中国移动通信集团广东有限公司珠海分公司519015
摘要:通过大数据存储技术、大数据分析技术及大数据处理技术为基础,将对移动通信网络由点发展至线、面,由传统单一的定位及故障处理向整体分析等方面进行发展。随着移动互联网络的发展及不断更新,移动网络用户对于移动通信网络质量及业务要求越来越多,尤其是移动通信网络用户对于互联网信号覆盖及速度的要求问题日渐显著。为了提高移动通信网络的整体服务质量及水平,对移动通信网络及大数据的思考及改进显得越来越重要。
关键词:移动通信网络;大数据;思考
引言
为了进一步适应移动通信技术的快速发展以及国家政策对于通信技术的规划指导,中国国务院早就在2013年下发了4G移动通信网络牌照,而4G时代的到来对于移动通信网络优化服务提出了更高的要求,技术提升与数据利用是关键。不论是数字家庭还是社会化网络的发展走向,都让处理与分析大数据成为急切需求,必须促使大数据得到快速应用。那么下一步的研究重点就聚焦于大数据在移动通讯网络优化中的具体应用,从而提高生产效率,因此本文接下来将对大数据在移动通信网络优化中的应用进行研究。
一、大数据技术和移动无线网络的现状分析
1.1数据
就中国大数据发展的现状而言,存在的最大问题就是数据量过大。在我国移动通信网络发展的大背景之下,人们的生活物质水平在不断提高,对于网络的需求不断增加的同时,对其要求也越来越高。所以,在网络使用用户增加、网络拓展领域不断增加的情况下,大数据的采集也越来越多,数据量不断攀升,但技术性的要求远远不能满足大数据的存储要求。
1.2资金
对于任何项目的开展,资金是其发展的基础性条件,因此,中国当前大数据技术推进的过程中,面临的问题就是资金支持的问题。就中国当前移动通信网络引入大数据的发展战略来看,需要根据各个地区的具体性情况进行数据结构上和性质上的分析,其具有着建设周期长、投入成本高的特性,在初期资金投入高,易出现资金链短缺的情况,如果在建设的过程中,出现资金链断裂,那么不仅会延长建设周期,而且在一定程度上,增加了成本的支出,同时移动通信网络也无法实现大数据的优化。
1.3安全
不管从事任何职业、任何岗位,或者是任何项目的开展,都必须将安全问题放在首位。当前中国大数据发展已经有一定的规模,但其安全性问题却仍待要解决。在大数据技术应用的过程中,包括了采集、分析、存储和处理等方面的内容,将大数据运用于移动通信网络中,其安全性问题也受到了一定的关注。如果在应用中出现了任何漏洞,移动通信网络数据的安全都会出现重大问题。虽然可以运用云储存技术将大量的移动通信网络数据放在一个大平台上使用,但在这样一个还未完善的平台上也容易造成数据的丢失,所以安全性仍旧是发展的重大问题之一。
二、运用大数据技术所面临的问题
2.1移动通信网络数据过于庞大
在移动通信网络使用的过程中,由于现在的覆盖范围越来越广,使得用户不断增加,所建立的移动网络基站数量也在不断增加。这就使得移动通信网络会产生庞大的数据量。想要运用大数据技术对移动通信网络所产生的数据进行整体与分析,是目前移动网络通信工作所面临的难题之一。
2.2网络建设周期长度与投入资金的问题
在移动通信网络的建立中,由于不同区域的每一项数据结构、性质均不同,导致在进行建设时,不能同时进行。这就会使得移动通信网络的建设周期与投入资金都有所增加。如何将不同区域所获取的数据整合在同一个管理平台上,成为了移动通信网络建设中的重要问题。
2.3移动通信网络优化中大数据的安全问题
在大数据技术中,主要包括数据的储存、分析、处理以及管理等内容。而当移动通信网络在优化中使用大数据技术时,就有可能会对移动通信网络数据产生数据安全隐患。尤其是在大数据技术中储存功能的使用,就目前来说,最常见的就是云储存技术。云储存技术可以帮助移动通信网络更快的对数据信息进行储存,使所有的数据存储在同一个数据平台之上,虽然使移动通信网络数据的收集变得便利,但是在无形之中也加大了数据存储的安全隐患。可能会发生移动通信网络数据丢失或损坏的问题,对移动通信网络造成负面影响。
三、移动通信网络中大数据处理的关键技术分析
在移动通信网络运行过程中,与之相关的大数据处理效果是否良好,体现着该网络实践应用中的技术水平。在此背景下,为了提升移动通信网络中大数据处理的技术水平,增加其处理中的技术含量,则需要对其大数据处理所需的关键技术进行深入分析[2]。具体表现在以下方面:
3.1实践中的清洗、提取技术
移动通信网络在实践应用中若受到复杂环境条件影响或其处于无人监控状态时,其中采集到的数据可能会有所偏差,与移动通信网络的实际情况不相符,使其业务水平下降。针对这种情况,应加强适用性良好的清洗与提取技术的采用,实现对移动通信网络中原始数据的清洗处理,使得其中的冗余、错误数据等能够得到良好的处理,消除这些数据可能造成的不利影响,使得移动通信网络中大数据处理技术水平逐渐提升。在此期间,因清洗与提取技术应用中的数据处理量有限,且该技术作用下的分析结果可靠性需要进一步增强,客观决定了对移动通信网络中大数据进行处理,并不断优化与之相关的提取技术的必要性,使得这类技术作用下的大数据处理能够达到预期的效果,给予移动通信网络业务水平提升必要的支持,并促进大数据处理的关键技术发展。
3.2实践中的集成技术
在对移动通信网络中的大数据进行处理时,由于这些数据来源于不同的终端,使得大数据的多源异构特点明显,需要在数据清洗及提取、数据融合等过程的作用下,实现对大数据的高效处理。因此,应提高大数据处理所需的集成技术利用效率,且在该技术的支持下,对移动通信网络中数据关联、数据冲突等问题进行及时处理,促使大数据处理技术水平得以提升,充分发挥出移动通信网络中大数据处理的关键技术优势。
3.3实践中的分析与挖掘技术
当移动通信网络运行采集到有效的数据后,就需要对收集到的数据进行分析与挖掘,这是提升数据潜在应用价值的关键手段。实践中因同一批数据,进行不同方向的分析挖掘以及分析挖掘的能力不同等,使得数据应用效果有所差异,进而对数据的潜在应用价造成了不同程度的影响。因此,若能加强高效的挖掘分析具、挖掘技使用,将会具有重要的现实参考意义:全面提高移动通信网络中的数据利用效率,满足其处理方面的实际需求,使得这类网络中的大数据潜在应用价值得以不断提升,从而为移动通信网络运行中的业务方式优化提供科学保障。
3.4实践中的可视化分析技术
在获得数据并进行分析挖掘后,得到相应的成果。此时,则需要通过一定的方式将其展示出来,体现出移动通信网络中大数据的真正价值。现阶段发展比较迅速的是可视化分析技术,即利用各种数据分析展示的手段,将数据结果以一种直视觉的形式展现出来,确保大数据处理有效性。同时,可视化分析技术应用中不仅能够对大数据本身和其分析挖掘结果进行展示,而且可以进一步进行人机交互,提高移动通信网络运行中的数据处理分析能力,实践数据应用价值的最大化。因此,在运用移动通信网络中大数据处理所需的关键技术时,应重视可视化分析技术使用,使得经过处理后的数据应用效果得以增强,并丰富大数据时代背景下的数据处理技术手段[3]。
3.5实践中的云计算技术
作为一种信息含量大、优势明显的技术,云计算技术在实践应用中取得了良好的效果,为移动通信网络中大数据处理关键技术的合理使用提供了参考信息。具体表现为:(1)加强谷歌公司研发的基于大数据处理的MapReduce技术使用,能够增加大数据处理中的技术优势。在这种数据处理技术的支持下,需要注重文件系统-分布式、编辑模型-分析处理并行及执行引擎-分析处理并行这三个技术框架的有效搭建,使得云计算技术在移动通信网络中大数据处理方面的应用优势得以充分发挥,并为自身的发展打下基础。(2)虽然云计算技术在大数据处理应用中的优势明显,但当前该技术的实践应用水平依然有待提升,需要技术人员结合云计算技术的功能特性、当前的形势变化、移动通信网络中大数据处理需求等,加大云计算技术应用中的研究力度,并提高对该技术的正确认识,确保云计算技术在大数据处理中有着良好的应用效果。
结束语
大数据视野下,移动通信网络优化就是一个进行系统数据存储以及处理分析的过程,其中找到影响网络优化的瓶颈是核心,弄清楚移动通信网络优化在应用大数据方面的困难,能够有针对性地进行数据挖掘以及提取。由本文的分析可知,大数据技术对于移动通信领域的变革导向作用极为重要,已经被广泛应用于移动通信的各种工作,而移动通信网络优化的各个阶段均需要相关的数据贯穿其中,大数据的采集以及分析是进行网络优化的重要前提,能够为网络优化工作开展提供依据,如果在优化实践中能够切实做好大数据的整合应用,定能不断克服网络建设难关。
参考文献
[1]陈达忠.通信运营商大数据量系统数据存储云化浅.邮电设计技术.2011.09
[2]刘鹏.大数据关键技术.中兴通讯技术.2011.07
[3]刘晋云.移动通信网络中大数据的发展策略研究.数字通信世界.2016.02