EquiFlex_Hero
EquiFlex_Overview

RUCKUS EquiFlex有助于提升网络容量,尤其是在高密度环境中

接入点(AP)与客户端之间频繁的管理流量通信可能给网络带来负担,甚至导致网络容量下降。

例如,当客户端主动扫描可用接入点时,无论是否为最近的接入点,接入点都必须响应这些探测请求。当足够多的客户端发起请求且附近所有接入点均作出响应时,管理流量会不必要地消耗网络带宽,并减少已连接客户端的可用通信时间。

EquiFlex利用人工智能的强大功能,智能地减少此类网络拥塞。EquiFlex作为RUCKUS通信时间拥塞缓解技术的智能升级版本,通过IntentAI管理系统处理这些连接请求,可将客户端的连接成功率提升20%。

 

 

运作方式

Focusing

专注于有效通信

EquiFlex的工作原理是为每个接入点提供关于射频条件及其相邻接入点状态的本地化数据。每个接入点上运行一个机器学习模型,以确定应响应哪些探测请求、忽略哪些探测请求。例如,某个接入点可能选择忽略某个探测请求,因为它根据相对信号强度判断相邻接入点更适合响应。

Algarythms

利用高级算法

EquiFlex采用了一种称为混合联邦机器学习(HFML)的机器学习架构,该架构运用前沿方法,将集中式和边缘部署的机器学习模型协同结合。其结果是显著改进并更智能地管理探测响应,从而在不降低合法客户端连接能力的前提下,为数据流量释放网络容量。 

优点

better-client-comms

更好的客户端连接 

在体育场或其他大型公共场所等高密度环境中,连接网络可能会变成一场“等待游戏”。EquiFlex通过管理来自数百或数千个客户端同时产生的海量管理流量,帮助改善连接体验。已连接的客户端体验到更好的信号强度,从而实现更高的吞吐量。  

 

Amazing-Experience

改善用户体验

通过减少管理流量开销,连接的客户端和应用程序可获得更多的网络容量。这反过来最大限度地减少了因拥塞导致的潜在延迟,从而能够改善整体用户体验。  

 

Lower-OPEX

降低运营成本

EquiFlex可管理整个网络的客户端连接,几乎不需要人工干预。在EquiFlex出现之前,管理员必须为整个网络中的所有接入点设置RSSI阈值。对于拥有数百或数千个接入点的网络而言,这将难以管理。EquiFlex减少优化网络以减少管理帧流量的IT负担。  

 

常见问题解答