好的，我们立刻开启全新的3GPP规范深度解读系列。这次的目标是 3GPP TS 29.575，一份定义5G核心网中“数据大脑”的“中央数据库”——分析数据仓库服务 (Analytics Data Repository Services) 的规范。
按照我们的既定规则，第一篇文章将是对这份在5G网络智能化中扮演数据存储和管理核心角色的规范进行一次全景式的鸟瞰。
深度解析 3GPP TS 29.575：ADRF服务 (Analytics Data Repository) 总体架构与核心功能
本文技术原理深度参考了3GPP TS 29.575 V18.8.0 (2025-03) Release 18规范，旨在为读者提供一个关于5G系统中“分析数据仓库功能（ADRF）”及其服务的全景视图。我们将揭示ADRF作为5G网络数据分析架构（NWDAF）的“记忆中枢”和“数据保险库”，是如何实现对海量网络数据和分析结果的持久化存储、按需检索、订阅和生命周期管理的。
引言：5G智能化的“记忆宫殿”——ADRF的诞生
5G网络的智能化，建立在对海量网络数据进行持续分析和学习的基础之上。我们已经认识了负责执行分析的“大脑”——NWDAF（网络数据分析功能），以及负责数据采集和处理的“管道工”——MFAF（消息框架适配器功能）。
然而，一个完整的智能体系，除了要有“大脑”和“感官”，还必须有一个强大的“记忆系统”。这个系统需要能够：
- 长期存储：将NWDAF产出的宝贵分析结果，以及从网络中采集到的原始数据，安全地、持久化地存储下来。
- 按需检索：允许其他网络功能在需要时，能够方便、高效地查询和检索这些历史数据和分析结果。
- 主动通知：当有新的数据存入，或者某些数据即将被删除时，能够主动通知关心这些数据的网络功能。
为了满足这些需求，3GPP在网络数据分析架构（TS 23.288）中，定义了一个全新的功能实体——ADRF (Analytics Data Repository Function)，即分析数据仓库功能。
而我们今天要解读的 3GPP TS 29.575 规范，正是为ADRF这座5G网络的“记忆宫殿”或“数据银行”提供Stage 3“施工图”的技术圣经。它定义了ADRF如何对外提供数据和机器学习（ML）模型的存储、检索、订阅和管理服务。
为了生动地展现ADRF的功能，我们将设定一个场景：一家大型工厂正在使用5G网络进行智能制造升级。网络中的NWDAF负责持续分析工厂内网络切片的性能，并训练一个ML模型来预测潜在的拥塞。这些宝贵的分析数据和训练好的模型，都需要被妥善管理。
1. ADRF的核心价值：持久化、共享与管理网络智能
在深入技术细节前，我们必须理解ADRF的核心价值。
3GPP TS 29.575 - Chapter 1: Scope
The present document specifies the stage 3 protocol and data model for the ADRF Service Based Interface. It provides stage 3 protocol definitions and message flows, and specifies the API for each service offered by the ADRF. The stage 2 definition and procedures of store and retrieve the collected data and analytics are contained in 3GPP TS 23.288…
规范的第一章“范围”清晰地定义了其使命：
- 角色: ADRF是服务的提供者。
- 核心功能: 存储 (store) 和 检索 (retrieve) 采集到的数据和分析结果。
- 功能溯源: ADRF的所有功能需求，都源自于网络数据分析架构规范 TS 23.288。
ADRF的核心价值在于，它为5G网络的“智能”提供了一个持久化、可共享、可管理的载体。
- 持久化: NWDAF实例可能会因为升级、故障而重启，其内存中的分析结果会丢失。ADRF提供了将这些结果持久化存储的能力，确保了网络智能的“记忆”不会丢失。
- 共享: 不同的NWDAF实例、PCF、甚至第三方应用（通过NEF），都可能需要使用同一份分析数据。ADRF提供了一个中心化的存储库，避免了数据孤岛，促进了数据在不同NF间的共享和复用。
- 管理: ADRF不仅提供存取，还提供订阅、通知、按条件删除等丰富的管理功能，实现了对数据全生命周期的精细化管控。
2. ADRF提供的核心服务：数据与模型的“双库”管理
规范的第四章“Services offered by the ADRF”是核心功能描述。Table 4.1-1: Service provided by ADRF 为我们列出了其服务“菜单”。
ADRF对外提供两大核心服务，分别管理两种不同类型的“资产”：
2.1 Nadrf_DataManagement (数据管理服务)
- 核心功能: 负责通用数据和分析结果的存储、检索和管理。这是ADRF最基础、最核心的服务。
- 服务消费者:
- DCCF, NWDAF, MFAF: 它们是数据的生产者，通过此服务将采集到的原始数据或处理后的分析结果存入ADRF。
- DCCF, NWDAF: 它们也是数据的消费者，通过此服务检索历史数据用于进一步分析，或订阅新数据的通知。
2.2 Nadrf_MLModelManagement (机器学习模型管理服务)
- 核心功能: 专门负责机器学习（ML）模型的存储、检索和管理。
- 服务消费者: 主要是NWDAF。NWDAF中的MTLF（模型训练逻辑功能）负责训练ML模型，训练完成后，通过此服务将模型存入ADRF。而NWDAF中的ANLF（分析逻辑功能）则可以通过此服务，从ADRF中检索并加载已训练好的模型，用于进行推理和预测。
这种“数据”与“模型”分离的管理方式，体现了现代MLOps（机器学习运维）的思想，使得数据和算法可以被独立管理和演进。
3. Nadrf_DataManagement服务的“十八般武艺”
Nadrf_DataManagement服务是本规范的重中之重，它提供了一套极其丰富和强大的服务操作组合拳，堪称“十八般武艺”。
Table 4.1-1 中列出的操作可以分为四大类：
3.1 存储类操作
StorageRequest: 一次性的、同步的数据存储请求。消费者直接将要存储的数据（如一份分析报告）POST给ADRF。StorageSubscriptionRequest: 创建一个存储订阅。消费者告诉ADRF：“请你去向某某数据源（如NWDAF）订阅数据，拿到数据后，自动帮我存起来。” 这是一种“代理存储”模式。StorageSubscriptionRemoval: 删除一个存储订阅。
3.2 检索类操作
RetrievalRequest: 一次性的、同步的数据检索请求。消费者通过GET请求，根据多种查询条件（如事务ID、数据集ID）从ADRF中检索已存储的数据。RetrievalSubscribe: 创建一个检索订阅。消费者告诉ADRF：“我对某种类型的数据（如A区域的网络性能数据）感兴趣，以后只要有符合条件的新数据存入，请立刻通知我。”RetrievalUnsubscribe: 删除一个检索订阅。
3.3 通知类操作
RetrievalNotify: 由ADRF主动发起，用于履行RetrievalSubscribe的约定。当有新的、符合订阅条件的数据存入时，ADRF会通过此操作通知订阅者。通知方式同样支持“直接推送数据”和“推送提货单（Fetch Instruction）”两种模式。
3.4 删除类操作
Delete: 用于删除已存储的数据。支持按存储事务ID删除，也支持按数据/分析规范（如删除“所有关于某应用的、超过30天的数据”）进行批量删除。
场景链接:
- 存储: NWDAF完成对工厂切片性能的每日分析，生成一份报告。它调用ADRF的
StorageRequest，将这份报告存入ADRF，并获得一个storeTransId（存储事务ID）。 - 订阅: 工厂的运维平台（AF），通过NEF，调用ADRF的
RetrievalSubscribe，订阅“所有关于本工厂切片的性能报告”。 - 通知: 第二天，当NWDAF再次存入新的日报时，ADRF检测到新数据符合运维平台的订阅条件，立即通过
RetrievalNotify向NEF（进而转发给AF）发送通知。 - 检索: 运维平台在收到通知后，或在需要查询历史数据时，调用ADRF的
RetrievalRequest，根据storeTransId或时间范围，从ADRF中拉取具体的报告内容。 - 删除: 运营商策略规定报告只保留7天。运维系统会定期调用
Delete操作，删除7天前的数据。
总结
3GPP TS 29.575所定义的ADRF及其两大服务，是5G网络迈向“数据驱动”和“AI原生”的数据底座。
-
核心价值: ADRF通过提供一个中心化的、多租户的、可管理的数据与ML模型仓库，实现了网络智能资产的持久化、共享和生命周期管理。
-
双库管理模型: 通过
Nadrf_DataManagement和Nadrf_MLModelManagement两大服务，清晰地分离了对数据和ML模型的管理，符合现代数据科学和MLOps的最佳实践。 -
强大的数据服务能力:
Nadrf_DataManagement服务提供了一套极其完备的操作集，覆盖了数据的**“存、取、订、删”** 四大核心环节，并支持同步/异步、推/拉、单次/订阅等多种交互模式，功能极其强大和灵活。 -
网络智能化的基石: ADRF与NWDAF、DCCF、MFAF等NF紧密协作，共同构成了5G网络的数据分析与智能闭环。ADRF负责“记忆”，NWDAF负责“思考”，MFAF/DCCF负责“感知”，它们协同工作，驱动着5G网络不断地自我优化和演进。
这份规范为5G网络的“大数据平台”提供了标准化的蓝图。在接下来的系列文章中，我们将严格按照TS 29.575的章节顺序，从第一章开始，逐一解剖其范围、定义，并深入到第四、五、六章，为您完整呈现ADRF这座“记忆宫殿”的每一个建造细节。
FAQ
Q1：ADRF和UDM（统一数据管理）有什么区别？它们都存储数据。 A1：它们的职责和存储的数据类型完全不同。
- UDM: 存储的是用户的签约数据和状态数据，如用户的套餐信息、APN配置、当前注册的AMF地址等。这些是保障用户基本通信所需的数据。UDM是“户籍管理中心”。
- ADRF: 存储的是网络分析数据和ML模型，如网络拥塞历史、用户移动模式分析结果、小区负载预测模型等。这些是用于网络优化和智能化的数据。ADRF是“国家档案馆和科学院”。
Q2：StorageSubscriptionRequest和RetrievalSubscribe有什么区别？
A2：它们的方向和目的相反。
StorageSubscriptionRequest是写操作的订阅。你告诉ADRF：“请你去订阅数据，然后帮我存起来”。ADRF会扮演消费者的角色，去向上游数据源（如NWDAF）订阅数据，并将收到的数据存入自己的仓库。RetrievalSubscribe是读操作的订阅。你告诉ADRF：“我订阅你仓库里的数据，有新货入库请通知我”。ADRF在这里是提供者，当它的仓库中有符合条件的新数据存入时，它会通知你。
Q3：ADRF存储的数据是原始数据还是分析结果？ A3：两者都支持。
- 一个MFAF或DCCF可以将从AMF/SMF采集到的、只经过简单格式化的原始数据（如每一次PDU会话建立的信令）存入ADRF，用于后续的离线分析。
- 一个NWDAF可以将它自己产出的分析结果（如“A区域未来1小时拥塞概率为80%”）存入ADRF，供其他NF（如PCF）直接使用。
Q4：一个运营商网络中可以有多个ADRF吗？ A4：可以。3GPP架构非常灵活。运营商可以根据业务类型（如切片）、地理区域或数据安全等级，部署多个ADRF实例。例如，一个用于存储全网通用分析数据的中心ADRF，以及多个部署在边缘、用于存储低延迟业务相关数据的边缘ADRF。这些ADRF实例可以通过NRF进行注册和发现。
Q5：Nadrf_MLModelManagement服务除了存储模型本身，还管理哪些信息？
A5：它管理一个ML模型的完整元数据。除了模型文件本身（或其地址），还包括：
- 模型标识符: 唯一的ID。
- 模型提供者: 哪个NWDAF实例训练了这个模型。
- 输入/输出特征: 模型需要什么样的输入数据，会产出什么样的输出。
- 性能指标: 模型的准确率、延迟等。
- 适用范围: 模型适用于哪些场景（如哪个区域、哪种业务）。
- 准入控制: 哪些NF有权访问和使用这个模型。 这套完整的元数据管理，使得ADRF成为了一个真正的“ML模型仓库”。