孫文鑫
中國聯合網絡通信有限公司天津市分公司 天津 300010
大數據技術是計算機網絡技術、移動通信技術發展的產物,在互聯網+時代,大數據來臨,是時代發展的需要。首先大數據技術具有海量的數據,如何利用海量數據解決實際問題,科學有效處理數據是大數據關鍵技術。其次大數據種類眾多,在互聯網+時代,網絡數據的類型多樣化,如何對網絡不同類型數據,進行科學有效的處理,提高數據的利用率。最后數據快速并且有一定的價值,網絡數據傳播速度非常快,在網絡時代如何利用數據,體現數據的有用價值,這是大數據技術需要解決的問題,必須利用現代科技手段,提升大數據挖掘潛能,科學有效提升大數據的利用價值。
早在海量數據時代,長期保存大規模數據、實現數據遷移就是人們研究的重點。從上世紀九十年代末到今天,數據存儲一直是根據數據量的大小的改變不斷向前優化發展的,主要有直接外掛存儲(DAS)、網絡附加存儲(NAS)、存儲域網絡(SAN)等方式,雖然它們產生于不同時代,但各自有著鮮明的優缺點,通信數據中心通常要基于自身服務器數量以及要處理的數據對象做出科學合理的選擇。數據的虛擬化存儲已經從理論研究變為現實,通過對服務器軟件做出虛擬化處理,把它分為多個獨立的服務空間,就能使同一臺服務器具有多樣化存儲服務功能,大幅度提高數據存儲效率。
大數據綜合展示就是數據可視化技術,通過對數據進行藝術性的可視化分析,簡單直觀地展現出數據的相互關系。從內容視角看,大數據分析有技術與方法兩種;從技術視角看,大數據分析以分布式數據分析、非結構化數據處理等為主;從方法視角看,大數據分析主要是借助常用數理統計方法分析數據,如可視化分析工具。處理大數據的最終目的是通過可視化的方式為用戶呈現數據的相互關系,這涉及到大數據的整個處理過程以及展現過程,通信運營商在數據分析中不但要通過計算機實現自動化分析,還要依托人工力量選擇數據、設定參數,這兩者是辯證關系。
挖掘指的是從數據集里識別出有用的、有效的、新穎的、最終可以理解的模式知識,這是一個非常復雜的過程。在大數據技術的運用中,挖掘超大規模數據始終是重點也是難點,面對上百TB乃至PB級異構數據,常規處理工具很難擔當重任,通信運營商在運用時不僅要充分考慮大數據是持續生長的有機體,還要在挖掘分析環節考慮數據在今后繼續增長的影響。
通信運營商在優化通信網絡的過程中也需要運用大數據技術,這主要體現在四個階段:第一,優化準備階段,在該階段的第一要務時確認大數據優化目標,接著把通信網絡優化中需要的資料和工具等準備好;第二,優化測試階段,在該階段安排測試人員向收集相關的數據,據此實施DT/CQT測試,要注意必須在做好準備階段的工作之后才能進行這些;第三,優化分析階段,針對該階段,要由優化分析人員對存儲的大數據進行優化分析,分析內容涉及到信號覆蓋問題、信息切換問題,在完成分析和研究之后提供針對性的解決方案,完成分析任務;第四,優化調整階段,即在通信網絡的優化中要對天線射頻和后臺參數進行調整和優化,在調整天線射頻時要提高通信覆蓋區域內的通信質量,調整后臺參數則是確保正常開展通信工作,及時發現錯誤參數,合理調整,減少通信網絡故障,保證通信網絡更充分的應用和更好的發展。
通信網絡存在開放性的特征,安全問題難以避免,需要在通信領域運用大數據技術時注意加強網絡維護,解決通信網絡安全問題。運用大數據技術維護通信網絡安全的流程為:第一,構建通信網絡安全風險分析體系,在其中設置分析風險故障的工具,配備風險評估算法和網絡模型,對通信網絡的歷史數據、運行數據、告警信息等數據內容進行多維度分析。例如通信光纜風險的分析,要從環境因素評估、人為因素評估這兩方面進行,前者包括自然災害、植物生長、動物破壞等,后者包括防護低效甚至無效、偷竊破壞等。第二,基于風險評估體系設定數據分析指標,做數據測試,在云盤空間里存儲結果,并通過虛擬化技術將數據提取出來,明確具體分析指標。
如何科學有效的進行數據處理,提高數據的應用效果,構建數據的分析平臺,能科學有效的對數據挖掘,提煉有用的數據,保障數據的科學應用,體現大數據技術在移動通信領域中應用的價值。由于通信領域涉及的數據眾多,需要有相關平臺進行統一規范,工作人員能夠把搜集到的數據放到平臺中,這樣不但有利于對數據的管理,還能實現數據共享,讓更多的人觀看相關數據。
最近幾年IT產業快速壯大、技術發展較快、應用勢頭良好,數據資源日益豐富,為大數據的發展奠定基礎。通信是應用IT技術的重要領域,從PC時代到互聯網時代再到大數據時代,通信技術也在同步發展,通信在人們的工作、學習和生活中無處不在,通信領域如何順應大數據的發展,用好大數據技術的紅利,提高通信服務能力,這是當下的重要課題。綜上所述,以上內容就是對大數據技術及在通信領域中的應用的論述。