论文部分内容阅读
【摘要】 大数据时代给以电子商务为首的经营方式带来了新的机遇。企业通过信息服务的提供来实现对外数据经营，提高产品价值，为企业未来开辟新的市场。大数据在无线网络优化中的运用可以通过多种方式实现，文章侧重于从其核心技术角度分析了无线网络优化过程中大数据的应用。
【关键词】 大数据 无线网络优化 大数据 应用
大数据的到来，信息存储、收集和处理都无法靠传统的技术完成。大数据给信息产业带来了挑战，也带来了机遇，对于无线网络优来说，抓住大数据的核心特征，加大扶持力度，就可以发挥其积极作用。大数据作用于无线网络优化主要体现为数据变成一种经营模式，方便了新市场的开发。运营商同样可以根据需求进行内部升级改造，满足大数据使其的要求，支撑针对用户实现精准营销，确保企业利润。
一、实现无线网络优化-掌握大数据关键技术
1、无线网大数据技术介绍。大数据的关键技术包括数据存取和数据挖掘。其中数据存取主要是依靠分布式数据库来实现，而数据挖掘则是以大数据平台的搭建的实现，分布式数据挖掘技术就成为实现无线网络优化的核心技术之一。目前，大数据技术已经成为互联网等商战的一种标志，比较有代表性的是由基金会所开发的Hadoop。其主要应用于非结构化大数据存储和处理，完成分布式存储程序的建立。分布式文件系统使传统的服务器存储能力扩大。目前利用分布式文件系统，可以实现在X86服务器集群上运行，X86时分布式计算存储系统的基础，只有把握这一技术才能满足大数据技术的需求。HDFS 技术则采用主从结构，通过开源平台的使用，而从最终用户角度来看，HDFS技术帮助其顺利的完成了文件的创建、读取、删除或者修改等过程。HDFS集群是由多数Data Node 、少数Name Node和Client客户端组成。Data Node作为系统文件存储的基本单元，将固定大小的文件存入系统。并周期性的发给Name Node。利用Name Node来对系统的命名空间，信息复制以及信息存储进行管理。实际上，Name Node 就是整个系统的管理者。最后，Name Node将信息传给客户端Client，完成数据的读写工作。
2、分布式数据库技术的应用。大数据时代，大量的非结构数据可以采用分布式数据库技术来完成。这一技术能够对不同种类的数据进行统计，分布式数据库不同于其他类型的数据库，具有固定属性。HBase 是目前主流的分布式数据库平台，其特点主要表现为可靠性高、性能稳定、面向列，可伸缩性等，对于大数据时代下的非结构数据增多具有较强的处理作用。HBase于上文我们说的主从结构相似，Hadoop的HDFS 作为存储基础，将所有数据文件存储在HDFS 文件系统上。并委派Region Server进行管理。
3、采用分布式计算平台技术。随着信息技术的发展，分布式计算平台实现了多台设备的自己操控。分布式计算平台的开发和使用尚处于初级阶段，主要是在于它能够其核心技术还不完善，目前的分布式计算平台还无法直视单机普通程序的编写，也就是增加了开发者自行解决的难度。这给分布式计算带来了巨大的麻烦。而比较实用的平台为实时流计算平台与批量计算平台。典型的分布式数据挖掘算法有基于Gibbs 采样的LDA 算法、K-means 算法迭代式以及SVM 算法等。这一平台的主要特点是利用不同节点上的自动部署来完成数据处理。这样能够及时的对新数据进行处理，确保了数据的完整性，但批量式计算平台必然会存在一定的疏漏，并且能够对已经存在的数据进行重新整理，执行任务过程时，数据集合被分成若干模块，各模块分别启动任务，最后将多个任务处理结果汇总，得出分析结果。批量式计算平台的典型代表是Map Reduce，其将数据处理分成Map 和Reduce 两个阶段，将Map 将数据处理任务进行分解，得出结果。
二、无线网络优化中的大数据应用的问题
无线网络优化是对企业话务统计报表等数据进行核查的一种证明，围绕拥塞率、掉话率和接通率等指标来对网络的运行稳定性进行评价。并随之分析和找出网络运行的影响因素，通过优化技术结合大数据时代的特点来进行修复。确保无线网络质量明显改善，这样才能确保网络资源的最大化利用，提高企业受益，从而推进互联网时代的快速发展。对于无线网质量来说，网络容量的增加和使用者的增加等原因都使低质量保证难度增大。因此与对于我国无线网络优化来说，其最重要的任务就是顺应大时代的需求，尤其是数据非线性的增长条件下。如何实现无线网络的进一步维护是本文研究的主要问题。
三、总结
大数据时代，数据具有非结构特征，很难及时发现相同网络自检的联系。除了基础业务外，还要尽量尝试其他优化上，尤其是在电信运营商拥有丰富的数据资源和大数据能力，除了开展业务创新外，还应尝试将大数据运用于网络优化方面，尤其是在当前经济社会发展对无线网络质量要求越来越高的背景下。
基于此，本文突破性的提出大数据无线网络优化平台的构建，分析了其构建过程，对于如何利用好数据采集、存储、挖掘等技术开展，还需要相关人员进一步的努力。
参 考 文 献
[1]马建光，姜巍.大数据的概念、特征及其应用[J].国防科技，2013（2）.
[2]童晓渝，张云勇，房秉毅，雷磊.大数据时代电信运营商的机遇[J].信息通信技术，2013（01）.
【关键词】 大数据 无线网络优化 大数据 应用
大数据的到来，信息存储、收集和处理都无法靠传统的技术完成。大数据给信息产业带来了挑战，也带来了机遇，对于无线网络优来说，抓住大数据的核心特征，加大扶持力度，就可以发挥其积极作用。大数据作用于无线网络优化主要体现为数据变成一种经营模式，方便了新市场的开发。运营商同样可以根据需求进行内部升级改造，满足大数据使其的要求，支撑针对用户实现精准营销，确保企业利润。
一、实现无线网络优化-掌握大数据关键技术
1、无线网大数据技术介绍。大数据的关键技术包括数据存取和数据挖掘。其中数据存取主要是依靠分布式数据库来实现，而数据挖掘则是以大数据平台的搭建的实现，分布式数据挖掘技术就成为实现无线网络优化的核心技术之一。目前，大数据技术已经成为互联网等商战的一种标志，比较有代表性的是由基金会所开发的Hadoop。其主要应用于非结构化大数据存储和处理，完成分布式存储程序的建立。分布式文件系统使传统的服务器存储能力扩大。目前利用分布式文件系统，可以实现在X86服务器集群上运行，X86时分布式计算存储系统的基础，只有把握这一技术才能满足大数据技术的需求。HDFS 技术则采用主从结构，通过开源平台的使用，而从最终用户角度来看，HDFS技术帮助其顺利的完成了文件的创建、读取、删除或者修改等过程。HDFS集群是由多数Data Node 、少数Name Node和Client客户端组成。Data Node作为系统文件存储的基本单元，将固定大小的文件存入系统。并周期性的发给Name Node。利用Name Node来对系统的命名空间，信息复制以及信息存储进行管理。实际上，Name Node 就是整个系统的管理者。最后，Name Node将信息传给客户端Client，完成数据的读写工作。
2、分布式数据库技术的应用。大数据时代，大量的非结构数据可以采用分布式数据库技术来完成。这一技术能够对不同种类的数据进行统计，分布式数据库不同于其他类型的数据库，具有固定属性。HBase 是目前主流的分布式数据库平台，其特点主要表现为可靠性高、性能稳定、面向列，可伸缩性等，对于大数据时代下的非结构数据增多具有较强的处理作用。HBase于上文我们说的主从结构相似，Hadoop的HDFS 作为存储基础，将所有数据文件存储在HDFS 文件系统上。并委派Region Server进行管理。
3、采用分布式计算平台技术。随着信息技术的发展，分布式计算平台实现了多台设备的自己操控。分布式计算平台的开发和使用尚处于初级阶段，主要是在于它能够其核心技术还不完善，目前的分布式计算平台还无法直视单机普通程序的编写，也就是增加了开发者自行解决的难度。这给分布式计算带来了巨大的麻烦。而比较实用的平台为实时流计算平台与批量计算平台。典型的分布式数据挖掘算法有基于Gibbs 采样的LDA 算法、K-means 算法迭代式以及SVM 算法等。这一平台的主要特点是利用不同节点上的自动部署来完成数据处理。这样能够及时的对新数据进行处理，确保了数据的完整性，但批量式计算平台必然会存在一定的疏漏，并且能够对已经存在的数据进行重新整理，执行任务过程时，数据集合被分成若干模块，各模块分别启动任务，最后将多个任务处理结果汇总，得出分析结果。批量式计算平台的典型代表是Map Reduce，其将数据处理分成Map 和Reduce 两个阶段，将Map 将数据处理任务进行分解，得出结果。
二、无线网络优化中的大数据应用的问题
无线网络优化是对企业话务统计报表等数据进行核查的一种证明，围绕拥塞率、掉话率和接通率等指标来对网络的运行稳定性进行评价。并随之分析和找出网络运行的影响因素，通过优化技术结合大数据时代的特点来进行修复。确保无线网络质量明显改善，这样才能确保网络资源的最大化利用，提高企业受益，从而推进互联网时代的快速发展。对于无线网质量来说，网络容量的增加和使用者的增加等原因都使低质量保证难度增大。因此与对于我国无线网络优化来说，其最重要的任务就是顺应大时代的需求，尤其是数据非线性的增长条件下。如何实现无线网络的进一步维护是本文研究的主要问题。
三、总结
大数据时代，数据具有非结构特征，很难及时发现相同网络自检的联系。除了基础业务外，还要尽量尝试其他优化上，尤其是在电信运营商拥有丰富的数据资源和大数据能力，除了开展业务创新外，还应尝试将大数据运用于网络优化方面，尤其是在当前经济社会发展对无线网络质量要求越来越高的背景下。
基于此，本文突破性的提出大数据无线网络优化平台的构建，分析了其构建过程，对于如何利用好数据采集、存储、挖掘等技术开展，还需要相关人员进一步的努力。
参 考 文 献
[1]马建光，姜巍.大数据的概念、特征及其应用[J].国防科技，2013（2）.
[2]童晓渝，张云勇，房秉毅，雷磊.大数据时代电信运营商的机遇[J].信息通信技术，2013（01）.