基于大数据的网管运营支撑体系网络架构解析

基于大数据网管运营支撑的探索和研究是以4G运营为驱动力的，运营商应转变原有单一支撑网络分析的模式，将支撑能力向市场及流量运营、终端运营延伸，同时将4G业务支撑从电信传统模式向互联网新模式推进，通过信令数据的采集、跨域平台的互通、大数据的聚合分析，实现4G业务支撑能力的全面提升。

多维构建网络架构，打通数据源壁垒

基于大数据的网管运营支撑体系，运营商可以通过构建统一采集、共享处理、拓展应用，推动4G运营的专业化和流程的标准化，转变网络支撑传统分析模式，形成多维度的自动化分析支撑能力，还可以通过数据聚合、平台互通，形成4G网络、用户、终端的运营体系，实现4G业务支撑能力的提升。

构建以流量、终端为切入点的运营分析体系：运营商可依托专题分析及模型挖掘，对重点流量用户、终端机型、重点终端指标异动、重点客户群特征等开展深入分析，通过分析结论指导运营工作的开展。此外，深入分析“终端、客户、流量、网络”的关系，引导差异化服务及营销资源，形成流量一体化的运营分析体系。

固化运营场景及分析模型至全省网络管理运营视图，形成运营资源共享及模型推广：运营商可构建“用户流量迁移运营分析”“4G用户常驻小区”“它网苹果手机”“CPE健康发展支撑管理”等以“用户、流量、终端”为核心的运营场景及分析模型，并形成“4G运营分析报告”及专项分析报告，共享分析成果，提高运营效率。

打通不同领域数据源壁垒，实现大数据资源共享：为更好地辅助4G运营分析工作，运营商打通了O域、B域连接通道，实现按日、按月的双向数据共享，同时与终端公司建立终端库完善机制，实现多方数据源在数据共享平台中的处理、整合、优化，推进O域的信令数据、B域的用户数据、终端公司的终端数据等多方面的数据融合，为上层应用提供坚实的数据基础。

满足市场、流量运营等多方数据支撑需求：针对运营体系固化的运营场景，运营商可支撑重点关注小区信息收集，支撑市场重点关注用户、重点关注终端、重点业务发展区域等信息的收集；支撑流量运营重点流量业务、流量激活用户等信息的收集，建立完善的“数据支撑需求流程”，推动数据运营支撑工作的高效落地。

多层系统搭建，实现数据溯源

硬件组成：文件接口服务器、应用服务器、数据共享服务器和Hadoop/MPP数据库集群服务器（如图1所示）。

图1  网络硬件结构组成

数据共享服务器负责管理数据共享平台系统与应用层系统间的数据共享服务管理，应用服务器负责元数据及数据质量管理，数据库集群服务器负责存储海量数据，文件接口服务器负责执行文件接口传输服务，各类服务器间均以主、备交换机相连，保证网络质量及速度（如图2所示）。

图2  数据共享平台软件模块结构

平台内部通过数据质量总线及数据溯源两种技术方案实现了系统内部的数据质量管控。为解决数据快速溯源问题，数据共享平台通过对现有的南向采集接口及北向共享接口进行改造，加入系统标签位，通过解析这个标签位，直接提取其溯源关系，实现数据溯源，呈现数据传输的完整拓扑结构，具体增加的标签位规范为：。数据共享平台在数据装载、处理、分发、计算的每步遵照规范自动写入新的唯一标签，实现数据溯源能力。

在多层系统架构中增加数据质量总线，在自下而上的数据汇聚过程中，主动将每一个数据汇聚任务的核查结果推送到数据质量总线中，当上层系统发现数据质量问题时，通过该总线直接定位到出现问题的数据汇聚任务所在的层级系统。

分层解耦，支撑应用层百花齐放

相比于传统架构，多层系统架构有诸多创新点。一是打通不同领域数据源壁垒，实现大数据资源共享。打通跨域连接通道，实现多方数据源在数据共享平台中的处理、整合、优化，推进O域的信令数据、B域的用户数据、终端公司的终端数据等多方面的数据融合，为上层应用提供坚实的数据基础。二是分层解耦，支撑应用层百花齐放。通过Hbase、Webservice、FTP等多种共享方式实现了多厂家支撑能力，攻克兼容性及数据共享能力的技术重点与难点，实现数据支撑服务。三是终端、业务、网络协同，推进业务精益运营。以客户分类为基础，通过与网络指标和市场指标等营销要素匹配，结合客户终端、行为等特征分析，输出客户4G运营模型，从而形成终端、业务、网络协同一体化的4G运营体系。

具体到实际应用，多层系统架构分为3个方面。

在互联网端到端业务质量方面，针对互联网五元五阶的结构，实现互联网端到端业务质量分析，协助各专业部门解决性能问题进行问题定界（如图3、图4、图5、图6所示）。

图3  LTE互联网端到端质量分析

图4  移动互联网端到端业务质量分析

图5  终端质量分析

图6  业务整体评估

在视频端到端业务质量方面，从基于网络本身的质量管理向注重客户感知的端到端横向一体化质量保障机制转变，建立视频业务端到端质量管理机制，确保客户视频业务感知（如图7所示）。

图7  视频业务端到端质量管理机制

在客户满意度画像方面，基于传统手段获取用户真实满意度，通过数据挖掘手段深度挖掘KPI与用户满意度的关系，实现基于KPI的用户满意度画像预测，支持各地市用户数量及占比，进行各级问题小区数量、待修复数量、已修复数量统计。

基于大数据网管运营支撑体系已容纳网络侧、经分侧、终端侧大部分数据，能够支撑网络、市场、终端、流量等多方面数据需求，其中最细粒度的场景为亿级条记录的用户级数据分析。该研究已逐步融入吉林移动日常的运营工作中，应用范围逐步扩大。