Page 39 - 网络电信2016第14期

解决方案

再次，算法需要分析复杂场景并对场景进行区分。如果将 为了直观地看出各业务之间的并发关系，我们使用kruskal
全市或者全国所有的数据不加以区分而进行统一处理，那么所 算法构建最小生成树网络 ，[10-11] 对于由N种业务之间的C2N个距
有的特殊区域都将被平均化，然而某些区域的特殊情况的内在 离构建的集合U，首先找出U中的最小值，即距离最小的两种业
原因正是数据分析者们更感兴趣的地方，因此将数据进行合理 务，在这两种业务之间添加一条无向边，连接这两种业务，接
的场景划分，是数据预处理的中重要一步。 着在剩下的C2N-1条边中继续寻找最小值连接业务，同时保证业
务之间不连成环，直至遍历所有距离值。其流程如图4所示。
最后，平台必须能够分布式结构并行处理，提高海量数据
的处理速度。由于大数据更新速度快的特点，能否快速实时的 图4 业务网络构建流程
对海量数据进行处理是整个数据分析的基础。

3.处理流程
为了探究未来一段时间某地区的业务并发关系，我们需要
对该地区采集到的海量数据做预处理。原始数据包括了许多字
段，如基站信息（经纬度）、网络类型、上下行流量、数据包
数、业务持续时长等。我们主要研究各业务之间的联系，因此
只需提取出与业务量有关的字段。首先，从所有数据中出剔除
了许多不常用的或是数据不全的业务，最终得到了60种有效业
务，这些业务对象包括了除语音、短信外所有数据类业务，如
即时消息、社交、流媒体、邮件等；然后再从这60种需要分析
的业务中选取可能会使用到的各业务的上下行流量、用户数、
数据包个数等；最终我们选取了各业务流量来探究业务并发关
系。我们将相关的数据整理为表1格式。

表1 业务流量数据示例

4.结果展示
图5所示为某使用地区，从2014年1月5日开始连续15天全网
60种业务构建的最小生成树业务网络。

图5 最小生成树业务网络

现在各种网络业务越来越多，但是各种业务之间并不是孤 在该业务网络中，各节点代表了不同业务，如快播、优
立存在的，用户使用习惯、业务本身属性等都会使得各业务是 酷、微信、淘宝、新浪微博等。节点大小是由该业务在网络中
息息相关的。为了衡量业务之间关系的大小，我们定义了各业 介数的大小决定的，节点越大代表了该业务介数越大。而对于
务之间的距离。 这样一个由业务构成的网络来说，业务介数越大，其他的业务
就越容易通过它关联在一起，例如在图5中，淘宝与优酷这两种
对于采集到的N种业务，要得到第i（i=1,2,3……N）种业 业务并未直接连接在一起，这说明它们之间的相关性不是最大
务与第j（i=1,2,3……N，j≠i）种业务之间的距离，首先需 的，但是它们还是可以通过一定的路径连接起来，从图中具体
要计算出第i种业务与第j种业务的皮尔逊相关系数，计算公式 来看就是：淘宝——IMESSAGE——快播——优酷，而且从我们
为： 构建该网络的方法来看，这样连接起来的路径一定是相关系数
权重最大的。对于其他业务也可以此类推，可以看出任意两种
（1） 业务相关的路径通过IMESSAGE的次数是最多的。
其中 x(i), x(j)分别为第i，j两种业务流量的时间序列。在
得到业务相关系数的基础上，我们就可以计算第i种业务与第j 该网络中的边选取了不同颜色来标注，不同颜色代表不
种业务之间的距离dij[9]，计算公式为： 同的业务距离范围。在阐述该网络的构建方法时我们就已经说
明，边连接的节点是两种距离最小的业务，因此从结合点与边
（2） 即可看出各业务之间的关系：距离越小就说明两种业务越容易

62 网络电信 二零一六年八月