支持高并发量的移动通信网络覆盖分析系统研究
发布时间：2021-01-22 12:29
当前移动互联网技术飞速发展,移动通信正处于2G、3G、4G多制式多运营商共同运营状态,而5G技术也正在紧锣密鼓的准备商业化部署,如何协调各种网络资源,实现网络资源的最优化,满足用户高速移动互联业务需求、保障数据业务性能水平,是各运营商、各业务平台的核心目标。移动通信网络覆盖是整个网络生存的基础,它决定了整个网络的规划、部署、优化和维护,本课题立足于广州市科技计划项目-面向5G网络测试云平台技术研究及产业化,基于Spark大数据平台搭建了一个支持高用户并发的移动网络覆盖分析系统。本文通过对移动通信过程中路测测量报告MR数据、DT数据、用户数据的采集与分析,设计了一个支持高用户并发的移动网络覆盖分析系统,并对整个项目进行了功能验证及负载测试。首先介绍了基于大数据平台的网络覆盖分析系统的研究背景及研究意义,讨论了当前环境部署基于Spark大数据优化平台的需求;然后根据覆盖分析系统的设计思路,介绍了系统设计过程中涉及的主要技术背景,从系统性能测试、Hadoop工作原理及优势、Spark工作原理及方式、网络优化常用方法与侧重点、DT&CQT等多个维度对背景进行了阐述。然后介绍了覆盖系统的...
【文章来源】：广东工业大学广东省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
并发数、吞吐量、平均响应时间关系图
据技术开始火热起来，从领头羊级别的百度、阿里、腾讯到传统的商业公司纷在自家的软件系统中大规模使用大数据技术。Hadoop 为我们提供了一个可靠的存储共享和分布式分析系统，它的核心价括 HDFS 和 MapReduce，其中 HDFS 实现数据分布式存储，MapReduce 实现并行分析和处理，是一个支持用户轻松架构和使用的分布式计算平台，用户可松开发和运行基于的 Hadoop 的海量数据处理的应用程序。它主要具有高可靠扩展、高效性、高容错、低成本、高兼容的优点。分布式文件系统 HDFS 旨在管理数以千计的服务器、及数以万计的磁盘，将为统一的存储系统进行管理，对应用程序提供 PB 级的存储容量，让应用程序用普通文件系统一样存储大规模的文件数据。HDFS 通常部署于大规模的分布务器集群中，可使用集群中所有的服务器磁盘都，存储空间可以达到 PB 级，H数据分片后进行并行读写及冗余存储。HDFS 工作原理如图 2-3 所示：
一个数据块复制为多份（默认为 3 份），并将多份相同的数据块存储于不同器甚至不同的机架上，以保证数据的高可用性及数据库的正常运行。而 DataN责存储与读写文件数据，HDFS 将文件数据分割为若干数据块（Block），每taNode 存储一部分数据，以便文件分布存储于整个 HDFS 服务器集群中。户端（Client）可以并行访问这些数据块，使 HDFS 能够在服务器集群规模上数据库并行访问，大大提高访问速度。在面对 TB 甚至上 PB 级的海量数据时，Hadoop 采取 MapReduce 计算框以在分布式的集群中并行运行，大幅度工作效率。MapReduce 计算框架将大数算过程分成两个阶段：Map 和 Reduce，以数据块为单位进行处理。在 Map 每个数据块分配一个 Map计算任务，然后将所有的 map 输出的 Key 值进行合同的 Key 及其对应的 Value 发送到同一个 Reduce 任务进行处理。通过这两个，开发人员只需遵循 MapReduce 计算框架就可以开发出复杂的大数据运行程序体流程如图 2-4 所示：
【参考文献】：
期刊论文
[1]LTE网络覆盖优化分析[J]. 程楠,张阳,沈骜. 电信工程技术与标准化. 2018(07)
[2]信令分析在TD-LTE网络优化中的应用分析[J]. 陈坤达. 电子测试. 2017(04)
[3]TD-LTE网络覆盖问题精确化定位评估方法研究[J]. 许勇,李浩,费强,周云波. 邮电设计技术. 2016(08)
[4]基于LTEMR大数据挖掘的网络覆盖评估分析[J]. 李维. 中国新通信. 2015(24)
[5]浅析MR在TD-LTE规划及优化中的应用[J]. 朱兴东. 通讯世界. 2015(02)
[6]5G移动通信发展趋势与若干关键技术[J]. 尤肖虎,潘志文,高西奇,曹淑敏,邬贺铨. 中国科学:信息科学. 2014(05)
硕士论文
[1]劣质数据按需清洗的关键技术研究[D]. 齐志鑫.哈尔滨工业大学 2018
[2]白银市4G网络覆盖优化设计与仿真[D]. 于鹏.兰州交通大学 2018
[3]基于机器学习的多源异构大数据清洗技术研究[D]. 杨尚林.广西大学 2017
[4]基于SPARK的电信4G网大数据网优平台的设计与实现[D]. 姚明.华南理工大学 2017
[5]基于某电信运营商的LTE网络规划研究[D]. 吴辰.南京邮电大学 2017
[6]网络覆盖分析系统的设计与实现[D]. 李博洋.西安电子科技大学 2017
[7]LTE网络覆盖优化研究[D]. 吴泽萍.华南理工大学 2017
[8]基于移动互联网的多运营商网络覆盖评估系统设计与实现[D]. 伍进.电子科技大学 2017
[9]MR数据分析与可视化系统的设计与实现[D]. 姬鹏超.北京邮电大学 2017
[10]移动网络自动路测系统设备控制模块的设计与实现[D]. 关腾.北京邮电大学 2014
本文编号：2993229
【文章来源】：广东工业大学广东省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
并发数、吞吐量、平均响应时间关系图
据技术开始火热起来，从领头羊级别的百度、阿里、腾讯到传统的商业公司纷在自家的软件系统中大规模使用大数据技术。Hadoop 为我们提供了一个可靠的存储共享和分布式分析系统，它的核心价括 HDFS 和 MapReduce，其中 HDFS 实现数据分布式存储，MapReduce 实现并行分析和处理，是一个支持用户轻松架构和使用的分布式计算平台，用户可松开发和运行基于的 Hadoop 的海量数据处理的应用程序。它主要具有高可靠扩展、高效性、高容错、低成本、高兼容的优点。分布式文件系统 HDFS 旨在管理数以千计的服务器、及数以万计的磁盘，将为统一的存储系统进行管理，对应用程序提供 PB 级的存储容量，让应用程序用普通文件系统一样存储大规模的文件数据。HDFS 通常部署于大规模的分布务器集群中，可使用集群中所有的服务器磁盘都，存储空间可以达到 PB 级，H数据分片后进行并行读写及冗余存储。HDFS 工作原理如图 2-3 所示：
一个数据块复制为多份（默认为 3 份），并将多份相同的数据块存储于不同器甚至不同的机架上，以保证数据的高可用性及数据库的正常运行。而 DataN责存储与读写文件数据，HDFS 将文件数据分割为若干数据块（Block），每taNode 存储一部分数据，以便文件分布存储于整个 HDFS 服务器集群中。户端（Client）可以并行访问这些数据块，使 HDFS 能够在服务器集群规模上数据库并行访问，大大提高访问速度。在面对 TB 甚至上 PB 级的海量数据时，Hadoop 采取 MapReduce 计算框以在分布式的集群中并行运行，大幅度工作效率。MapReduce 计算框架将大数算过程分成两个阶段：Map 和 Reduce，以数据块为单位进行处理。在 Map 每个数据块分配一个 Map计算任务，然后将所有的 map 输出的 Key 值进行合同的 Key 及其对应的 Value 发送到同一个 Reduce 任务进行处理。通过这两个，开发人员只需遵循 MapReduce 计算框架就可以开发出复杂的大数据运行程序体流程如图 2-4 所示：
【参考文献】：
期刊论文
[1]LTE网络覆盖优化分析[J]. 程楠,张阳,沈骜. 电信工程技术与标准化. 2018(07)
[2]信令分析在TD-LTE网络优化中的应用分析[J]. 陈坤达. 电子测试. 2017(04)
[3]TD-LTE网络覆盖问题精确化定位评估方法研究[J]. 许勇,李浩,费强,周云波. 邮电设计技术. 2016(08)
[4]基于LTEMR大数据挖掘的网络覆盖评估分析[J]. 李维. 中国新通信. 2015(24)
[5]浅析MR在TD-LTE规划及优化中的应用[J]. 朱兴东. 通讯世界. 2015(02)
[6]5G移动通信发展趋势与若干关键技术[J]. 尤肖虎,潘志文,高西奇,曹淑敏,邬贺铨. 中国科学:信息科学. 2014(05)
硕士论文
[1]劣质数据按需清洗的关键技术研究[D]. 齐志鑫.哈尔滨工业大学 2018
[2]白银市4G网络覆盖优化设计与仿真[D]. 于鹏.兰州交通大学 2018
[3]基于机器学习的多源异构大数据清洗技术研究[D]. 杨尚林.广西大学 2017
[4]基于SPARK的电信4G网大数据网优平台的设计与实现[D]. 姚明.华南理工大学 2017
[5]基于某电信运营商的LTE网络规划研究[D]. 吴辰.南京邮电大学 2017
[6]网络覆盖分析系统的设计与实现[D]. 李博洋.西安电子科技大学 2017
[7]LTE网络覆盖优化研究[D]. 吴泽萍.华南理工大学 2017
[8]基于移动互联网的多运营商网络覆盖评估系统设计与实现[D]. 伍进.电子科技大学 2017
[9]MR数据分析与可视化系统的设计与实现[D]. 姬鹏超.北京邮电大学 2017
[10]移动网络自动路测系统设备控制模块的设计与实现[D]. 关腾.北京邮电大学 2014
本文编号：2993229
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2993229.html
