论文部分内容阅读
当前移动通信技术的快速发展与普及,给人们的生活和工作带来了深刻的变化,同时也对移动通信网络服务提出了更高的要求:优质的网络覆盖和高效的故障响应。运营商使用移动通信支撑平台来实时监控移动通信网络质量、及时发现网络问题和快速解除通信网络故障。现有的移动通信支撑平台,底层磁盘数据库大都进行了“分库”处理,存储与读取数据复杂、延时长,且没有针对移动通信网络优化工作的业务特点进行优化。此外,支撑平台上层应用软件多,数据读取的稳定性就更较低了。针对磁盘数据库延时大、聚合操作效率较低、应用程序数据读取可靠性较差的问题,本文展开了对移动通信支撑平台性能优化的可行性探索和研究。在传统移动通信支撑平台中引入了数据缓存中间件,为运营商提高网络管理水平和提升网络运营能力起到了积极的作用。本文将从以下几个方面展开研究:1)针对移动通信支撑平台白天数据请求繁忙的特点,改进了传统的基于会话过程识别的Markov缓存预取模型,提出了基于天粒度Markov模型。针对无线网络优化工作中时间周期性访问较多、新SQL语句不断产生的场景,本文在天粒度的Markov模型基础上,提出了动态时间策略Markov预测模型。它能预测新产生的SQL语句,减少状态空间组合数并有着更高的F2精度和更低的带宽浪费率。2)移动通信支撑平台中数据库结果集大小差异可达6个数量级,同时结果集的访问频率和访问模式也不尽相同。针对这些特点,本文改进了传统GDSF算法的SIZE计算公式,并结合泰勒级数提出了基于缓存容量值的自适应联合大小和频率的贪婪算法(AGDSF-TS)。在移动通信支撑平台下,AGDSF-TS方法弱化了混合访问模式中文件大小在价值函数的作用,能明显提高缓存命中率、降低数据库请求次数。3)在移动通信支撑平台中引入了具有缓存预取和缓存替换功能的数据缓存中间件系统。它使用键值对数据结构转换查询结果集和string型JSON数据,并把内存数据库Redis作为高速缓存空间,以实现快速读取。数据缓存中间件中的缓存预取与替换模块能进一步提升缓存效果,以达到“读写分离”的目的,提高了上层应用系统的可靠性、保障数据请求效率。