一种基于云计算的移动无线网络优化方法与流程

本发明涉及云计算技术领域，具体涉及一种基于云计算的移动无线网络优化方法。

背景技术：

移动通信发展很快，从2g、3g再到4g，网络速度越来越快，人们对通信网络的要求也越来越高，但是4glte移动网络优化面临的问题区域严重。网络智能化的需求也越来越急迫。

新一代4g移动网络与3g相比，采用了扁平化的网络架构，更强调端到端的概念。

云计算的出现对科技的发展带来了极大便利，云计算是网络计算出现后的新模式，是商业化的网络计算。因此，可以借助云计算对通信网络中大数据的挖掘技术，为网络优化指明方向。

技术实现要素：

为了克服上述现有技术中的不足，本发明提供一种基于云计算的移动4g网络优化方法，以解决上述技术问题。

本发明的技术方案是：

一种基于云计算的移动无线网络优化方法，包括如下步骤：

获取移动网络中各项数据；

将数据存储到分布式数据库hbase中；

在hadoop集群中进行在线分析计算和离线分析处理；

生成fenix预测报告并根据预测报告配置优化建议和性能优化方案。

进一步的，步骤获取移动网络中各项数据中获取的数据包括固定网络中的测量数据以及区域中客户通信过程中产生的各种业务数据。

进一步的，测量数据包括：采集话统数据，获取信号强度的参数rsrp；

业务数据包括语音通话业务和流量数据业务产生的数据。

进一步的，步骤将数据存储到分布式数据库hbase的方法包括：

s21：提取数据并以流的方式上传到hdfs；

s22：用编程模型对数据进行处理和运算，生成hbase的底层数据存储文件hfile；

s23：将文件在hdfs上的具体位置信息传递给区域服务器regionservers，区域服务器regionserver将数据导入到相应分区目录下，实现数据的存储。

进一步的，步骤s23之前还包括:

s231：判断hbase数据库中是否有hbase表；若没有，执行步骤s232；

若有，执行步骤23；

s232：在hbase数据库建hbase表，并在建表时对所建的hbase表进行

预分区，执行步骤23。

进一步的，步骤s23具体包括：

将文件在hdfs上的具体位置信息传递给区域服务器regionservers，区域服务器regionserver将数据导入到相应分区目录下，完成与hbase表的关联，实现数据的存储。

进一步的，步骤在hadoop集群中进行在线分析计算和离线分析处理包括：

s31：解析hbase数据库中的各种参数，对移动无线网络质量进行评估，移动无线网络质量包括覆盖率、无线信号变化速率、过覆盖、重叠覆盖、掉话率、重定向；

s32：查找移动无线网络覆盖率低于第一预设阈值和/或所述小区的无线信号变化速率超过第二预设阈值，找出覆盖盲区。

进一步的，步骤在hadoop集群中进行在线分析计算和离线分析处理还包括：

计算相邻数据采样点之间的rsrp值变化率，以评估所述小区的无线信号变化速率；

计算所述小区中所有采样点的平均rsrp值，以评估所述小区的移动无线网络覆盖率。

进一步的，步骤s31之前还包括：

s30：通过数据清洗过滤获取的移动网络各项数据中的异常数据；

其中，数据清洗过程包括：

s301：按特征值对移动网络各项数据进行分组处理；避免海量计算

s302：采用hadoop集群进行分布式的并行计算，完成数据清洗。

进一步的，步骤s302具体包括：

s3021：提取特征值；

s3022：以提取的特征值为键值，将获取的移动网络中各项数据进行合并，

得到分行数据；s3023：对分行数据进行分组；

s3024：按组对数据进行过滤，对数据组内的数据进行字符串的匹配；完

成数据清洗。

进一步的，移动无线网络包括移动4g网络。

通过数据挖掘技术，结合工程参数、海量的统计和测量数据等，在hadoop集群中进行在线分析计算和离线分析处理。其中工程参数包括：经度，纬度，站高，机械下倾角，电子下倾角，方位角，站点位置。

通过上述步骤，可以获取固定区域信号的覆盖范围和信号强度，掉话率等信息，指导移动网络优化的具体措施，比如：增加基站、调整基站方向，修改基站工程参数等等的建议。根据配置优化建议和性能优化方案进行移动无线网络的优化属于本领域技术人员公知常识不再赘述。

rsrp(referencesignalreceivingpower，参考信号接收功率)是lte网络中可以代表无线信号强度的关键参数。

从以上技术方案可以看出，本发明具有以下优点：基于云计算的移动4g网络优化，利用云计算技术和hadoop分布式计算框架，充分挖掘网络优化中大数据的潜在价值，结合lte网络优化的关键技术，可以大幅度提升lte网络优化的效率。本发明还能够提高lte移动通信网络的运营管理水平，改善移动通信网络的服务质量，产生量高的社会和经济效益。

此外，本发明设计原理可靠，结构简单，具有非常广泛的应用前景。

由此可见，本发明与现有技术相比，具有突出的实质性特点和显著地进步，其实施的有益效果也是显而易见的。

附图说明

图1为一种基于云计算的移动无线网络优化方法流程图；

图2为将据存储到分布式数据库hbase方法流程图。

具体实施方式

下面结合附图并通过具体实施例对本发明进行详细阐述，以下实施例是对本发明的解释，而本发明并不局限于以下实施方式。

如图1所示，一种基于云计算的移动无线网络优化方法，包括如下步骤：

s1：获取移动无线网络中各项数据；

s2：将数据存储到分布式数据库hbase中；

s3：在hadoop集群中进行在线分析计算和离线分析处理；

s4：生成fenix预测报告并根据预测报告配置优化建议和性能优化方案。

具体的，步骤s1中各项数据中获取的数据包括固定网络中的测量数据以及区域中客户通信过程中产生的各种业务数据。

其中，测量数据包括：采集话统数据，获取信号强度的参数rsrp；

业务数据包括语音通话业务和流量数据业务产生的数据。

如图2所示，本发明实施例中，步骤s2的实现方法包括：

s21：提取数据并以流的方式上传到hdfs；

s22：用编程模型对数据进行处理和运算，生成hbase的底层数据存储文件hfile；

s23：将文件在hdfs上的具体位置信息传递给区域服务器regionservers，区域服务器regionserver将数据导入到相应分区目录下，实现数据的存储。

进一步的，步骤s23之前还包括:

s231：判断hbase数据库中是否有hbase表；若没有，执行步骤s232；

若有，执行步骤23；

s232：在hbase数据库建hbase表，并在建表时对所建的hbase表进行

预分区，执行步骤23。

那么步骤s23具体包括：

将文件在hdfs上的具体位置信息传递给区域服务器regionservers，区域服务器regionserver将数据导入到相应分区目录下，完成与hbase表的关联，实现数据的存储。

本发明实施例中，s3包括：

s31：解析hbase数据库中的各种参数，对移动无线网络质量进行评估，移动无线网络质量包括覆盖率、无线信号变化速率、过覆盖、重叠覆盖、掉话率、重定向；

s32：查找移动无线网络覆盖率低于第一预设阈值和/或所述小区的无线信号变化速率超过第二预设阈值，找出覆盖盲区。

可以理解的是，通过计算相邻数据采样点之间的rsrp值变化率，以评估所述小区的无线信号变化速率；

通过计算所述小区中所有采样点的平均rsrp值，以评估所述小区的移动无线网络覆盖率。

在步骤s31之前还包括：

s30：通过数据清洗过滤获取的移动网络各项数据中的异常数据；

其中，数据清洗过程包括：

s301：按特征值对移动网络各项数据进行分组处理；避免海量计算

s302：采用hadoop集群进行分布式的并行计算，完成数据清洗。

进一步的，步骤s302具体包括：

s3021：提取特征值；

s3022：以提取的特征值为键值，将获取的移动网络中各项数据进行合并，

得到分行数据；s3023：对分行数据进行分组；

s3024：按组对数据进行过滤，对数据组内的数据进行字符串的匹配；完

成数据清洗。

该方法还包括：

根据配置优化建议和性能优化方案进行移动4g网络的优化。

通过数据挖掘技术，结合工程参数、海量的统计和测量数据等，在hadoop集群中进行在线分析计算和离线分析处理。其中工程参数包括：经度，纬度，站高，机械下倾角，电子下倾角，方位角，站点位置。

通过上述步骤，可以获取固定区域信号的覆盖范围和信号强度，掉话率等信息，指导移动网络优化的具体措施，比如：增加基站、调整基站方向，修改基站工程参数等等的建议。

rsrp(referencesignalreceivingpower，参考信号接收功率)是lte网络中可以代表无线信号强度的关键参数。

基于云计算的移动4g网络优化2g/3g优化系统的果实指标，加入新型的更能反映4g网络真实性能的指标，通过对在这些会标的分析整合，找到影响这些关键性能的重要参数，为网优的分析判断提供强有力的支持。

采用云计算大数据挖掘技术，对不同区域、地理场景，分析网络覆盖范围内的用户业务行为及业务流量变化情况，根据网络性能指标和服务质量要求，分析业务类型、网络配置、参数、性能之间的相关性，对网络资源和结构进行优化配置，对网络无线资源进行自动优化。

采用实际测试与算法研究相结合的思路，充分挖掘路测数据所能提供的有用信息。利用lte路测仪表，采集典型区域路测数据。研究基于路测数据的覆盖与干扰程度定量分析方法，在此基础上，对目标区域进行覆盖及干扰预测分析，对网络和业务质量进行评估，并根据异常路测指标定位网络在覆盖及干扰方面可能存在的问题。

采用基于业务和用户的精细化业务分析和统计方法：（1）从网络部署的场景考虑，区分室内和室外、城市和郊区、商业区和居民区等地理场景因素对用户行为和业务密度的影响。考虑不同场景下业务统计分析结果的差异性，分析业务统计结果与网络参数配置的联系，指导不同场景下的网络规划与优化；（2）从用户行为角度考虑，挖掘用户使用业务的行为特征，如通信时长、业务的时间分布、不同业务的比例等。根据用户行为特征，合理优化系统，一方面获得用户良好的服务体验，另一方面在满足用户需求的前提下，最大限度的节约有限资源。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。