汪保友，吳 琮，錢 晶/Wang Baoyou,Wu Cong,Qian Jing

（中國(guó)聯(lián)合網(wǎng)絡(luò)通信集團(tuán)有限公司上海市分公司 上海 200050）

1 引言

LTE網(wǎng)絡(luò)的運(yùn)營(yíng)，推動(dòng)著移動(dòng)互聯(lián)網(wǎng)的高速發(fā)展。LTE網(wǎng)絡(luò)高數(shù)據(jù)速率、低時(shí)延、廣覆蓋、分組傳輸?shù)燃夹g(shù)優(yōu)勢(shì)，大大促進(jìn)了多媒體數(shù)據(jù)業(yè)務(wù)的開展和豐富的APP應(yīng)用的推出。隨之，數(shù)據(jù)業(yè)務(wù)成為影響用戶感知的重點(diǎn)，因此需要一種更有效的無線網(wǎng)絡(luò)性能測(cè)試方法，來評(píng)估網(wǎng)絡(luò)質(zhì)量和定位網(wǎng)絡(luò)問題。同時(shí)，隨著LTE用戶群體的不斷增長(zhǎng)，運(yùn)營(yíng)商的網(wǎng)絡(luò)容量正在不斷增加，網(wǎng)絡(luò)復(fù)雜度和網(wǎng)絡(luò)設(shè)備的多樣化，使得網(wǎng)絡(luò)優(yōu)化工作的難度也在不斷加深。如何進(jìn)行端對(duì)端的問題定位，如何經(jīng)濟(jì)有效地開展無線網(wǎng)絡(luò)優(yōu)化、提升用戶使用感知，是擺在運(yùn)營(yíng)商面前急需解決的問題。網(wǎng)絡(luò)優(yōu)化需要?jiǎng)?chuàng)新，大數(shù)據(jù)技術(shù)的發(fā)展，為充分挖掘LTE海量信令數(shù)據(jù)，對(duì)多接口信令數(shù)據(jù)關(guān)聯(lián)分析，提供了更經(jīng)濟(jì)、更有效的評(píng)估手段。

2 需求驅(qū)動(dòng)

2.1 提升網(wǎng)絡(luò)優(yōu)化效率需求

網(wǎng)絡(luò)優(yōu)化是一項(xiàng)技術(shù)難度大、涉及范圍廣、人員素質(zhì)要求較高的工作，話務(wù)統(tǒng)計(jì)分析法、信令分析法、數(shù)據(jù)庫(kù)核查與參數(shù)分析法等，多依賴于技術(shù)人員的經(jīng)驗(yàn)，自動(dòng)化程度較低，定位解決問題的時(shí)效性差。傳統(tǒng)的DT&CQT測(cè)試法，只是抽象地模擬用戶行為數(shù)據(jù)，無法真實(shí)、全面地反映網(wǎng)絡(luò)問題。例如，路測(cè)（Drive Test）主要測(cè)試用戶吞吐量、誤幀率FER、SCH速率分布、手機(jī)發(fā)射功率等；呼叫質(zhì)量撥打測(cè)試（Call Quality Test），又稱點(diǎn)測(cè)，是在固定的地點(diǎn)測(cè)試無線數(shù)據(jù)的網(wǎng)絡(luò)性能，包括呼叫建立測(cè)試、休眠重激活測(cè)試、傳輸時(shí)延測(cè)試等。

LTE網(wǎng)絡(luò)主要承載的是數(shù)據(jù)業(yè)務(wù)，完整的數(shù)據(jù)業(yè)務(wù)性能評(píng)估優(yōu)化，與網(wǎng)絡(luò)的各個(gè)環(huán)節(jié)都有著緊密的聯(lián)系，涉及網(wǎng)絡(luò)的各個(gè)節(jié)點(diǎn)，包括無線側(cè)、核心網(wǎng)、業(yè)務(wù)側(cè)、終端以及業(yè)務(wù)層，需要從面向設(shè)備的網(wǎng)絡(luò)優(yōu)化向面向業(yè)務(wù)的優(yōu)化轉(zhuǎn)變，通過用戶終端、網(wǎng)絡(luò)和業(yè)務(wù)提供端全程的跟蹤和優(yōu)化，實(shí)現(xiàn)真正的端到端優(yōu)化。因此，需要一種更有效的網(wǎng)絡(luò)性能測(cè)試方法，來評(píng)估網(wǎng)絡(luò)質(zhì)量和定位網(wǎng)絡(luò)問題。

2.2 構(gòu)建新型網(wǎng)絡(luò)質(zhì)量評(píng)估模型需求

LTE網(wǎng)絡(luò)中，數(shù)據(jù)業(yè)務(wù)成為影響用戶感知的重點(diǎn)。傳統(tǒng)網(wǎng)絡(luò)質(zhì)量測(cè)評(píng)中，側(cè)重對(duì)無線網(wǎng)絡(luò)環(huán)境進(jìn)行測(cè)評(píng)。但是，影響用戶感知度的因素不僅在于無線側(cè)和傳輸側(cè)，不同的終端類型及移動(dòng)數(shù)據(jù)業(yè)務(wù)的內(nèi)容可用性也成為影響業(yè)務(wù)質(zhì)量及用戶感知度的重要因素。日常優(yōu)化工作中常常出現(xiàn)這種情況：來自客戶端的用戶感知和網(wǎng)絡(luò)端的KPI測(cè)評(píng)指標(biāo)，兩者反饋的結(jié)果有時(shí)差距較大，可能出現(xiàn)網(wǎng)絡(luò)KPI性能指標(biāo)較好，但用戶感知度較差的情況。因此需要建立更全面、客觀的網(wǎng)絡(luò)質(zhì)量評(píng)估指標(biāo)體系，以實(shí)現(xiàn)網(wǎng)絡(luò)側(cè)的測(cè)評(píng)和客戶端的用戶感知結(jié)果相一致。

2.3 業(yè)務(wù)創(chuàng)新增值需求

“數(shù)據(jù)資產(chǎn)”是運(yùn)營(yíng)商即將開墾的掘金地。運(yùn)營(yíng)商為消費(fèi)者提供網(wǎng)絡(luò)服務(wù)，處在大數(shù)據(jù)產(chǎn)業(yè)鏈的傳輸與交換中心地位，具有相對(duì)全面、完整、真實(shí)的高價(jià)值密度信息。OSS域的網(wǎng)元接口信令數(shù)據(jù)、網(wǎng)管告警日志信息、地理位置信息等，不僅對(duì)網(wǎng)絡(luò)優(yōu)化起到重要作用，還可以沉淀保存下來，在不侵犯用戶隱私的前提下，對(duì)數(shù)據(jù)進(jìn)行深度加工，形成大數(shù)據(jù)能力輸出和數(shù)據(jù)平臺(tái)開放，服務(wù)于社會(huì)，是運(yùn)營(yíng)商實(shí)現(xiàn)“數(shù)據(jù)資產(chǎn)”運(yùn)營(yíng)和商業(yè)模式轉(zhuǎn)型的業(yè)務(wù)創(chuàng)新需求。

3 解決方案與平臺(tái)架構(gòu)設(shè)計(jì)

基于以上的需求與挑戰(zhàn)，需要構(gòu)建“能力開放、靈活支撐、安全服務(wù)”的統(tǒng)一大數(shù)據(jù)支撐平臺(tái)，有效支撐智能網(wǎng)優(yōu)、智能交通等創(chuàng)新型應(yīng)用，提升數(shù)據(jù)資源的價(jià)值轉(zhuǎn)換能力。

3.1 構(gòu)建統(tǒng)一的大數(shù)據(jù)支撐平臺(tái)

運(yùn)營(yíng)商為消費(fèi)者提供網(wǎng)絡(luò)服務(wù)，擁有大量的網(wǎng)絡(luò)信息，例如，網(wǎng)元接口信令數(shù)據(jù)、網(wǎng)管告警日志信息、DT&CQT測(cè)試數(shù)據(jù)、用戶投訴信息等，還包含了大量用戶消費(fèi)行為數(shù)據(jù)，包括用戶的話音通話行為、上網(wǎng)痕跡信息、短/彩信使用信息、SP/CP使用信息、用戶實(shí)名信息、渠道偏好、終端喜好信息等以及挖掘衍生的用戶價(jià)值、用戶消費(fèi)習(xí)慣、交際圈信息、生活行為、指紋、個(gè)人興趣愛好等信息。這些數(shù)據(jù)打通了后臺(tái)網(wǎng)絡(luò)建設(shè)優(yōu)化與前臺(tái)業(yè)務(wù)發(fā)展之間的藩籬，可以依據(jù)業(yè)務(wù)使用情況進(jìn)行網(wǎng)絡(luò)規(guī)劃、部署、優(yōu)化和維護(hù)，同時(shí)依據(jù)不同網(wǎng)絡(luò)特點(diǎn)進(jìn)行業(yè)務(wù)的分流，以得到提升網(wǎng)絡(luò)效率的目的。因此有必要整合OSS域、BSS域、MSS域等分散的企業(yè)數(shù)據(jù)資源，構(gòu)建統(tǒng)一的大數(shù)據(jù)平臺(tái)，實(shí)現(xiàn)統(tǒng)一的數(shù)據(jù)采集、存儲(chǔ)、挖掘與分析處理能力，支持海量異構(gòu)數(shù)據(jù)源的采集，解決數(shù)據(jù)量暴增所帶來的存儲(chǔ)與計(jì)算性能問題。

Hadoop對(duì)海量數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)的處理能力強(qiáng)，且易擴(kuò)展，適于處理龐大的原始信令數(shù)據(jù)；傳統(tǒng)RDB數(shù)據(jù)庫(kù) （Oracle、DB2等），用于存儲(chǔ)用戶標(biāo)簽庫(kù)、用戶361°全息數(shù)據(jù)、粗粒度匯總數(shù)據(jù)、報(bào)表數(shù)據(jù)、多維數(shù)據(jù)、指標(biāo)庫(kù)等結(jié)果數(shù)據(jù)，確保核心數(shù)據(jù)服務(wù)能力的穩(wěn)定。因此宜揚(yáng)長(zhǎng)避短，采用基于Hadoop的分布式并行預(yù)處理、傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)為主數(shù)據(jù)倉(cāng)庫(kù)的混搭模式，構(gòu)建統(tǒng)一的大數(shù)據(jù)支撐平臺(tái)，邏輯架構(gòu)如圖1所示。

由圖1可知，大數(shù)據(jù)支撐平臺(tái)邏輯架構(gòu)主要包括4層結(jié)構(gòu)，即數(shù)據(jù)獲取層、數(shù)據(jù)存儲(chǔ)層、數(shù)據(jù)應(yīng)用層和數(shù)據(jù)服務(wù)層。采集的數(shù)據(jù)源包括網(wǎng)元信令、地理位置移動(dòng)信息、網(wǎng)優(yōu)測(cè)試類、網(wǎng)管告警類、資源類、事件工單類等網(wǎng)管信令數(shù)據(jù)以及業(yè)務(wù)支撐系統(tǒng)數(shù)據(jù)，包括 CRM、計(jì)費(fèi)、賬務(wù)管理、OCS、客服、VAC平臺(tái)、cBSS等一系統(tǒng)的基礎(chǔ)數(shù)據(jù)以及集團(tuán)總部下發(fā)文件明細(xì)數(shù)據(jù)。通過數(shù)據(jù)校驗(yàn)、數(shù)據(jù)清洗、數(shù)據(jù)關(guān)聯(lián)、數(shù)據(jù)匯總、數(shù)據(jù)聚合等一系列的加工流程、深度分析和信息挖掘，在數(shù)據(jù)存儲(chǔ)層形成企業(yè)數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)集市。數(shù)據(jù)應(yīng)用層表現(xiàn)形式包括智能網(wǎng)優(yōu)、智能運(yùn)維、流量控制、智能網(wǎng)規(guī)、定位LBS、信令分析、智能交通、異動(dòng)監(jiān)控、KPI指標(biāo)、精準(zhǔn)營(yíng)銷、客戶維系等生產(chǎn)支撐體系以及外部輸出服務(wù)功能。在數(shù)據(jù)服務(wù)層，可通過個(gè)性化定制、信息推送、用戶搜索、能

力開放等方式，實(shí)現(xiàn)對(duì)內(nèi)對(duì)外服務(wù)。在整個(gè)數(shù)據(jù)加工處理、流轉(zhuǎn)服務(wù)過程中，數(shù)據(jù)質(zhì)量、數(shù)據(jù)標(biāo)準(zhǔn)、元數(shù)據(jù)、生命周期等數(shù)據(jù)管理措施貫穿始終；通過安全制度、安全技術(shù)、安全運(yùn)營(yíng)、安全教育等運(yùn)營(yíng)機(jī)制確保數(shù)據(jù)安全。

3.2 基于Hadoop的數(shù)據(jù)預(yù)處理支撐架構(gòu)

Hadoop是一種分布式處理的軟件框架，適用于大集群海量離線數(shù)據(jù)分析，可擴(kuò)展至1 000多個(gè)節(jié)點(diǎn)，處理PB級(jí)海量數(shù)據(jù)。

Hadoop 2.0生態(tài)圈如圖2所示。其中，YARN（Yet Another Resource Negotiator）負(fù)責(zé)集群資源的統(tǒng)一管理和調(diào)度；HBase是運(yùn)行于HDFS頂層的NoSQL，具備隨即讀寫功能，是一種列存儲(chǔ)數(shù)據(jù)庫(kù)；而Hive支持HSQL，是一種類SQL編程接口，可以將SQL語(yǔ)句轉(zhuǎn)換為MapReduce任務(wù)運(yùn)行，它本身不存儲(chǔ)數(shù)據(jù)；Mahout提供基于MR的算法庫(kù)，實(shí)現(xiàn)一些機(jī)器學(xué)習(xí)領(lǐng)域經(jīng)典算法，包括聚類、分類、推薦過濾、頻繁子項(xiàng)挖掘等；Zookeeper是分布式協(xié)同調(diào)度工具；Oozie是工作流調(diào)度引擎。

網(wǎng)元接口信令數(shù)據(jù)量非常龐大，包括話音呼叫/接聽事件、位置更新/切換事件、開機(jī)事件、各類數(shù)據(jù)業(yè)務(wù)接入事件等。省級(jí)運(yùn)營(yíng)商網(wǎng)絡(luò)信令數(shù)據(jù)量級(jí)一般在N億/天，其中，流量的增長(zhǎng)導(dǎo)致信令數(shù)據(jù)激增，嚴(yán)重影響網(wǎng)絡(luò)質(zhì)量。有人統(tǒng)計(jì)過，微信業(yè)務(wù)消耗了某運(yùn)營(yíng)商44%的信令，但流量貢獻(xiàn)只占6.6%。圖3所示為L(zhǎng)TE網(wǎng)絡(luò)各網(wǎng)元接口信令示意，采集的原始信令主要包含軟采 Uu、X2， 硬采 S1、S11、S6a、SGs等。

EPC（Evolved Packet Core）是 LTE 的核心網(wǎng)，其中，MME（Mobility Management Entity，移動(dòng)性管理實(shí)體）和 S-GW（Serving Gateway，服務(wù)網(wǎng)關(guān)），處理用戶面數(shù)據(jù)交互；P-GW（PDNGateway，PDN 網(wǎng)關(guān)）是 LTE與外部網(wǎng)絡(luò)的接口網(wǎng)關(guān)；PCRF（Policy and Charging Rules Function，策略及計(jì)費(fèi)規(guī)則功能單元）完成對(duì)用戶數(shù)據(jù)報(bào)文的策略和計(jì)費(fèi)控制；HSS（Home Subscriber Server， 用 戶 歸 屬 服 務(wù) ） 是 IMS（IP Multimedia Subsystem，IP多媒體子系統(tǒng)）中控制層的重要組成部分。

利用Hadoop對(duì)海量非結(jié)構(gòu)化數(shù)據(jù)的數(shù)據(jù)處理能力和易擴(kuò)展性，可對(duì)網(wǎng)管日志、網(wǎng)元信令、上網(wǎng)痕跡等進(jìn)行預(yù)處理整合。圖4是基于Hadoop的信令采集預(yù)處理網(wǎng)絡(luò)示意。由于Hadoop的分布式并行計(jì)算和易擴(kuò)展特性，且對(duì)硬件平臺(tái)的要求相對(duì)較低（如x86平臺(tái)集群，一般配置有IBM 3650 PC，雙路六核，Intel X5650處理器，2.66 GHz主頻，48 GB 內(nèi)存，6×1 TB SATA硬盤），可靈活配置、按需、快速分配資源，有效控制成本。

3.3 立足于端到端的網(wǎng)絡(luò)質(zhì)量綜合評(píng)估

LTE網(wǎng)絡(luò)中，數(shù)據(jù)業(yè)務(wù)成為影響用戶感知的重點(diǎn)，其中，網(wǎng)頁(yè)瀏覽、流媒體、FTP下載和即時(shí)通信4類業(yè)務(wù)，是移動(dòng)互聯(lián)網(wǎng)最常使用的業(yè)務(wù)類型。從用戶角度出發(fā)，良好的客戶感知是上網(wǎng)和各類APP應(yīng)用的流暢性以及上網(wǎng)過程中發(fā)生話音通話行為時(shí)網(wǎng)絡(luò)切換的平滑性。

根據(jù)一般工程經(jīng)驗(yàn)，數(shù)據(jù)業(yè)務(wù)中，影響客戶感知的因素比重分布如圖5所示，其中，無線側(cè)占比36%，核心網(wǎng)側(cè)占比21%，業(yè)務(wù)網(wǎng)側(cè)占比8%，SP/CP側(cè)占比35%。完整的數(shù)據(jù)業(yè)務(wù)性能評(píng)估優(yōu)化，與網(wǎng)絡(luò)的各個(gè)環(huán)節(jié)都有著緊密的聯(lián)系，需涉及覆蓋全部網(wǎng)絡(luò)的各個(gè)節(jié)點(diǎn)（包括無線側(cè)、核心網(wǎng)、業(yè)務(wù)側(cè)、終端以及業(yè)務(wù)層），這就使得數(shù)據(jù)業(yè)務(wù)的業(yè)務(wù)流程比話音業(yè)務(wù)復(fù)雜許多。

因此，單個(gè)網(wǎng)元的KPI指標(biāo)、單接口的信令數(shù)據(jù)分析能力，并不能完整地體現(xiàn)真實(shí)的用戶體驗(yàn)。需進(jìn)行多接口海量信令數(shù)據(jù)的關(guān)聯(lián)，充分挖掘各接口數(shù)據(jù)的特性和關(guān)聯(lián)性，立足于更全面、客觀的端到端網(wǎng)絡(luò)質(zhì)量綜合評(píng)估，以實(shí)現(xiàn)網(wǎng)絡(luò)側(cè)的測(cè)評(píng)和客戶端的用戶感知結(jié)果相一致。

首先介紹 KPI、KQI、QoS和QoE這幾個(gè)概念，它們之間是層層遞進(jìn)的關(guān)系。

①KPI（Key Performance Indication）即關(guān)鍵業(yè)績(jī)指標(biāo)，通常是網(wǎng)絡(luò)層面可監(jiān)視、可測(cè)量的重要參數(shù)。

②KQI（Key Quality Indicators）即關(guān)鍵質(zhì)量指標(biāo)，是主要針對(duì)不同業(yè)務(wù)提出的貼近用戶感受的業(yè)務(wù)質(zhì)量參數(shù)，是業(yè)務(wù)層面的關(guān)鍵指標(biāo)，也是不同業(yè)務(wù)或應(yīng)用的質(zhì)量參數(shù)。

③QoS（Quality of Service）即服務(wù)質(zhì)量，是決定用戶滿意程度服務(wù)性能的綜合效果。

④QoE（Quality of Experience）即用戶體驗(yàn)，是終端用戶對(duì)移動(dòng)網(wǎng)絡(luò)提供的業(yè)務(wù)性能的主觀感受，QoE=網(wǎng)絡(luò)QoS+內(nèi)容+人的體驗(yàn)。

一般來說，評(píng)價(jià)LTE網(wǎng)絡(luò)性能的關(guān)鍵質(zhì)量指標(biāo)可分為感知類指標(biāo)、CSFB特性指標(biāo)、呼叫接入性指標(biāo)、呼叫保持性指標(biāo)、移動(dòng)性指標(biāo)、完整性指標(biāo)、容量指標(biāo)等。圖6所示為網(wǎng)絡(luò)性能關(guān)鍵質(zhì)量指標(biāo)體系。其中，感知類指標(biāo)、CSFB特性指標(biāo)是LTE網(wǎng)絡(luò)特有或用戶更關(guān)注的指標(biāo)，可相應(yīng)地設(shè)定較高的權(quán)重。

QoE和KQI之間的關(guān)系可表示為

簡(jiǎn)記為

其中，權(quán)重系統(tǒng)可自行設(shè)定，默認(rèn)為經(jīng)驗(yàn)值；Δ為調(diào)節(jié)值，模擬用戶的期望、心情以及運(yùn)營(yíng)商客服關(guān)愛、廣告宣傳等因素的影響。一般地，設(shè)定感知類指標(biāo)占整體權(quán)重分配的35%，CSFB特性指標(biāo)占整體權(quán)重分配的15%，呼叫接入性指標(biāo)占整體權(quán)重分配的15%，呼叫保持性指標(biāo)占整體權(quán)重分配的10%，移動(dòng)性指標(biāo)占整體權(quán)重分配的10%，完整性指標(biāo)占整體權(quán)重分配的5%，容量指標(biāo)占整體權(quán)重分配的10%。

通過對(duì)KQI指標(biāo)的加權(quán)計(jì)算，可對(duì)LTE網(wǎng)絡(luò)質(zhì)量進(jìn)行綜合評(píng)估，得出符合客戶感知的用戶體驗(yàn)，也能準(zhǔn)確突顯焦點(diǎn)問題。經(jīng)過站點(diǎn)分析調(diào)整，可明顯提高相關(guān)業(yè)務(wù)指標(biāo)，降低用戶投訴，提升客戶滿意度。

4 大數(shù)據(jù)支撐平臺(tái)的應(yīng)用場(chǎng)景

網(wǎng)絡(luò)優(yōu)化關(guān)心的角度，包括覆蓋、質(zhì)量、容量和成本4個(gè)方面，大數(shù)據(jù)支撐平臺(tái)，可對(duì)網(wǎng)絡(luò)優(yōu)化起到很好的系統(tǒng)支撐功能，主要體現(xiàn)在以下5點(diǎn)。

①通過統(tǒng)一的大數(shù)據(jù)支撐平臺(tái)，端到端的信令采集，分析話單和信令中用戶的流量在時(shí)間周期和位置特征方面的分布，監(jiān)控網(wǎng)絡(luò)狀況，按密集城區(qū)、一般城區(qū)、郊區(qū)場(chǎng)景，對(duì)待優(yōu)化擴(kuò)容小區(qū)分級(jí)排序；進(jìn)行全量信令的數(shù)據(jù)挖掘，建立全流程問題分析模型，可提供用戶級(jí)、小區(qū)級(jí)、柵格級(jí)、網(wǎng)元級(jí)維度的網(wǎng)絡(luò)質(zhì)量數(shù)據(jù)指標(biāo)，可全面評(píng)估網(wǎng)絡(luò)質(zhì)量和快速定位網(wǎng)絡(luò)問題，實(shí)現(xiàn)流量控制和智能運(yùn)維，指導(dǎo)網(wǎng)絡(luò)優(yōu)化，提高無線網(wǎng)絡(luò)運(yùn)行效率。

②將每個(gè)小區(qū)按照流量?jī)r(jià)值、業(yè)務(wù)質(zhì)量、用戶價(jià)值、下行流速、VIP用戶感知等維度權(quán)值進(jìn)行綜合打分，形成小區(qū)QoE指標(biāo)，對(duì)核心價(jià)值區(qū)域，需要加強(qiáng)深度覆蓋，做好基站覆蓋重點(diǎn)保障，避免高端客戶流失。

③根據(jù)HTTP響應(yīng)碼分布，統(tǒng)計(jì)一段時(shí)間內(nèi)同類用戶體驗(yàn)問題，按照時(shí)間維度，分析定位SP服務(wù)器因素等的影響分布情況，排除非網(wǎng)絡(luò)因素（SP服務(wù)器、用戶終端等問題）的影響，避免不必要的優(yōu)化投資。

④及時(shí)識(shí)別一些異常行為和現(xiàn)象，例如，長(zhǎng)時(shí)間在線用戶、異常大流量使用、頻繁建立PDP行為、端口掃描事件以及告警風(fēng)暴、手機(jī)病毒等，以便盡早屏蔽和消除影響，保障運(yùn)營(yíng)商的基礎(chǔ)網(wǎng)絡(luò)安全。

⑤通過端到端的網(wǎng)絡(luò)質(zhì)量綜合評(píng)估，可全面客觀地評(píng)價(jià)優(yōu)化擴(kuò)容效果，體現(xiàn)優(yōu)化擴(kuò)容工作對(duì)用戶感知的貢獻(xiàn)。

5 結(jié)束語(yǔ)

移動(dòng)互聯(lián)網(wǎng)時(shí)代，數(shù)據(jù)業(yè)務(wù)成為影響用戶感知的重點(diǎn)，網(wǎng)絡(luò)質(zhì)量評(píng)測(cè)與網(wǎng)絡(luò)優(yōu)化需要?jiǎng)?chuàng)新。構(gòu)建統(tǒng)一的大數(shù)據(jù)平臺(tái)，可有效整合OSS域、BSS域、MSS域等分散的企業(yè)數(shù)據(jù)資源，打通后臺(tái)網(wǎng)絡(luò)建設(shè)優(yōu)化與前臺(tái)業(yè)務(wù)發(fā)展之間的藩籬，可全面評(píng)估網(wǎng)絡(luò)質(zhì)量、快速定位網(wǎng)絡(luò)問題，實(shí)現(xiàn)流量控制和智能運(yùn)維，更經(jīng)濟(jì)、更有效地指導(dǎo)網(wǎng)絡(luò)優(yōu)化，實(shí)現(xiàn)質(zhì)量和效益雙提升。目前建設(shè)的統(tǒng)一大數(shù)據(jù)支撐平臺(tái)，已取得了初步的成效和商業(yè)價(jià)值。平臺(tái)架構(gòu)的設(shè)計(jì)方案與支撐架構(gòu)、端到端的網(wǎng)絡(luò)質(zhì)量綜合評(píng)估，對(duì)業(yè)界有一定的參考價(jià)值。從未來的發(fā)展看，大數(shù)據(jù)支撐平臺(tái)所聚集的大數(shù)據(jù)資產(chǎn)，對(duì)網(wǎng)絡(luò)規(guī)劃、網(wǎng)絡(luò)優(yōu)化、網(wǎng)絡(luò)運(yùn)維管理等企業(yè)運(yùn)營(yíng)活動(dòng)的作用將持續(xù)增強(qiáng)。此外，大數(shù)據(jù)支撐平臺(tái)所提供的數(shù)據(jù)租賃、數(shù)據(jù)分析、數(shù)據(jù)分享服務(wù)等，將是運(yùn)營(yíng)商提供通信網(wǎng)絡(luò)服務(wù)外的一大亮點(diǎn)。

[1]周俊,劉克清.基于LTE信令大數(shù)據(jù)的網(wǎng)絡(luò)質(zhì)量評(píng)估體系研究[J].互聯(lián)網(wǎng)天地,2015,(3):33-40.

[2]陳森,陳超,張小勇等.基于大數(shù)據(jù)分析的移動(dòng)互聯(lián)網(wǎng)用戶感知評(píng)價(jià)系統(tǒng)[J].電信科學(xué),2015,31(4):2015057(1-8).

[3] “基于大數(shù)據(jù)的互聯(lián)網(wǎng)化存量經(jīng)營(yíng)”項(xiàng)目組.運(yùn)營(yíng)商存量經(jīng)營(yíng)大數(shù)據(jù)平臺(tái)及其關(guān)鍵技術(shù)研究[J].電信科學(xué),2014,30(6):118-125.

[4] 甘雯,文鋒,宮大鵬等.應(yīng)對(duì)告警風(fēng)暴告警的系統(tǒng)優(yōu)化策略[J].電信科學(xué),2015,31(5):2015132(1-8).

[5] 雷蕾,李景文,宮大鵬等.基于Hadoop的OSS域數(shù)據(jù)建模與采集方法研究[J].電信科學(xué),2015,31(1):2015021(1-11).