云計算的移動通信4G網絡的優化分析

摘 要：本文基于TD-LTE網絡優化的思路，根據TD-LTE網絡參數配置與關鍵TD-LTE網絡指標間的關聯性，采用“扁平化”網絡架構和多樣化TD-LTE網絡優化方法，從網絡部署場景、運營、用戶行為三個維度，構建了精細化的TD-LTE網絡KPI體系。在此基礎上，基于云計算將移動通信4G網絡結構劃分為數據存儲層、數據處理層、網優業務邏輯層及人機交互層4層，并針對私有云等幾種關鍵4G網絡優化技術展開分析。

關鍵詞：云計算；移動通信；4G網絡

中圖分類號：TN929.53 文獻標識碼：A 文章編號：2096-4706（2018）11-0053-03

Optimization Analysis of Cloud Computing Mobile Communication 4G Network

JIANG Binghui

（Shanghai Post and Telecommunications Designing Consulting Institute Co.，Ltd.，Shanghai 200092，China）

Abstract：Based on the idea of TD-LTE network optimization and the correlation between the configuration of TD-LTE network parameters and key TD-LTE network indicators，the “flat”network architecture and the diversified TD-LTE network optimization method are adopted in this paper. From three dimensions of network deployment scenario，operation and user behavior，a refined TD-LTE network KPI system is constructed. Based on cloud computing，the 4G network architecture of mobile communication is divided into four layers：data storage layer，data processing layer，network optimization service logic layer and human-computer interaction layer. It also analyzes several key 4G network optimization technologies，such as private cloud computing.

Keywords：cloud computing；mobile communication；4G network

0 引 言

“網絡優化”是保障4G通信網絡正常、穩定、高速運行的重要手段，但網絡優化工作復雜，技術難度大，運營成本高。當前4G網絡快速普及，移動互聯網技術迅猛發展，從而使4G移動網絡主流數據業務逐漸增多，由此對移動通信4G網絡優化技術提出更高的要求[1]。

在此背景下，本研究基于云計算技術，結合4G網絡優化需求，以TD-LTE為核心，根據TD-LTE 4G網絡優化測量數據的典型特征，提出一種扁平化的TD-LTE網絡優化架構。

1 基于云計算的移動通信4G網絡優化總體思路

1.1 構建移動通信4G TD-LTE網絡關鍵性能指標體系

隨著互聯網技術及網絡通訊技術的快速發展，以TD-LTE為核心的新一代移動通信4G網絡采用分組形式進行網絡傳輸，所以傳統的2G、3G系統網絡不再適用于TD-LTE系統。本文基于“端到端”的形式及“扁平化”網絡架構，采用云計算建立更為精細化的移動通信4G TD-LTE網絡關鍵性能指標體系。

1.2 加入關鍵性指標

在2G、3G指標基礎上，需在新一代移動通信網絡指標體系中，加入關鍵性指標，如LTE網絡真實性能指標。通過對這些關鍵性能指標，如移動通信4G網絡吞吐量、TD-LTE網絡覆蓋率、小區邊緣TD-LTE網絡頻率利用率、平均頻率利用率、移動通信4G網絡掉話率、切換/接入延時、公平性、TD-LTE網絡阻塞率、用戶網絡滿意度等進行整合、分析，并找到與這些關鍵指標相關聯的重要參數，從而為云計算背景下移動通信4G網絡優化提供技術支持。這些關鍵性指標不僅與無線配置參數、基站工程參數以及網絡頻率分配率、無線使用方式等移動通信4G網絡工程參數密切關聯，還關系到整個移動通信4G網絡的管理、無線資源的管理調配以及網絡調試[2]。

1.3 無線網絡管理

在無線網絡管理方面，基于OFDM正交頻分復用技術可對系統寬帶、時隙配置、幀結構、無線資源接入切換過程、MIMO適用場景、配置方式甚至調度、算法以及分配過程等進行合理優化。基于上述關鍵性能指標，可基于LTE系統實現移動通信4G網絡組網參數靈活選擇與網絡配置。

1.4 網絡優化

在網絡優化過程中，只有識別無線資源管理相關參數以及底層網絡參數同高層關鍵指標間的關聯度與影響因子，方可分析并進一步細化關鍵指標與影響因子間的關系，進而找到移動通信4G網絡問題，有的放矢地進行優化。

2 基于云計算的移動通信4G網絡優化方法

2.1 建立聯動關系

在確定關鍵性指標后，需基于云計算、大數據與網絡優化理論，建立移動通信4G無線網絡參數與關鍵性能指標間的聯動關系。從網絡業務層面來看，傳統2G及3G網絡單純以語音與中低速數據業務為主，而新一代移動通信4G TD-LTE網絡中大量業務均來源于高速數據業務，且在云計算背景下新一代移動通信4G網絡業務開放性較強，不同類型的業務對QoS服務質量定位也存在較大差異[3]。因此，在移動通信4G網絡優化過程中，必須綜合考慮并統計相關具體網絡業務量，合理利用相對有限的網絡資源，提供高質量的移動通信網絡服務。

2.2 網絡分層優化

在改變傳統2G、3G粗放型網絡業務模式的基礎上，基于精細化分析、統計方式，分別從網絡部署場景、網絡運營及用戶行為三個層面，采用云計算對移動通信多樣化的TD-LTE 4G網絡進行優化。

2.2.1 網絡部署場景

從網絡部署場景層面而言，商業區域居民區、郊區與城市、室外與室內等不同的網絡部署場景，均會對網絡業務密度及實現方式產生影響。對此，需對不同網絡部署場景下的網絡業務量差異進行統計分析。根據業務統計結果，對不同網絡部署場景中的網絡參數配置差異和內在聯系進行分析。

2.2.2 網絡運營

從網絡運營層面而言，對具體網絡業務進行分析，有助于制定不同的QoS保障策略，并可結合運營商網絡業務統計分析結果，調整網絡資費，對發展潛力較大的業務給予QoS保障，并對其進行精細化資源管理與控制，同時對不同QoS保障策略進行調整優化，以實現TD-LTE網絡運營效益最大化。

2.2.3 用戶行為

從用戶行為層面而言，用戶行為分析需以網絡業務統計分析結果為基礎。即在對云計算下的移動通信4G網絡進行優化時，需結合網絡業務統計數據結果，即對用戶使用網絡業務時的用戶行為，如業務時長分布、不同業務間的關聯性與具體比例、網絡通信時長等進行深入挖掘。基于用戶的具體行為特征，對移動通用性4G網絡進行優化，一方面在滿足用戶網絡需求的基礎上，實現對系統資源的有效利用；另一方面，根據用戶行為，為其提供良好的服務。

3 基于云計算的移動通信4G網絡優化架構

為滿足移動通信4G網絡優化需求，本文根據云計算最新的研究進展，在網絡優化業務邏輯及大數據典型性特征的基礎上，通過對LTE話務統計數據及LTE測量報告數據的深入分析，提出了一種“自下而上”的移動通信4G網絡優化云計算架構，其總體結構如圖1所示。

由圖1可知，基于云計算的移動通信4G網絡優化架構自下而上可分為四層，即數據存儲層、處理層、網優業務邏輯層及人機交互層。

3.1 數據存儲層

數據存儲層可有效發揮不同類型數據庫的技術優勢，使不同類型數據可在不同數據庫中分類存儲。比如，GIS地理空間數據庫中可存儲地理圖層信息，具體如ArcGIS和SuperMap的Geodatabase與SDX+數據等。GIS數據庫是一種用于承載地理信息的基于標準關系數據庫技術的數據模型。在關系型Oracle數據庫中，主要存儲有業務參數、權限數據、平臺用戶數據及業務模型等幾類具體數據。其中，海量的業務分析數據、性能統計、路測、測量數據等，均存儲于HBase分布式數據庫中。

3.2 數據處理層

基于數據挖掘技術，可在Hadoop分布式集群中依次針對測量數據、業務模型數據、工參數據、地理圖層信息數據、海量統計數據等進行離線、在線分析計算與處理。

3.3 網優業務邏輯層

網優業務邏輯層主要功能在于結合云計算下的移動通信4G網絡不同的分析、優化維度，提出網絡配置優化建議，自動生成預測分析報告以及制定網絡性能優化方案等。

3.4 人機交互層

人機交互層主要為云計算下的移動通信4G網絡人機交互層操作網優平臺的應用及軟件界面的操作使用提供基礎。

綜上可以看出，系統在上述四層結構基礎上，基于云計算平臺的企業OpenStack私有云，采用HBase分布式數據存儲系統及Hadoop分布式并行計算框架，可對海量大數據進行處理。在處理數據時，通過對OpenStack云平臺API管理接口和應用程序編程接口進行調用，可實現集群中Hadoop節點和應用程序節點的彈性可伸縮。當負荷較大時，可適當減少相應的動態節點；當負荷較小時，可適當增加相應的動態節點。這種優化架構與傳統關系數據庫、服務器主機的網優系統相比，可使移動通信4G網絡優化成本更低，系統網絡運行性能更佳。

4 云計算背景下移動通信4G網絡優化技術分析

上述網優架構的實現離不開下列幾項關鍵技術：

4.1 企業私有云

OpenStack企業私有云技術是一個開源的云環境，其幾乎支持所有云計算項目管理。其采用統一的標準，可大規模擴展平臺，實施簡單，可對企業大量內存容量、CPU計算能力、網絡硬盤空間等進行整合，同時還可靈活、快速創建和分配云主機的資源，不僅能夠有效提高計算機的資源利用率，還可實現應用數據遷移、容災、負荷均衡等。通過在企業私有云OpenStack平臺中構建移動通信4G網絡優化平臺，即可根據網優發展趨勢及計算分析數據規模，彈性擴容，快速部署。

4.2 Hadoop集群

Hadoop屬于開源的分布式并行計算架構。通過構建基于Hadoop的MapReduce并行計算編程模型，即可設計移動通信4G網絡優化算法，進而充分利用Hadoop分布式集群框架，對移動通信4G網絡優化相關存儲數據進行高速運算與海量優化。

4.3 HBase大數據存儲

因移動通信4G網絡話務統計數據和網絡優化測量報告數據較為復雜、離散，體量超大。所以，為了滿足大數據時代對移動通信4G網絡優化數據存儲的要求，應采用Google BigTable技術和HBase分布式數據庫分析處理數據，快速搭建大規模的Hadoop存儲數據集群，以提高分布式存儲系統性能和可伸縮性[4]。

4.4 應用程序集群伸縮設計

云平臺下移動通信4G網絡優化用戶并發數大，排隊時間長，提交的Job數量龐雜，采用程序集群的伸縮設計，可自動分攤Job，增加應用程序節點，并通過向虛擬機管理服務申請，創建指定類型和指定數量的節點。

4.5 Hadoop集群伸縮設計

Hadoop集群的伸縮設計一般只針對DataNode節點進行擴展處理。由于移動通信4G網絡數據節點只負責對實際數據進行存儲，所以通常只能單向增長。當Hadoop集群容量增大時，可適當增加DataNode集群節點或增加磁盤空間，同時還可根據Job負荷自動增加運算節點。

5 結 論

綜上所述，云計算與互聯網技術的快速發展，推動了移動通信技術與4G網絡技術優化的融合。本文運用云計算的移動通信4G網絡優化總體思路，選用云計算移動通信4G網絡分層優化方法，基于四層網絡優化架構，分別對四種移動通信4G網絡優化技術進行分析，發現結合TD-LTE網絡優化關鍵技術，可大幅提升網絡優化效益。本系統的順利實施，能夠提高移動通信4G網絡運營管理水平，改善服務狀況，產生良好社會效益與經濟效益。

參考文獻：

[1] 林健標.基于云計算的移動通信4G網絡優化方法探討 [J].通訊世界，2017（8）：28-29.

[2] 李清亮.基于云計算的移動通信4G網絡優化 [J].信息通信，2017（5）：259-260.

[3] 冷宇，張小麗.基于云計算的移動通信4G網絡優化探討 [J].電腦迷，2016（4）：166.

[4] 陳澄廣，林良成.云計算下移動通信4G網絡優化探討 [J].電腦迷，2016（4）：172.

作者簡介：姜炳輝（1983.08-），男，漢族，福建三明人，學士，設計師。研究方向：移動通信。