Table 6, “anomalyDetectionResult” represents results of anomaly detection, “recommendAction” represents recommended actions for target network entities, and “reliability” represents the recommendation report credibility level.

[0137] In some example embodiments, the first apparatus 255 may perform (221) a recovery procedure based on the detection analysis result. In some example embodiments, in accordance with a determination that the detection analysis result indicates a failure or an anomaly in a network entity, the first apparatus 255 may perform a recovery action on the network entity. That is to say, the first apparatus 255 may perform automatic fault recovery based on the recommendation in the detection report.

[0138] In some example embodiments, as mentioned above, the detection request from the first apparatus 255 to the third apparatus 260 may indicate a periodicity of detection at the third apparatus 260. According to the indicated periodicity, the third apparatus 260 may perform management data analysis periodically based on the management data collected during the activated management data collection session. The third apparatus 260 may transmit the detection report periodically to the first apparatus 255 or may transmit the periodic detection results in one detection report to the first apparatus 255.

[0139] Some example embodiments of the present disclosure may further enable automatic deactivating of the management data collection after the fault / anomaly recovered or no anomaly predicted, or time duration of tracing is reached. As shown in the signaling flow 200, in some example embodiments, based on the recovery procedure being completed, the first apparatus 255 may deactivate (222) the management data collection session. In some example embodiments, the first apparatus 255 may cease the detecting of whether the at least one condition for activating the management data collection session is satisfied. For example, the first apparatus 255 may disable the monitoring of the at least one condition as configured by the second apparatus 250.

[0140] In some example embodiments, if the management data collection session is a tracing session, after completing the recovery procedure, the first apparatus 255 may stop tracing and deactivate the tracing session. Further, the first apparatus 255 may cease the detecting of whether the at least one condition for activating the tracing session is satisfied (by disabling the configured Automatic Trace Enablement Condition, for example) .

[0141] In some example embodiments, the first apparatus 255 may stop the management data collection session or the tracing session if the detection report indicates no abnormal network condition (e.g., no network fault or anomaly) is detected. In some example embodiments, the first apparatus 255 may stop the management data collection session or the tracing session if a time duration of management data collection or a time duration of tracing is reached.

[0142] In some example embodiments, the operations in anomaly / fault prediction, detection and recovery may be repeated. For example, according to the periodicity of prediction indicated in the prediction request, the third apparatus 260 may perform the prediction periodically, and transmit the corresponding prediction report to the first apparatus 255. Depending on the prediction report and whether the configured condition (s) is satisfied or not, the first apparatus 255 may further determine whether or not to activate another management data collection session. In some example embodiments, the first apparatus 255 may trigger the prediction request periodically to the third apparatus 260 to perform the condition-based prediction, so that the first apparatus 255 may determine whether or not to activate the management data collection based on the prediction result and the configured condition.

[0143] In some example embodiments, the periodicity of prediction at the third apparatus  260 may be configured by the second apparatus 250, and / or by the first apparatus 255 (as a part of its provisioned management service) . Through this way, the second apparatus 250, as a MnS consumer, may initiate an analytic request to activate or deactivate the management data session based on one or more configured conditions.

[0144] To better understand the example embodiments of the present disclosure, a high level architecture of the present disclosure in the example of tracing enablement and disablement is illustrated in FIG. 3. FIG. 3 illustrates a high level architecture 300 for ATE in accordance with some example embodiments of the present disclosure. The architecture 300 involves a MnS consumer 310 (which may be a consumer for conditioned-based tracing analytic) , a MnS producer or an ATE consumer 320 (which may be a producer of the conditioned-based tracing analytic and a consumer for an ATE MDAS) , and an ATE MDAS 330 which provides a management data analysis service for automatic trace enablement.

[0145] The MnS consumer 310 may be considered as an example embodiment of the second apparatus 250 in FIG. 2, the MnS producer / ATE consumer 320 may be considered as an example embodiment of the first apparatus 255 in FIG. 2, and the ATE MDAS 330 may be considered as an example embodiment of the third apparatus 260 in FIG. 2.

[0146] As depicted in FIG. 3, the present disclosure proposes an automatic trace enablement solution based on anomaly prediction or fault prediction provided by MDAS and proposes an automatic recovery mechanism based on the anomaly detection provided by MDAS.

[0147] The MnS consumer 310 sends (301) a ConditionBasedTracingAnalytic request with conditionConfig and conditionMonitorRef, where conditionMonitorRef points to a ConditionMonitor MOI and it is to monitor conditions to decide when and how to activate the trace.

[0148] The MnS producer 320 responds (302) ConditionBasedTracingAnalytic Request after creating instance and creating the associated ConditionMonitor MOI according to conditionMonitorRef with ConditionConfig.

[0149] If the ConditionMonitor MOI with ConditionConfig is created, the MnS producer 320 may act as an ATE consumer 320 and may create and sends (303) MDARequest with anomaly / fault prediction to the ATE MDAS 330.

[0150] The ATE MDAS 330 proceeds with anomaly prediction based on the management data from the MnS producer 320 and historical data, and then provides (304) ATE_PredictionReport if automatic trace enablement is required, and after that, it may respond MDAReport with ATE_PredictonReport.

[0151] After tracing is automatic enabled, the ATE Consumer 320 may create and send (305) MDARequest with AnalyticsDetection, ATE_DetectionConfig to the ATE MADAS 330.

[0152] After received MDARequest, the ATE MDAS 330 may conduct the fault / anomaly detection based on the tracing data collected from the MnS producer 320 using the analytics mode and then sends (306) back MDAReport with ATE_DetectionReport inlcuding assessment and recommendation of automatic recovery.

[0153] FIG. 4 illustrates a signaling flow 400 for ATE in accordance with some example embodiments of the present disclosure. The signaling flow 400 involves a MnS consumer 310, a MnS producer (or an ATE consumer) 320, an ATE MDAS 330, and a data lake 465.

[0154] As shown in FIG. 4, the MnS consumer 310 sends (401) , to the MnS producer 320, a TraceJob request with ConditionConfig and conditionMonitorRef which points to a ConditionMonitor MOI and it is to monitor conditions to decide when and how to active the trace.

[0155] The MnS producer 320 creates (402) TraceJob Instance and the associated conditionMonitor (MOI) with conditionMonitorRef and ConditionConfig.

[0156] Here are two alternative solutions for creating an MOI instance:

[0157] Alternative Solution1: the MnS consumer 310 creates ConditionMonitor (MOI) . That is to say, before creating TraceJob request by the MnS consumer 310, it may firstly create ConditionMonitor MOI. Then, after receiving the TraceJob request, the MnS producer 320 may create an ConditionMonitor instance which may be associated with TraceJob instance via conditionMonitorRef.

[0158] Alternative Solution2: the MnS consumer 310 creates TraceMonitor (new MOI) . That is to say, the MnS consumer 310 sends TraceMonitor Request to the MnS producer 320. The MnS producer 320 may create MDARequest to enable fault prediction. If there is fault predicted from MDAS, then the MnS Producer 320 may enable tracing automatically by creating TraceJob.

[0159] The MnS producer 320 sends (403) back TraceJob Response to the MnS consumer 310.

[0160] The MnS producer 320 further check (404) if ConditionMonitor (conditionMonitorRef and conditionConfig) is created or not (conditionConfig are both optional, if not configured from consumer, then not needed from consumer) .

[0161] If no need to create, then the MnS producer 320 activates (405) tracing according to existing behavior.

[0162] If yes, then the MnS producer 320 may loop (406) below steps to do anomaly prediction, anomaly detection and recovery.

[0163] The ATE consumer 320 may create (407) an MDA request (anomaly / fault prediction) to do anomaly prediction. The MDA request may be considered as an example of the prediction request as discussed above.

[0164] After received MDAReqest, the ATE MDAS 330 may conduct (408) the anomaly prediction based on the current and history fault related data. And based on the analytics and assessment, and it may update recommendation in ATE_PredictionReport with operationList [EnableTrace] as TRUE.

[0165] The ATE MDAS 330 sends (409) back an MDA report (e.g., a prediction report) with recommendation in ATE_PredictionReport.

[0166] When the ATE consumer 320 receives the MDA report with ATE_PredictionReport, it then may update (410) Automatic Trace Enablement Condition as TRUE in ConditionConfig.

[0167] The ATE consumer 320 may check (411) whether Automatic Trace Enablement Condition is TRUE or not.

[0168] If Automatic Trace Enablement Condition is TRUE, the MnS producer 320 may activate (412) tracing session and start tracing.

[0169] The ATE consumer 320 may create (413) an MDA request (AnalysticsDetection, ATE_DetectionConfig) to enable anomaly detection. The MDA request may be considered as an example of the detection request as discussed above.

[0170] The ATE MDAS 330 may perform (414) the fault detection based on the tracing data collected from MnS producer 320 and based on the analytics and assessment, it may  update ATE_DetectionReport with recommendation.

[0171] The ATE MDAS 330 sends (415) back an MDA report (e.g., a detection report) with assessment and recommendation of automatic recovery in ATE_DetectionReport.

[0172] When the ATE consumer 320 receives the MDA report, it may perform (416) automatic fault recovery based on the recommendation in ATE_DetectionReport.

[0173] And then the MnS producer 320 may stop (417) tracing and Deactivate tracing session and disable Automatic Trace Enablement Condition.

[0174] In the following part, it provides some example impacts to the communication technical specifications (TS) according to the embodiments of the present disclosure. It would be appreciated that the wordings below are shown as examples, and may be varied in future.

[0175] The example impacts to the definition of TraceJob request (which is corresponding to the analytic request from a MnS consumer to a MnS producer) is provided below.

[0176] Table 7.

[0177] In Table 7, “The TraceJob can associate with a ConditionMonitor such that tracing may be activated only if the corresponding conditions are satisfied” represents:  based on reception of the analytic request, creating a job instance (for example, the TraceJob) for the management data collection session; and based on the analytic request comprising the at least one condition, creating a managed object instance (MOI) (for example, the ConditionMonitor) associated with the job instance, wherein the MOI is configured to monitor the at least one condition and activate the management data collection session (for example, tracing session) based on the at least one condition being satisfied.

[0178] “If the condition in the referenced objected are satisfied” represents: the MOI is configured to monitor the at least one condition and activate the management data collection session (e.g., tracing session) based on the at least one condition being satisfied.

[0179] “the optional attribute conditionMonitorRef is absent” represents that the conditionConfig are both optional, if it is not configured from the MnS consumer, then not needed from the MnS consumer.

[0180] In some example embodiments, with the introduction of “conditionMonitorRef” , the attributes in the TraceJob request may be updated as follows:

[0181] Table 8. TS 28.622 4.3.30.2 Attribute

[0182] In Table 8, “conditionMonitorRef” represents the reference pointing to the ConditionMonitor MOI.

[0183] In some example embodiments, as an alternative solution, with the introduction of “conditionMonitorRef” , the attributes in the TraceJob request may be updated as follows:

[0184] Table 9. TS 28.622 4.3.30.2 Attribute

[0185] In Table 9, “conditionConfig” represents configuration information comprised in the analytic request, “conditionMonitorRef” represents the reference pointing to the ConditionMonitor.

[0186] In some example embodiments, with the introduction of “ConditionConfig” in the  TraceJob request, such configuration information may be defined as follows:

[0187] Table 10. TS 28.622 4.3. *

[0188] In some example embodiments, with the introduction of the ATE MDAS, this management data analysis (MDA) may be defined in the communication technical specifications as an additional use case. The definition of MDA may be as follows:

[0189] Table 11. Definition of MDA

[0190] In some example embodiments, the prediction report from the ATE MADAS may further comprise: one or more prediction results for one or more target network entities in the communication network, or a reliability level of the prediction report.

[0191] Table 12

[0192] In some example embodiments, the detection report from the ATE MADAS may further comprise at least one of the following: a recommended recovery action to be performed on a network entity, or a reliability level of the detection report.

[0193] Table 13

[0194] In some example embodiments, there may be some requirements defined for the MDA as follows:

[0195] Table 14. TR28.866 5.7. x. 2 Requirement

[0196] In some example embodiments, there may be some other potential solutions for the MDA as follows:

[0197] Table 15

[0198] In some example embodiments, the analytics output of the MDA may be defined as follows, which may be applied in the prediction report or the detection report from the ATE MDAS.

[0199] Table 16

[0200] FIG. 5 shows a flowchart of an example method 500 implemented at a first apparatus in accordance with some example embodiments of the present disclosure. For the purpose of discussion, the method 500 will be described from the perspective of the first apparatus 255 in FIG. 2.

[0201] At block 510, the first apparatus 255 receives an analytic request from a second apparatus, wherein the analytic request comprises configuration information indicating at  least one condition for activating a management data collection session in a communication network.

[0202] At block 520, based on the analytic request comprising the at least one condition, the first apparatus 255 transmits to a third apparatus, a prediction request to request for predicting an abnormal network condition in the communication network.

[0203] At block 530, the first apparatus 255 receives a prediction report from the third apparatus, wherein the prediction report comprises an indication of whether the management data collection is to be enabled.

[0204] At block 540, based on the prediction report indicating that the management data collection is to be enabled, the first apparatus 255 detects whether the at least one condition is satisfied.

[0205] At block 550, based on a detection that the at least one condition is satisfied, the first apparatus 255 activates the management data collection session for the communication network.

[0206] In some example embodiments, the method 500 further comprises: based on reception of the analytic request, creating a job instance for the management data collection session; and based on the analytic request comprising the at least one condition, creating a managed object instance (MOI) associated with the job instance, wherein the MOI is configured to monitor the at least one condition and activate the management data collection session based on the at least one condition being satisfied.

[0207] In some example embodiments, the job instance comprises a trace job instance associated with a tracing session to be activated, and wherein the first apparatus is further caused to perform: transmitting, to the second apparatus, a trace job response to the second apparatus after the trace job instance and the MOI are created.

[0208] In some example embodiments, the analytic request further comprises a reference pointing to the MOI, and wherein the MOI is created based on the reference.

[0209] In some example embodiments, the configuration information in the analytic request further indicates at least one of the following: a first periodicity of triggering prediction at the third apparatus, or one or more target network entities in the communication network that require data analysis in the management data collection session.

[0210] In some example embodiments, the prediction report further comprises: one or more prediction results for one or more target network entities in the communication network, or a reliability level of the prediction report.

[0211] In some example embodiments, the one or more prediction results comprises at least one of: a predicted anomaly event in a target network entity in the communication network, or a predicted faulty in a target network entity in the communication network.

[0212] In some example embodiments, the method 500 further comprises: based on the management data collection session being activated, transmitting, to the third apparatus, a detection request for detecting an abnormal network condition in the communication network, wherein the detection request comprises configuration information for detection of the abnormal network condition; transmitting, to the third apparatus, management data collected during the management data collection session; and receiving a detection report from the third apparatus, wherein the detection report comprises a detection analysis result for the management data collection session; and performing a recovery procedure based on the detection analysis result.

[0213] In some example embodiments, the management data comprises tracing data collected during a tracing session in the communication network.

[0214] In some example embodiments, the configuration information for the detection indicates at least one of the following: one or more target network entities in the communication network that require data analysis in the management data collection session, an indication of whether detection is enabled, or a second periodicity of triggering detection at the third apparatus.

[0215] In some example embodiments, performing a recovery procedure comprises: in accordance with a determination that the detection analysis result indicates a failure or an anomaly in a network entity, performing a recovery action on the network entity.

[0216] In some example embodiments, the detection report further comprises at least one of the following: a recommended recovery action to be performed on a network entity, or a reliability level of the detection report.

[0217] In some example embodiments, the method 500 further comprises: based on the recovery procedure being completed, deactivating the management data collection session, and ceasing the detecting of whether the at least one condition for activating the  management data collection session is satisfied.

[0218] In some example embodiments, the management data collection session comprises a tracing session, and wherein the first apparatus is caused to perform: based on the recovery procedure being completed, deactivating the tracing session, and ceasing the detecting of whether the at least one condition for activating the tracing session is satisfied.

[0219] In some example embodiments, the analytic request comprises a tracing analytic request.

[0220] In some example embodiments, the first apparatus is or is comprised in a first network entity serving as a management service (MnS) producer, and wherein the second apparatus is or is comprised in a second network entity serving as a MnS consumer to the MnS producer.

[0221] FIG. 6 shows a flowchart of an example method 600 implemented at a second apparatus in accordance with some example embodiments of the present disclosure. For the purpose of discussion, the method 600 will be described from the perspective of the second apparatus 250 in FIG. 2.

[0222] At block 610, the second apparatus 250 transmits an analytic request to a first apparatus, wherein the analytic request comprises configuration information indicating at least one condition for activating a management data collection session in a communication network.

[0223] At block 620, the second apparatus 250 receives an analytic response to the analytic request from the first apparatus.

[0224] In some example embodiments, the analytic request further comprises a reference pointing to a managed object instance (MOI) to be crated at the first apparatus.

[0225] In some example embodiments, the configuration information in the analytic request further indicates at least one of the following: a first periodicity of triggering prediction at the third apparatus, or one or more target network entities that require data analysis in the management data collection session.

[0226] FIG. 7 shows a flowchart of an example method 700 implemented at a third apparatus in accordance with some example embodiments of the present disclosure. For  the purpose of discussion, the method 700 will be described from the perspective of the third apparatus 260 in FIG. 2.

[0227] At block 710, the third apparatus 260 receives, from a first apparatus, a prediction request to request for predicting an abnormal network condition in a communication network.

[0228] At block 720, in response to the prediction request, the third apparatus 260 performs prediction of an abnormal network condition in the communication network based on current and historical management data collected in the communication network.

[0229] At block 730, the third apparatus 260 transmits, to the first apparatus, a prediction report, wherein the prediction report comprises an indication of whether management data collection is to be enabled in the communication network.

[0230] In some example embodiments, the prediction report further comprises: one or more prediction results for one or more target network entities in the communication network, or a reliability level of the prediction report.

[0231] In some example embodiments, the method 600: based on the management data collection session being activated, receiving, from the first apparatus, a detection request for detecting an abnormal network condition in the communication network, wherein the detection request comprises configuration information for detection of the abnormal network condition; receiving, from the first apparatus, management data collected during the management data collection session activated at the first apparatus; performing detection of the abnormal network condition based on the configuration information for detection and the collected management data; and transmitting a detection report to the first apparatus, wherein the detection report comprises a detection analysis result for the management data collection session.

[0232] In some example embodiments, the management data comprises tracing data collected during a tracing session in the communication network.

[0233] In some example embodiments, the configuration information for detection indicates at least one of the following: one or more target network entities in the communication network that require data analysis in the management data collection session, an indication of whether detection is enabled, or a second periodicity of triggering detection at the third apparatus.

[0234] In some example embodiments, the detection report further comprises at least one of the following: a recommended recovery action to be performed on a network entity, or a reliability level of the detection report.

[0235] In some example embodiments, a first apparatus capable of performing any of the method 500 (for example, the first apparatus 255 in FIG. 2, and / or the MnS producer / ATE consumer 320 in FIG. 3 and FIG. 4) may comprise means for performing the respective operations of the method 500. The means may be implemented in any suitable form. For example, the means may be implemented in a circuitry or software module. The first apparatus may be implemented as or included in the first apparatus 255 in FIG. 2, and / or the MnS producer / ATE consumer 320 in FIG. 3 and FIG. 4.

[0236] In some example embodiments, the first apparatus comprises means for receiving an analytic request from a second apparatus, wherein the analytic request comprises configuration information indicating at least one condition for activating a management data collection session in a communication network; means for based on the analytic request comprising the at least one condition, transmitting to a third apparatus, a prediction request to request for predicting an abnormal network condition in the communication network; means for receiving a prediction report from the third apparatus, wherein the prediction report comprises an indication of whether the management data collection is to be enabled; means for based on the prediction report indicating that the management data collection is to be enabled, detecting whether the at least one condition is satisfied; and means for based on a detection that the at least one condition is satisfied, activating the management data collection session for the communication network.

[0237] In some example embodiments, the first apparatus further comprises: means for, based on reception of the analytic request, creating a job instance for the management data collection session; and means for, based on the analytic request comprising the at least one condition, creating a managed object instance (MOI) associated with the job instance, wherein the MOI is configured to monitor the at least one condition and activate the management data collection session based on the at least one condition being satisfied.

[0238] In some example embodiments, the job instance comprises a trace job instance associated with a tracing session to be activated, and wherein the first apparatus is further caused to perform: transmitting, to the second apparatus, a trace job response to the second apparatus after the trace job instance and the MOI are created.

[0239] In some example embodiments, the analytic request further comprises a reference pointing to the MOI, and wherein the MOI is created based on the reference.

[0240] In some example embodiments, the configuration information in the analytic request further indicates at least one of the following: a first periodicity of triggering prediction at the third apparatus, or one or more target network entities in the communication network that require data analysis in the management data collection session.

[0241] In some example embodiments, the prediction report further comprises: one or more prediction results for one or more target network entities in the communication network, or a reliability level of the prediction report.

[0242] In some example embodiments, the one or more prediction results comprises at least one of: a predicted anomaly event in a target network entity in the communication network, or a predicted faulty in a target network entity in the communication network.

[0243] In some example embodiments, the first apparatus further comprises: means for, based on the management data collection session being activated, transmitting, to the third apparatus, a detection request for detecting an abnormal network condition in the communication network, wherein the detection request comprises configuration information for detection of the abnormal network condition; means for transmitting, to the third apparatus, management data collected during the management data collection session; means for receiving a detection report from the third apparatus, wherein the detection report comprises a detection analysis result for the management data collection session; and means for performing a recovery procedure based on the detection analysis result.

[0244] In some example embodiments, the management data comprises tracing data collected during a tracing session in the communication network.

[0245] In some example embodiments, the configuration information for the detection indicates at least one of the following: one or more target network entities in the communication network that require data analysis in the management data collection session, an indication of whether detection is enabled, or a second periodicity of triggering detection at the third apparatus.

[0246] In some example embodiments, the means for performing a recovery procedure  comprises: means for, in accordance with a determination that the detection analysis result indicates a failure or an anomaly in a network entity, performing a recovery action on the network entity.

[0247] In some example embodiments, the detection report further comprises at least one of the following: a recommended recovery action to be performed on a network entity, or a reliability level of the detection report.

[0248] In some example embodiments, the first apparatus further comprises: means for, based on the recovery procedure being completed, deactivating the management data collection session, and ceasing the detecting of whether the at least one condition for activating the management data collection session is satisfied.

[0249] In some example embodiments, the management data collection session comprises a tracing session, and wherein the first apparatus further comprises: means for, based on the recovery procedure being completed, deactivating the tracing session, and ceasing the detecting of whether the at least one condition for activating the tracing session is satisfied.

[0250] In some example embodiments, the analytic request comprises a tracing analytic request.

[0251] In some example embodiments, the first apparatus is or is comprised in a first network entity serving as a management service (MnS) producer, and wherein the second apparatus is or is comprised in a second network entity serving as a MnS consumer to the MnS producer.

[0252] In some example embodiments, a second apparatus capable of performing any of the method 600 (for example, the second apparatus 250 in FIG. 2, and / or the MnS consumer 310 in FIG. 3 and FIG. 4) may comprise means for performing the respective operations of the method 600. The means may be implemented in any suitable form. For example, the means may be implemented in a circuitry or software module. The second apparatus may be implemented as or included in the second apparatus 250 in FIG. 2, and / or the MnS consumer 310 in FIG. 3 and FIG. 4.

[0253] In some example embodiments, the second apparatus comprises means for transmitting an analytic request to a first apparatus, wherein the analytic request comprises configuration information indicating at least one condition for activating a  management data collection session in a communication network; and means for receiving an analytic response to the analytic request from the first apparatus.

[0254] In some example embodiments, the analytic request further comprises a reference pointing to a managed object instance (MOI) to be crated at the first apparatus.

[0255] In some example embodiments, the configuration information in the analytic request further indicates at least one of the following: a first periodicity of triggering prediction at the third apparatus, or one or more target network entities that require data analysis in the management data collection session.

[0256] In some example embodiments, a third apparatus capable of performing any of the method 700 (for example, the third apparatus 260 in FIG. 2, and / or the ATE MDAS 330 in FIG. 3 and FIG. 4) may comprise means for performing the respective operations of the method 700. The means may be implemented in any suitable form. For example, the means may be implemented in a circuitry or software module. The third apparatus may be implemented as or included in the third apparatus 260 in FIG. 2, and / or the ATE MDAS 330 in FIG. 3 and FIG. 4.

[0257] In some example embodiments, the third apparatus comprises means for receiving, from a first apparatus, a prediction request to request for predicting an abnormal network condition in a communication network; means for in response to the prediction request, performing prediction of an abnormal network condition in the communication network based on current and historical management data collected in the communication network; means for transmitting, to the first apparatus, a prediction report, wherein the prediction report comprises an indication of whether management data collection is to be enabled in the communication network.

[0258] In some example embodiments, the prediction report further comprises: one or more prediction results for one or more target network entities in the communication network, or a reliability level of the prediction report.

[0259] In some example embodiments, the third apparatus further comprises: means for, based on the management data collection session being activated, receiving, from the first apparatus, a detection request for detecting an abnormal network condition in the communication network, wherein the detection request comprises configuration information for detection of the abnormal network condition; means for, receiving, from  the first apparatus, management data collected during the management data collection session activated at the first apparatus; means for, performing detection of the abnormal network condition based on the configuration information for detection and the collected management data; and means for, transmitting a detection report to the first apparatus, wherein the detection report comprises a detection analysis result for the management data collection session.

[0260] In some example embodiments, the management data comprises tracing data collected during a tracing session in the communication network.

[0261] In some example embodiments, the configuration information for detection indicates at least one of the following: one or more target network entities in the communication network that require data analysis in the management data collection session, an indication of whether detection is enabled, or a second periodicity of triggering detection at the third apparatus.

[0262] In some example embodiments, the detection report further comprises at least one of the following: a recommended recovery action to be performed on a network entity, or a reliability level of the detection report.

[0263] FIG. 8 is a simplified block diagram of a device 800 that is suitable for implementing example embodiments of the present disclosure. The device 800 may be provided to implement a communication device, for example, the first apparatus 255, the second apparatus 250, or the third apparatus 260 in FIG. 2, and / or the MnS consumer 310, the MnS producer / ATE consumer 320, and / or the ATE MDAS 330 in FIG. 3 and FIG. 4. As shown, the device 800 includes one or more processors 810, one or more memories 820 coupled to the processor 810, and one or more communication modules 840 coupled to the processor 810.

[0264] The communication module 840 is for bidirectional communications. The communication module 840 has one or more communication interfaces to facilitate communication with one or more other modules or devices. The communication interfaces may represent any interface that is necessary for communication with other network elements. In some example embodiments, the communication module 840 may include at least one antenna.

[0265] The processor 810 may be of any type suitable to the local technical network and  may include one or more of the following: general purpose computers, special purpose computers, microprocessors, digital signal processors (DSPs) and processors based on multicore processor architecture, as non-limiting examples. The device 800 may have multiple processors, such as an application specific integrated circuit chip that is slaved in time to a clock which synchronizes the main processor.

[0266] The memory 820 may include one or more non-volatile memories and one or more volatile memories. Examples of the non-volatile memories include, but are not limited to, a Read Only Memory (ROM) 824, an electrically programmable read only memory (EPROM) , a flash memory, a hard disk, a compact disc (CD) , a digital video disk (DVD) , an optical disk, a laser disk, and other magnetic storage and / or optical storage. Examples of the volatile memories include, but are not limited to, a random-access memory (RAM) 822 and other volatile memories that will not last in the power-down duration.

[0267] A computer program 830 includes computer executable instructions that are executed by the associated processor 810. The instructions of the program 830 may include instructions for performing operations / acts of some example embodiments of the present disclosure. The program 830 may be stored in the memory, e.g., the ROM 824. The processor 810 may perform any suitable actions and processing by loading the program 830 into the RAM 822.

[0268] The example embodiments of the present disclosure may be implemented by means of the program 830 so that the device 800 may perform any process of the disclosure as discussed with reference to FIG. 2 to FIG. 7. The example embodiments of the present disclosure may also be implemented by hardware or by a combination of software and hardware.

[0269] In some example embodiments, the program 830 may be tangibly contained in a computer readable medium which may be included in the device 800 (such as in the memory 820) or other storage devices that are accessible by the device 800. The device 800 may load the program 830 from the computer readable medium to the RAM 822 for execution. In some example embodiments, the computer readable medium may include any types of non-transitory storage medium, such as ROM, EPROM, a flash memory, a hard disk, CD, DVD, and the like. The term “non-transitory, ” as used herein, is a limitation of the medium itself (i.e., tangible, not a signal) as opposed to a limitation on data storage persistency (e.g., RAM vs. ROM) .

[0270] FIG. 9 shows an example of the computer readable medium 900 which may be in form of CD, DVD or other optical storage disk. The computer readable medium 900 has the program 830 stored thereon.

[0271] Generally, various embodiments of the present disclosure may be implemented in hardware or special purpose circuits, software, logic or any combination thereof. Some aspects may be implemented in hardware, and other aspects may be implemented in firmware or software which may be executed by a controller, microprocessor or other computing device. Although various aspects of embodiments of the present disclosure are illustrated and described as block diagrams, flowcharts, or using some other pictorial representations, it is to be understood that the block, apparatus, system, technique or method described herein may be implemented in, as non-limiting examples, hardware, software, firmware, special purpose circuits or logic, general purpose hardware or controller or other computing devices, or some combination thereof.

[0272] Some example embodiments of the present disclosure also provide at least one computer program product tangibly stored on a computer readable medium, such as a non-transitory computer readable medium. The computer program product includes computer-executable instructions, such as those included in program modules, being executed in a device on a target physical or virtual processor, to carry out any of the methods as described above. Generally, program modules include routines, programs, libraries, objects, classes, components, data structures, or the like that perform particular tasks or implement particular abstract data types. The functionality of the program modules may be combined or split between program modules as desired in various embodiments. Machine-executable instructions for program modules may be executed within a local or distributed device. In a distributed device, program modules may be located in both local and remote storage media.

[0273] Program code for carrying out methods of the present disclosure may be written in any combination of one or more programming languages. The program code may be provided to a processor or controller of a general-purpose computer, special purpose computer, or other programmable data processing apparatus, such that the program code, when executed by the processor or controller, cause the functions / operations specified in the flowcharts and / or block diagrams to be implemented. The program code may execute entirely on a machine, partly on the machine, as a stand-alone software package, partly on the machine and partly on a remote machine or entirely on the remote machine or server.

[0274] In the context of the present disclosure, the computer program code or related data may be carried by any suitable carrier to enable the device, apparatus or processor to perform various processes and operations as described above. Examples of the carrier include a signal, computer readable medium, and the like.

[0275] The computer readable medium may be a computer readable signal medium or a computer readable storage medium. A computer readable medium may include but not limited to an electronic, magnetic, optical, electromagnetic, infrared, or semiconductor system, apparatus, or device, or any suitable combination of the foregoing. More specific examples of the computer readable storage medium would include an electrical connection having one or more wires, a portable computer diskette, a hard disk, a random-access memory (RAM) , a read-only memory (ROM) , an erasable programmable read-only memory (EPROM or Flash memory) , an optical fiber, a portable compact disc read-only memory (CD-ROM) , an optical storage device, a magnetic storage device, or any suitable combination of the foregoing.

[0276] Further, although operations are depicted in a particular order, this should not be understood as requiring that such operations be performed in the particular order shown or in sequential order, or that all illustrated operations be performed, to achieve desirable results. In certain circumstances, multitasking and parallel processing may be advantageous. Likewise, although several specific implementation details are contained in the above discussions, these should not be construed as limitations on the scope of the present disclosure, but rather as descriptions of features that may be specific to particular embodiments. Unless explicitly stated, certain features that are described in the context of separate embodiments may also be implemented in combination in a single embodiment. Conversely, unless explicitly stated, various features that are described in the context of a single embodiment may also be implemented in a plurality of embodiments separately or in any suitable sub-combination.

[0277] Although the present disclosure has been described in languages specific to structural features and / or methodological acts, it is to be understood that the present disclosure defined in the appended claims is not necessarily limited to the specific features or acts described above. Rather, the specific features and acts described above are disclosed as example forms of implementing the claims.

Claims

1.A first apparatus comprising:at least one processor; andat least one memory storing instructions that, when executed by the at least one processor, cause the first apparatus at least to perform:receiving an analytic request from a second apparatus, wherein the analytic request comprises configuration information indicating at least one condition for activating a management data collection session in a communication network;based on the analytic request comprising the at least one condition, transmitting, to a third apparatus, a prediction request to request for predicting an abnormal network condition in the communication network;receiving a prediction report from the third apparatus, wherein the prediction report comprises an indication of whether the management data collection is to be enabled;based on the prediction report indicating that the management data collection is to be enabled, detecting whether the at least one condition is satisfied; andbased on a detection that the at least one condition is satisfied, activating the management data collection session for the communication network.2.The first apparatus of claim 1, wherein the first apparatus is caused to perform:based on reception of the analytic request, creating a job instance for the management data collection session; andbased on the analytic request comprising the at least one condition, creating a managed object instance (MOI) associated with the job instance, wherein the MOI is configured to monitor the at least one condition and activate the management data collection session based on the at least one condition being satisfied.3.The first apparatus of claim 2, wherein the job instance comprises a trace job instance associated with a tracing session to be activated, and wherein the first apparatus is further caused to perform:transmitting, to the second apparatus, a trace job response to the second apparatus after the trace job instance and the MOI are created.4.The first apparatus of claim 2, wherein the analytic request further comprises a reference pointing to the MOI, and wherein the MOI is created based on the reference.5.The first apparatus of any of claims 1 to 4, wherein the configuration information in the analytic request further indicates at least one of the following:a first periodicity of triggering prediction at the third apparatus, orone or more target network entities in the communication network that require data analysis in the management data collection session.6.The first apparatus of any of claims 1 to 5, wherein the prediction report further comprises:one or more prediction results for one or more target network entities in the communication network, ora reliability level of the prediction report.7.The first apparatus of claim 6, wherein the one or more prediction results comprises at least one of:a predicted anomaly event in a target network entity in the communication network, ora predicted faulty in a target network entity in the communication network.8.The first apparatus of any of claims 1 to 7, wherein the first apparatus is caused to perform:based on the management data collection session being activated, transmitting, to the third apparatus, a detection request for detecting an abnormal network condition in the communication network, wherein the detection request comprises configuration information for detection of the abnormal network condition;transmitting, to the third apparatus, management data collected during the management data collection session;receiving a detection report from the third apparatus, wherein the detection report comprises a detection analysis result for the management data collection session; andperforming a recovery procedure based on the detection analysis result.9.The first apparatus of claim 8, wherein the management data comprises tracing data  collected during a tracing session in the communication network.10.The first apparatus of claim 8, wherein the configuration information for the detection indicates at least one of the following:one or more target network entities in the communication network that require data analysis in the management data collection session,an indication of whether detection is enabled, ora second periodicity of triggering detection at the third apparatus.11.The first apparatus of any of claims 8 to 10, wherein performing a recovery procedure comprises:in accordance with a determination that the detection analysis result indicates a failure or an anomaly in a network entity, performing a recovery action on the network entity.12.The first apparatus of any of claims 8 to 11, wherein the detection report further comprises at least one of the following:a recommended recovery action to be performed on a network entity, ora reliability level of the detection report.13.The first apparatus of any of claims 8 to 12, wherein the first apparatus is further caused to perform:based on the recovery procedure being completed,deactivating the management data collection session, andceasing the detecting of whether the at least one condition for activating the management data collection session is satisfied.14.The first apparatus of claim 13, wherein the management data collection session comprises a tracing session, and wherein the first apparatus is caused to perform:based on the recovery procedure being completed,deactivating the tracing session, andceasing the detecting of whether the at least one condition for activating the tracing session is satisfied.15.The first apparatus of any of claims 1 to 14, wherein the analytic request comprises  a tracing analytic request.16.The first apparatus of any of claims 1 to 15, wherein the first apparatus is or is comprised in a first network entity serving as a management service (MnS) producer, andwherein the second apparatus is or is comprised in a second network entity serving as a MnS consumer to the MnS producer.17.A second apparatus comprising:at least one processor; andat least one memory storing instructions that, when executed by the at least one processor, cause the second apparatus at least to perform:transmitting an analytic request to a first apparatus, wherein the analytic request comprises configuration information indicating at least one condition for activating a management data collection session in a communication network; andreceiving an analytic response to the analytic request from the first apparatus.18.The second apparatus of claim 17, wherein the analytic request further comprises a reference pointing to a managed object instance (MOI) to be crated at the first apparatus.19.The second apparatus of claim 17 or 18, wherein the configuration information in the analytic request further indicates at least one of the following:a first periodicity of triggering prediction at the third apparatus, orone or more target network entities that require data analysis in the management data collection session.20.A third apparatus comprising:at least one processor; andat least one memory storing instructions that, when executed by the at least one processor, cause the third apparatus at least to perform:receiving, from a first apparatus, a prediction request to request for predicting an abnormal network condition in a communication network;in response to the prediction request, performing prediction of an abnormal network condition in the communication network based on current and historical management data collected in the communication network; andtransmitting, to the first apparatus, a prediction report, wherein the prediction report comprises an indication of whether management data collection is to be enabled in the communication network.21.The third apparatus of claim 20, wherein the prediction report further comprises:one or more prediction results for one or more target network entities in the communication network, ora reliability level of the prediction report.22.The third apparatus of claim 20 or 21, wherein the third apparatus is caused to perform:based on the management data collection session being activated, receiving, from the first apparatus, a detection request for detecting an abnormal network condition in the communication network, wherein the detection request comprises configuration information for detection of the abnormal network condition;receiving, from the first apparatus, management data collected during the management data collection session activated at the first apparatus;performing detection of the abnormal network condition based on the configuration information for detection and the collected management data; andtransmitting a detection report to the first apparatus, wherein the detection report comprises a detection analysis result for the management data collection session.23.The third apparatus of claim 22, wherein the management data comprises tracing data collected during a tracing session in the communication network.24.The third apparatus of claim 22, wherein the configuration information for detection indicates at least one of the following:one or more target network entities in the communication network that require data analysis in the management data collection session,an indication of whether detection is enabled, ora second periodicity of triggering detection at the third apparatus.25.The third apparatus of any of claims 22 to 24, wherein the detection report further comprises at least one of the following:a recommended recovery action to be performed on a network entity, ora reliability level of the detection report.26.A method comprising:receiving, by a first apparatus, an analytic request from a second apparatus, wherein the analytic request comprises configuration information indicating at least one condition for activating a management data collection session in a communication network;based on the analytic request comprising the at least one condition, transmitting, to a third apparatus, a prediction request to request for predicting an abnormal network condition in the communication network;receiving a prediction report from the third apparatus, wherein the prediction report comprises an indication of whether the management data collection is to be enabled;based on the prediction report indicating that the management data collection is to be enabled, detecting whether the at least one condition is satisfied; andbased on a detection that the at least one condition is satisfied, activating the management data collection session for the communication network.27.A method comprising:transmitting, by a second apparatus, an analytic request to a first apparatus, wherein the analytic request comprises configuration information indicating at least one condition for activating a management data collection session in a communication network; andreceiving an analytic response to the analytic request from the first apparatus.28.A method comprising:receiving, by a third apparatus and from a first apparatus, a prediction request to request for predicting an abnormal network condition in a communication network;in response to the prediction request, performing prediction of an abnormal network condition in the communication network based on current and historical management data collected in the communication network; andtransmitting, to the first apparatus, a prediction report, wherein the prediction report comprises an indication of whether management data collection is to be enabled in the communication network.29.A first apparatus comprising:means for receiving an analytic request from a second apparatus, wherein the analytic request comprises configuration information indicating at least one condition for activating a management data collection session in a communication network;means for, based on the analytic request comprising the at least one condition, transmitting, to a third apparatus, a prediction request to request for predicting an abnormal network condition in the communication network;receiving a prediction report from the third apparatus, wherein the prediction report comprises an indication of whether the management data collection is to be enabled;based on the prediction report indicating that the management data collection is to be enabled, detecting whether the at least one condition is satisfied; andbased on a detection that the at least one condition is satisfied, activating the management data collection session for the communication network.30.A second apparatus comprising:means for transmitting an analytic request to a first apparatus, wherein the analytic request comprises configuration information indicating at least one condition for activating a management data collection session in a communication network; andmeans for receiving an analytic response to the analytic request from the first apparatus.31.A third apparatus comprising:means for receiving, from a first apparatus, a prediction request to request for predicting an abnormal network condition in a communication network;means for in response to the prediction request, performing prediction of an abnormal network condition in the communication network based on current and historical management data collected in the communication network; andmeans for transmitting, to the first apparatus, a prediction report, wherein the prediction report comprises an indication of whether management data collection is to be enabled in the communication network.32.A computer readable medium comprising instructions stored thereon for causing an apparatus at least to perform the method of claim 26, or the method of claim  27, or the method of claim 28.

Images