雷 蕾，李景文，宮大鵬，王 睿，蘇 雷，陳寧江

(1．中國移動通信集團廣西有限公司 南寧530022；2．億陽信通股份有限公司 南寧530022；3．廣西大學(xué)計算機與電子信息學(xué)院 南寧530004）

1 引言

隨著“大數(shù)據(jù)時代”的來臨，電信運營商已意識到自己手中“數(shù)據(jù)金庫”的價值，正在積極推動傳統(tǒng)的分析支撐體系向分布式大數(shù)據(jù)架構(gòu)進行演進，以構(gòu)建集中化的企業(yè)級大數(shù)據(jù)中心，實現(xiàn)整個企業(yè)的數(shù)據(jù)融合，提供開放的數(shù)據(jù)能力，逐步滿足全網(wǎng)、全渠道、全業(yè)務(wù)一體化營銷服務(wù)的要求。

在廣西移動的企業(yè)級大數(shù)據(jù)中心建設(shè)及企業(yè)數(shù)據(jù)融合工作中，主要采用Hadoop架構(gòu)搭建大數(shù)據(jù)中心，數(shù)據(jù)來源主要包括電信行業(yè)通常所劃分的OSS（operation support system，運營支撐系統(tǒng)）、BSS（business support system，業(yè)務(wù)支撐系統(tǒng)）、MSS（management support system，管理支撐系統(tǒng)）3個領(lǐng)域的數(shù)據(jù)，3個域數(shù)據(jù)的采集處理復(fù)雜度不同，服務(wù)于不同的場景。其中，OSS域數(shù)據(jù)種類繁多，數(shù)據(jù)量大，采集過程復(fù)雜，同時包含結(jié)構(gòu)化及非結(jié)構(gòu)化數(shù)據(jù)，是三域數(shù)據(jù)中最復(fù)雜的一類，也是建設(shè)大數(shù)據(jù)中心的重點及關(guān)鍵工作之一。本文結(jié)合業(yè)務(wù)實際需求，介紹基于Hadoop平臺的OSS域數(shù)據(jù)采集和數(shù)據(jù)管理建模的解決方案和實現(xiàn)技術(shù)，目標是將域數(shù)據(jù)有效地傳遞和組織，使得數(shù)據(jù)中心切實有效地對數(shù)據(jù)進行管理，對應(yīng)用進行數(shù)據(jù)供給。

2 OSS域數(shù)據(jù)背景與現(xiàn)狀

OSS域系統(tǒng)的主要數(shù)據(jù)類型包括網(wǎng)絡(luò)的資源數(shù)據(jù)、告警數(shù)據(jù)、性能數(shù)據(jù)、網(wǎng)絡(luò)測量數(shù)據(jù)、信令數(shù)據(jù)、工單數(shù)據(jù)、日志數(shù)據(jù)等，每天產(chǎn)生的數(shù)據(jù)量在60 TB左右，以煙囪的方式在網(wǎng)絡(luò)優(yōu)化系統(tǒng)、話務(wù)網(wǎng)管、數(shù)據(jù)網(wǎng)管、信令監(jiān)測系統(tǒng)、綜合網(wǎng)絡(luò)資源管理系統(tǒng)等多套系統(tǒng)中采集和存儲。

如圖1所示，從數(shù)據(jù)量來看，來自于信令監(jiān)測系統(tǒng)的信令數(shù)據(jù)占整個OSS域數(shù)據(jù)量的97%，信令數(shù)據(jù)記錄了用戶的通話記錄和上網(wǎng)記錄等信息，同時含有結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，是對用戶行為進行分析、開展大數(shù)據(jù)分析營銷的重要基礎(chǔ)數(shù)據(jù)；從數(shù)據(jù)獲取復(fù)雜度及采集頻次來看，網(wǎng)絡(luò)優(yōu)化系統(tǒng)（簡稱網(wǎng)優(yōu)）的數(shù)據(jù)獲取復(fù)雜度最大，采集頻次最高，網(wǎng)優(yōu)數(shù)據(jù)全面記錄了網(wǎng)絡(luò)的各類性能指標，以結(jié)構(gòu)化數(shù)據(jù)為主，是利用大數(shù)據(jù)技術(shù)開展2G/3G/TD/WLAN網(wǎng)絡(luò)協(xié)同性能分析，提升用戶網(wǎng)絡(luò)使用感知的重要基礎(chǔ)數(shù)據(jù)。

在上述的OSS域各系統(tǒng)中，都同時保留了各自采集到的原始數(shù)據(jù)和經(jīng)過計算后的匯總數(shù)據(jù)，這種煙囪式的數(shù)據(jù)管理方式缺乏有效的管理機制，部分數(shù)據(jù)存在重復(fù)，如網(wǎng)優(yōu)系統(tǒng)和話務(wù)網(wǎng)管系統(tǒng)同時都有話務(wù)量、掉話率數(shù)據(jù)，各系統(tǒng)間的數(shù)據(jù)也沒有顯性的聯(lián)系，如信令系統(tǒng)中的信令數(shù)據(jù)與網(wǎng)優(yōu)系統(tǒng)中的網(wǎng)絡(luò)性能數(shù)據(jù)無法實現(xiàn)關(guān)聯(lián)分析。因此，數(shù)據(jù)的孤島現(xiàn)象嚴重，數(shù)據(jù)價值無法得到充分的挖掘和利用。國內(nèi)許多互聯(lián)網(wǎng)公司為了應(yīng)對這樣的數(shù)據(jù)自主研發(fā)了許多架構(gòu)，例如騰訊為應(yīng)對其自有業(yè)務(wù)的大數(shù)據(jù)處理構(gòu)建了一套TDW（Tencent distributed data warehouse,騰訊分布式數(shù)據(jù)倉庫）架構(gòu)，小米對HBase進行不斷改進和擴展。中國科學(xué)院計算技術(shù)研究所對行列混合式存儲技術(shù)、HDFS數(shù)據(jù)壓縮技術(shù)的研究也已取得初步成效。

針對上述問題，為實現(xiàn)OSS域各類數(shù)據(jù)的統(tǒng)一采集、統(tǒng)一存儲、集中建模和數(shù)據(jù)共享，筆者研發(fā)了一個基于Hadoop的OSS數(shù)據(jù)統(tǒng)一采集平臺（HD-OSS），如圖2所示。HD-OSS平臺基于Hadoop技術(shù)架構(gòu)搭建，實現(xiàn)對各類數(shù)據(jù)的采集、清理、抽取和轉(zhuǎn)換，并進行輕量級匯總計算。采用統(tǒng)一的云化ETL技術(shù)進行數(shù)據(jù)預(yù)處理，實現(xiàn)數(shù)據(jù)接入的統(tǒng)一管控、海量多樣化數(shù)據(jù)處理，提供各個域數(shù)據(jù)融合的基礎(chǔ)，清洗后的數(shù)據(jù)在ETL平臺完成統(tǒng)一的調(diào)度轉(zhuǎn)換，最后進入數(shù)據(jù)中心。采用異構(gòu)分層存儲架構(gòu)，引入大規(guī)模并行分布式（MPP）數(shù)據(jù)庫和關(guān)系型數(shù)據(jù)倉庫，按照數(shù)據(jù)在生命周期中不同階段對存儲的性能需求，數(shù)據(jù)分類分級后分布存儲在數(shù)據(jù)倉庫和MPP數(shù)據(jù)庫。HD-OSS平臺還需實現(xiàn)統(tǒng)一數(shù)據(jù)建模、統(tǒng)一編碼管理和統(tǒng)一指標管理。在平臺的建設(shè)中，數(shù)據(jù)采集管理和數(shù)據(jù)建模是確保大數(shù)據(jù)中心數(shù)據(jù)的完整性、準確性和一致性的關(guān)鍵問題。本文主要對它們進行研究并提出解決方案。OSS域數(shù)據(jù)面臨的最大問題是業(yè)務(wù)的影響會直接擴散到網(wǎng)絡(luò)設(shè)備采集層，一旦上層的應(yīng)用需求改變，底層數(shù)據(jù)采集的時間粒度、空間粒度、指標算法、存儲方式等可能會發(fā)生改變，OSS域數(shù)據(jù)與應(yīng)用解耦是關(guān)鍵課題。

圖1 OSS域數(shù)據(jù)分布

圖2 混搭式數(shù)據(jù)中心架構(gòu)

3 基于Hadoop的數(shù)據(jù)采集管理

OSS數(shù)據(jù)統(tǒng)一采集平臺主要解決網(wǎng)絡(luò)中網(wǎng)元的采集適配問題，統(tǒng)一管理對網(wǎng)元、信令、路測等設(shè)備的采集進程，監(jiān)控整個采集過程和數(shù)據(jù)質(zhì)量，通過ETL完成數(shù)據(jù)清洗和部分輕量級數(shù)據(jù)的匯總，將數(shù)據(jù)輸送進入數(shù)據(jù)中心，這是整個OSS采集的核心。統(tǒng)一采集平臺重點對告警、性能（含網(wǎng)優(yōu)）、資源和信令四大類數(shù)據(jù)采用不同的方式進行處理，如圖3所示。

·對于資源數(shù)據(jù)來說，數(shù)據(jù)量較小，數(shù)據(jù)來源主要為工程配置和資源入網(wǎng)割接時錄入的手工數(shù)據(jù)，對資源狀態(tài)的實時性要求不高，每天僅需更新一次，因此每天由統(tǒng)一采集平臺采集后，分別提供給大數(shù)據(jù)中心和綜合資源系統(tǒng)。

·對于告警數(shù)據(jù)來說，數(shù)據(jù)量大，具備流式處理的特征，而且實時性要求非常高，所以統(tǒng)一采集平臺采集到數(shù)據(jù)后將數(shù)據(jù)分為兩份，一份送到綜合告警管理系統(tǒng)，一份送入企業(yè)大數(shù)據(jù)中心。

·對于性能數(shù)據(jù)來說，數(shù)據(jù)量一般，但數(shù)據(jù)來源多、采集頻次高、數(shù)據(jù)結(jié)構(gòu)復(fù)雜，統(tǒng)一采集平臺完成數(shù)據(jù)采集及解析后，再進行輕量級計算及匯總，將原始數(shù)據(jù)及匯總數(shù)據(jù)根據(jù)需要送到OSS域的各系統(tǒng)及企業(yè)大數(shù)據(jù)中心。

·對于信令數(shù)據(jù)來說，數(shù)據(jù)量特別大，但數(shù)據(jù)來源單一，僅需要全量接入信令監(jiān)測系統(tǒng)提供的數(shù)據(jù)或文件即可，但由于存在大量的非結(jié)構(gòu)化數(shù)據(jù)，因此需要統(tǒng)一采集平臺采用爬蟲技術(shù)對非結(jié)構(gòu)化數(shù)據(jù)進行分析，所有的數(shù)據(jù)全部送入到企業(yè)級大數(shù)據(jù)中心保存。

下面以最復(fù)雜的性能數(shù)據(jù)為例，說明統(tǒng)一采集平臺基于Hadoop平臺進行ETL數(shù)據(jù)處理的過程，如圖4所示。

圖3 OSS域數(shù)據(jù)統(tǒng)一采集示意

圖4 基于Hadoop的ETL數(shù)據(jù)處理流程

基于Hadoop平臺的ETL與普通的ETL過程沒有本質(zhì)區(qū)別。統(tǒng)一采集平臺完成底層數(shù)據(jù)采集后即進入ETL過程，主要通過Ooize或其他調(diào)度工具實現(xiàn)周期調(diào)度，另外HDFS和FS系統(tǒng)可以通過流程打通，Hive與Hbase也可以通過Sqoop與其他數(shù)據(jù)庫打通。大數(shù)據(jù)的處理過程也由SQL方式提供，可以引入一些數(shù)據(jù)挖掘的處理過程。

4 OSS域數(shù)據(jù)建模管理設(shè)計

4.1 數(shù)據(jù)建模方法論

通過總結(jié)實際經(jīng)驗，筆者提出了一種層次型分類梳理數(shù)據(jù)建模方法，如圖5所示。數(shù)據(jù)建模和管理遵從自上而下的分類梳理對數(shù)據(jù)進行重新規(guī)劃，主要根據(jù)數(shù)據(jù)源歸屬、特點、規(guī)模等情況對數(shù)據(jù)進行模型分層和數(shù)據(jù)粒度分層，按照ODS（operational data store，操作型數(shù)據(jù)存儲）、DW（data warehouse，數(shù)據(jù)倉庫）和DM（data market，數(shù)據(jù)集市）3層進行數(shù)據(jù)建模。ODS用于存放從數(shù)據(jù)源直接抽取出來的數(shù)據(jù)，這些數(shù)據(jù)在數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)之間的邏輯關(guān)系上與數(shù)據(jù)源基本保持一致，DW主要根據(jù)企業(yè)模型而來，而從業(yè)務(wù)專題出發(fā)建立的模型則會固化在DM層。在ODS層和DW層，一般會以運營數(shù)據(jù)模型和企業(yè)模型為出發(fā)點，指導(dǎo)數(shù)據(jù)在采集計算層面大致分出哪些是業(yè)務(wù)支撐驅(qū)動的數(shù)據(jù)，哪些是運維支撐驅(qū)動的數(shù)據(jù)，例如借助eTOM模型定義出企業(yè)規(guī)劃、運營支撐、故障、計費、開通、保障等層面數(shù)據(jù)覆蓋范圍和數(shù)據(jù)歸屬，并能結(jié)合現(xiàn)狀調(diào)研初步估算出數(shù)據(jù)的使用頻度和粒度大小。而DM層的業(yè)務(wù)模型則主要根據(jù)業(yè)務(wù)應(yīng)用方向分專題建模，如流量經(jīng)營業(yè)務(wù)模型、客戶感知業(yè)務(wù)模型等。

4.2 數(shù)據(jù)模型的分層原則

OSS域數(shù)據(jù)將按照如下原則劃分到數(shù)據(jù)模型的ODS、DW、DM 3個層次。

（1）ODS層模型

·原則一：按照10億～1 000億的億級數(shù)據(jù)進行分層。

·原則二：按照數(shù)據(jù)之間的推演規(guī)則進行分層，如圖6所示。

圖5 建模方法論

圖6 ODS層模型

（2）ODS層

ODS層也被稱作數(shù)據(jù)緩沖區(qū)，存儲包括O域?qū)I(yè)網(wǎng)性能、告警、資源、DPI等系統(tǒng)數(shù)據(jù)。建立清單級、會話級數(shù)據(jù)（PI、KPI級數(shù)據(jù)）模型。例如網(wǎng)管系統(tǒng)的性能數(shù)據(jù)會按專業(yè)組織最細粒度的數(shù)據(jù)模型表示。DW層模型如圖7所示，在ODS層保存清單級數(shù)據(jù)后，通過進一步關(guān)聯(lián)匯總形成DW層數(shù)據(jù)，主要為了支撐上層應(yīng)用分析和鉆取分析，根據(jù)業(yè)務(wù)需求對事實數(shù)據(jù)和維度數(shù)據(jù)進行有效的組織和規(guī)范，提高數(shù)據(jù)的訪問效率。按企業(yè)模型和不同細分粒度組織建模，并設(shè)計出模型間的關(guān)聯(lián)關(guān)系。一般DW層按4類模型進行匯總，分別匯總為維度表、事實表、聚集表、臨時表。

·維度表：根據(jù)系統(tǒng)各個主題邏輯數(shù)據(jù)模型的維度設(shè)計的物理數(shù)據(jù)庫表，記錄模型維度信息。

·事實表：記錄各專題最細粒度的事實信息，物理數(shù)據(jù)庫表的設(shè)計是依據(jù)邏輯數(shù)據(jù)模型設(shè)計的。

·聚集表：記錄各專題匯總粒度的事實信息，物理數(shù)據(jù)庫表的設(shè)計是依據(jù)邏輯數(shù)據(jù)模型設(shè)計的。

·臨時表：根據(jù)數(shù)據(jù)ETL設(shè)計定義，即為中間表，無模型設(shè)計意義。

圖7 DW層模型

（3）DM層模型

DM層模型面向應(yīng)用組織建模，以業(yè)務(wù)需求應(yīng)用為單位對DW層的數(shù)據(jù)進一步組織和存儲，是面向需求以及未來需求變更、擴展的模型。一般以業(yè)務(wù)作為驅(qū)動，在DW模型基礎(chǔ)上按業(yè)務(wù)專題所需要的業(yè)務(wù)再次進行數(shù)據(jù)組織，通過按上層業(yè)務(wù)組合、業(yè)務(wù)鉆取等形成最終面向應(yīng)用的DM層模型；各專題域模型引用ODS層企業(yè)流程模型，構(gòu)成邏輯專題域數(shù)據(jù)。

以幾個分析專題為例，將所需要的業(yè)務(wù)進行模型組織，按上層業(yè)務(wù)組合、業(yè)務(wù)鉆取等建立模型，具體見表1。

通過以上過程，即完成了數(shù)據(jù)中心架構(gòu)支撐下的分析應(yīng)用建模支撐。圖8給出了一個整體業(yè)務(wù)數(shù)據(jù)建模例子，在數(shù)據(jù)中心中組織了從基礎(chǔ)數(shù)據(jù)、數(shù)據(jù)倉庫、數(shù)據(jù)集市3層數(shù)據(jù)模型，通過數(shù)據(jù)抽取進行逐層匯總，匯聚到DM層以后，即可形成高價值業(yè)務(wù)分析、高流量用戶分析等面向分析專題的模型數(shù)據(jù)。當上層業(yè)務(wù)發(fā)生變更，開發(fā)者可根據(jù)情況在DW層再次快速組織數(shù)據(jù)匯總，省去重新采集建模的開發(fā)時間。按這樣層次組織的數(shù)據(jù)模型即可實現(xiàn)對應(yīng)用開發(fā)的快速模型支撐，響應(yīng)性能分析需求的高時效性。

表1 分析專題DM模型示意

圖8 按業(yè)務(wù)分層的數(shù)據(jù)模型例子

5 應(yīng)用場景

圖9為OSS域性能分析示意。

基于OSS域數(shù)據(jù)的分析應(yīng)用主要集中在客戶感知、業(yè)務(wù)質(zhì)量、網(wǎng)絡(luò)性能3個方面，這些分析專題的數(shù)據(jù)來源復(fù)雜，結(jié)構(gòu)化程度不統(tǒng)一，以下重點以移動互聯(lián)網(wǎng)端到端分析專題為例，進行數(shù)據(jù)采集及模型管理的介紹。

如圖10所示，移動互聯(lián)網(wǎng)端到端分析專題重點圍繞LTE網(wǎng)絡(luò)移動互聯(lián)網(wǎng)絡(luò)業(yè)務(wù)，開展端到端感知分析。從業(yè)務(wù)感知指標入口，總結(jié)自上而下的問題溯源關(guān)聯(lián)規(guī)則，提供各類型業(yè)務(wù)（瀏覽、下載、視頻和即時通信四大類業(yè)務(wù)類型）的業(yè)務(wù)質(zhì)量端到端分析，實現(xiàn)精準的問題定界和定位。

圖9 OSS域性能分析示意

圖10 移動互聯(lián)網(wǎng)端到端業(yè)務(wù)質(zhì)量指標定位

針對業(yè)務(wù)端到端質(zhì)量問題，進行問題溯源分為兩大步驟：第一，質(zhì)差定界；第二，問題溯源。兩大步驟均需要通過梳理指標體系實現(xiàn)。根據(jù)業(yè)務(wù)梳理得到的指標集結(jié)合模型分層原則可設(shè)計出采集及模型管理的要求，見表2。

目前通過業(yè)務(wù)質(zhì)量管理平臺，能夠獲取移動互聯(lián)網(wǎng)的4類業(yè)務(wù)，分別為網(wǎng)頁瀏覽、視頻業(yè)務(wù)、即時通信、應(yīng)用下載業(yè)務(wù)數(shù)據(jù)。通過DPI平臺可對用戶面S1-U口、Uu口與SGi口信令解析，獲取KQI/KPI/PI指標。表3為過程指標分解。

瀏覽類業(yè)務(wù)主要包括附著、承載激活、DNS解析、TCP鏈接、HTTP請求的5個階段，當成功率類指標發(fā)生波動時，首先關(guān)聯(lián)KPI指標確定業(yè)務(wù)失敗在哪個過程，然后根據(jù)這個過程中出現(xiàn)的錯誤碼分析失敗原因，最后通過FM/PM/CM排查KPI，橫向?qū)Ρ?，定界具體異常點?；跇I(yè)務(wù)過程的KPI指標能夠定位業(yè)務(wù)失敗原因，對業(yè)務(wù)質(zhì)量進行管理和優(yōu)化。通過對兩類指標進行業(yè)務(wù)關(guān)聯(lián)，即可完成故障溯源的過程。

采集方面，通過OSS統(tǒng)一采集平臺實現(xiàn)初步ETL過程，更好地解決算法不透明、缺乏管控手段、統(tǒng)計口徑不一致、接口雜亂等問題，平臺統(tǒng)一管理所有的采集通道和時間軸。在ETL完成后，數(shù)據(jù)按專業(yè)維度存放在數(shù)據(jù)中心的ODS層。

一般在ODS層保存兩年的清單級數(shù)據(jù)（PI、KPI級數(shù)據(jù)），通過進一步關(guān)聯(lián)匯總為DW層模型。在DW模型基礎(chǔ)上，按互聯(lián)網(wǎng)端到端分析專題所需要的業(yè)務(wù)再次進行數(shù)據(jù)組織，按上層業(yè)務(wù)組合、業(yè)務(wù)鉆取等建立模型，形成最終面向應(yīng)用的DM層模型，即完成了整個數(shù)據(jù)中心架構(gòu)支撐下的分析應(yīng)用建模支撐。

關(guān)于OSS數(shù)據(jù)對大數(shù)據(jù)業(yè)務(wù)的其他支撐，如圖11所示，還可以通過對信令數(shù)據(jù)進行深度挖掘，研究客戶的上網(wǎng)行為、基本特征、位置軌跡、消費偏好等信息，對數(shù)據(jù)進行“脫敏”后，可完成用戶畫像，為自有業(yè)務(wù)營銷、客戶產(chǎn)品服務(wù)提供數(shù)據(jù)支撐。

6 結(jié)束語

電信運營商數(shù)據(jù)中心建設(shè)必須重視OSS域數(shù)據(jù)建設(shè)，這是保證整個數(shù)據(jù)中心質(zhì)量、支撐應(yīng)用分析業(yè)務(wù)開展的重要基礎(chǔ)。目前中國移動正在全國推動數(shù)據(jù)中心的建設(shè)，在建設(shè)過程中怎樣處理好數(shù)據(jù)采集與數(shù)據(jù)存儲的關(guān)系，受到業(yè)界公司的重點關(guān)注。本文介紹了對OSS域數(shù)據(jù)進行大數(shù)據(jù)中心架構(gòu)管理的采集流程和數(shù)據(jù)建模的關(guān)鍵方法，為其他省建設(shè)企業(yè)數(shù)據(jù)中心提供可實施的建設(shè)經(jīng)驗。目前廣西移動正在借助已有的平臺對數(shù)據(jù)中心進行重新規(guī)劃，對于OSS域的數(shù)據(jù)供給，建設(shè)完成后可以對架設(shè)在數(shù)據(jù)中心之上60%～70%的應(yīng)用群提供OSS側(cè)的數(shù)據(jù)支撐。下一步的工作主要包括：適應(yīng)業(yè)務(wù)發(fā)展的多樣化，需要研究將更多的數(shù)據(jù)采集、計算存儲模型融入到數(shù)據(jù)中心的整體架構(gòu)中；深入研究OSS在大數(shù)據(jù)支撐的應(yīng)用，例如通過對信令數(shù)據(jù)的深度挖掘，研究客戶上網(wǎng)行為、位置軌跡、消費偏好等信息，為自有業(yè)務(wù)營銷、客戶產(chǎn)品服務(wù)提供數(shù)據(jù)支撐。

表2 互聯(lián)網(wǎng)端到端指標體系

表3 過程指標分解

圖11 OSS域數(shù)據(jù)的分析支撐

1 Barroso L A,Dean J,Holzle U.Websearch for a planet:The Google cluster architecture.IEEE Micro,2003，23(2):22～28

2 Xu Y,Kostamaa P,Qi Y.A Hadoop based distributed loading approach to parallel data warehouses.Proceedings of SIGMOD 2011,Athens,Greece,2011

3 詹志強，孟洛明，邱雪松.多專業(yè)網(wǎng)綜合網(wǎng)管系統(tǒng)體系結(jié)構(gòu)的研究.北京郵電大學(xué)學(xué)報，2003(1)Zhan Z Q,Meng L M,Qiu X S.Architecture of network management system for multi-technology network.Journal of Beijing University of Posts and Telecommunications,2003(1)

4 Liu X F,Thomsen C,Pedersen T B.Cloud ETL:Scalable Dimensional ETL for Hadoop and Hive.DB Technical Report,2012

5 Mohammed M,Mohd S A.A Framework for Interoperable Distributed ETL Components Based on SOA.Proceedings of ICSTE 2010,San Juan,PR,USA,2010

6 陳桂漢.綜合電信管理解決方案.北京：電子工業(yè)出版社，2002 Chen G H.Integrated Telecommunications Management Solutions.Beijing：Publishing House of Electronics Industry，2002

7 Ghemawat S,Gobioff H,Le-ung S T.The Google file system.Proceedings of 19th Symposium on Operating Systems Principles,Lake George,New York,USA,2003

8 Corbett J C，Dean J,Epstein M.Google’s globally distributed database.Proceedings of the 10th USENIX Symposium on Operating Systems Design and Implementation,OSDI 2012,Hollywood,CA,USA,2012

9 Samuel P,Mall R,Kanth P.Automatic test case generation from UML communication diagrams.Information and Software Technology,2007(49):158～171

10 Ling F,Chang E,Dillon T.A semantic network-based design methodology for XML documents.ACM Transactions on Information System(TOIS),2002,20(4):1～6

11 Dean J,Ghemawat S.MapReduce:Simplified data processing on large clusters.Proceedings of6th Symposium on Operating Systems Design and Implementation,OSDI’04,San Francisco,USA,2004