Page 35 - 网络电信2016第6期
P. 35
解决方案
络部署中发挥越来越重要的作用。此外，行业应用正从窄带向 接下来以业务并发度探寻实例来阐述在蜂窝网络系统中如
宽带演进，除了语音通信外，数据、视频传输需求逐步增加。 何应用大数据来解决问题。在该实例中，我们分析各种常见业
LTE的100Mbit/s高速数据传送能力，可以更好地服务于政务 务在不同场景不同时间的并发度，最终得出不同区域的业务并
网、公共安全和应急救灾等行业。因此，利用新一代无线技术 发以及对网络资源的消耗情况，并据此提出网络优化策略。
来实现行业应用，已成为一个发展趋势。
大数据时代的业务并发度分析
随着分布式计算和云平台的逐步实现，作为云服务的关键
应用之一，大数据应用具备了大规模发展的条件。运营商的大 1.应用场景
数据业务正从分散孤立系统向统一的标准化平台方向发展、从 随着通信技术的飞速发展和移动终端的功能逐渐丰富，蜂
数据的采集、存储向检索和挖掘的方向发展。在网络大数据的 窝网络中的数据业务流量迅猛增长，移动互联网下终端用户需
收集与预处理方面，分布式存储方案、内存数据库技术将成为 求更加多样化和复杂化，这也促使移动互联网由传统的单业务
主流技术；Hadoop和一体机成为主流的数据分析平台。 向着多业务平台发展。多业务的出现使得网络数据更趋向于复
杂多样与结构各异，这给用户的行为分析带来了很大的困难和
根据以往的研究，蜂窝网络的承载情况随着通信协议的发 挑战。与此同时，由于业务种类的繁多，分析某一种业务对于
展也发生着巨大变化。根据某一地区的真实历史数据分析可以 整体蜂窝网络影响甚至微乎其微，因此为了提高网络的承载能
得知，全市所有基站的平均吞吐量在2G、3G和4G网络的时代是 力，需要科学准确地分析各数据业务之间的并发性。
有着很大区别的，具体数值如图2所示。 由图3可见，由于目前蜂窝网络用户数和终端数快速增长，
以及业务场景多种多样，数据种类也趋于全面，包括用户使用
图2 不同制式下基站平均吞吐量 各业务的时间信息、位置信息、链接次数、业务量大小等，因
此，用户—— 业务网络资源之间的映射十分复杂，海量的数据
具有极低的价值密度，如果仅仅对某一部分数据进行分析，不
能反映整体网络情况，所具有的价值意义也就很小。
此外，无线侧采集到的数据格式并不统一，应用传统数据
库无法建立统一的数据表结构。根据数据的以上特点，我们采
用Hadoop平台进行数据的预处理与所有算法的执行，实现了高
效处理非结构化数据。
图3 用户—业务—网络资源之间的映射
根据图2可以看出，发展速度最快并且承载压力最大的信道 2.核心技术
是下行数据信道，而目前国内的4G网络还处于发展初期，吞吐 为了分析不同场景下的海量数据，首先平台应该具有较高
量的增长了已达到将近100%。由此可知，数据业务的有效传输 的数据处理能力。以无线侧的呼叫细节记录（CDR）数据为例，
是蜂窝网络的核心难题。 某地区全市全天CDR数据条数达到千亿数量级，数据体积约为
70GB，连续一个月的数据量将达到2TB，如果空间维度扩展到全
此外，随着移动互联网、物联网的发展以及4G技术的逐 国，时间维度扩展到几年，这样的数据量是传统数据库和单机
渐普及，无线通信网络的各种功能需求也日益扩大，用户的网 环境的处理能力远远不能达到的，而以Hadoop为代表的大数据
络行为也随之发生改变，所产生的数据体积也达到了新的数量 处理平台则可以轻松应对。
级。因此，如何利用有限的蜂窝网络资源，应对大数据时代的 其次，平台能够处理并管理非结构化数据。非结构化数据
挑战，是当今通信领域的一个重要课题。 相对于结构化数据而言，不方便用数据库二维逻辑表来表现的
数据即称为非结构化数据，包括所有格式的办公文档、文本、
2.有效的网络优化 图片、标准通用标记语言下的子集XML、HTML、各类报表、图像
当今的蜂窝网络的发展速度明显慢于基站吞吐量的增长，
而用户日益丰富的行为对蜂窝网络的承载能力提出了更高的要
求。可见，优化网络，提升网络负载能力已经成为一个亟待解
决的问题。
我们已经提到，大数据时代的到来使得人们的思维方式发
生了巨大的变革，数据驱动了决策制定，因此对蜂窝网络的优
化策略正是通过对蜂窝网络中产生的数据分析处理来制订。同
时，蜂窝网络系统本身就是一个巨大的数据仓库，我们可以从
中采集到丰富的数据，通过对这些数据的分析，可以识别用户
的地理位置，洞察客户接触不同信息的渠道，了解用户的各种
网络行为。常用的分析方法包括：预测业务流量、探寻不同业
务之间的关联、探寻不同业务模型下的资源瓶颈等等。
62 网络电信 二零一六年四月
