移动通信网络中大数据处理的关键技术

【摘要】    移动通信网络技术日新月异，为社会生活和经济发展做出了独特贡献。对移动通信网络中大数据处理的关键技术进行深入研究，有助于提高大数据处理的质量和效率，进一步提升移动通信网络应用效果和价值。本文从移动通信网络大数据发展的实际出发，对大数据处理中存在的不足进行分析，结合大数据处理的关键技术优势，提出了优化改进的对策和建议。

【关键词】    移动通信网络    大数据处理    关键技术

引言：

進入新世纪以来，国内移动通信网络在信息技术、互联网技术等先进技术成果支撑下，迎来了高速发展的新阶段。目前，国内大部分城市迈入5G时代，移动通信网络用户数量已经位居世界首位，网络规模迅速扩张，网络容量需求也空前增大，这对移动通信网络的运行质量和效率带来新挑战，必须要不断优化移动通信网络的大数据处理技术水平，才能满足社会发展需要和人们对移动网络使用需求。本文从当今移动通信网络中大数据发展的实际出发，对大数据处理中存在的不足进行分析，结合大数据处理的关键技术优势，提出了优化改进大数据处理技术效能的对策和建议。

一、大数据处理技术

1.1大数据发展概述

大数据相比传统数据而言，是在网络快速发展背景下诞生的新概念。大数据的产生和传统数据相比有着很大不同，主要是数据库作为数据管理方式后，人类数据产生不再受到时间、地点的局限，产生方式发生重大变化，从而产生了大数据。大数据的发展历经三个阶段。

第一是被动产生阶段。数据库技术的诞生，让人类对数据的价值有了更深认识，带动着数据数量实现第一次飞跃。在这个阶段，政府、企业的应用数据，如超市营销数据、银行服务、教育数据、股市交易数据等是数据库主要组成部分，这些数据属于被动产生数据，是因为一些经济运营活动而产生的数据。

第二是主动产生阶段。互联网的出现和普及，是推动大数据的数量实现第二次飞跃的主要原因。在此阶段的互联网上，用户在网络上利用WEB，微博、博客、QQ等进行数据内容的原创，这些数据都是用户自愿自发生产的数据。在互联网普及率提高、网络提高，移动智能设备走进千家万户之后，网络上人们可以自由发布意见、建议等各类数据信息，从此开始网络数据进入到主动产生的阶段。

第三阶段是自动产生阶段。进入网络化数字时代后，人类社会数据量的第三次飞跃，让大数据自动产生并规模成几何倍增长。在移动通信网络技术发展和物联网加速推进背景下，人工智能感知系统进入到社会生活，大量传感器成为采集世界上每个角落不同对象的数据来源。数据自动产生带来大数据从量变发生质变，人类社会进入到大数据数字化时代。

1.2大数据优势特点

大数据不仅是指数据的数量规模，也指数据的传播速度、数据类型、数据密度、数据价值等数据内涵方面的内容和传统数据相比发生了巨大变化。在互联网信息技术支撑下，数据的产生不再受到时间、空间和地点限制，数据管理全面进入数据库时代，大数据的重要价值也越来越为重视和认可。大数据的价值链主要体现在四个阶段：一是数据产生阶段。大数据的产生来自于互联网用户层、设备层和运维层自动生成的市场、管理和维护方面的数据信息。用户层的用户利用移动网络在线上进行网络信息查询、信息发布、信息浏览和网络设计行为等，把现实生活中很多信息应用搬到网络上，也在网络留下了大量使用数据。这些数据经过数据挖掘技术能实现对现实用户所有上网痕迹的查询记录。二是数据获取阶段。网络每时每刻都在产生海量数据，这些数据的类型多，呈现零散性和不相关性，导致网络数据获取成本不断增加，对大数据分析变得很困难。移动通信企业为获得具有价值的数据，将数据通过采集、预处理和传输等方法进行价值挖掘。利用DPI数据采集器进行数据采集后;采用预处理技术分析数据质量和密度，为后续数据分析提供资料;再利用IP骨干网将大数据传输保存到数据中心，对大数据进行统一深入的规划处理。三是数据储备阶段。我国对大数据的储备能力还难以和大数据快速发展的需要相匹配，移动通信企业虽然进行数据储备，但数据储备周期比较短，能有效处理的用户数据信息量有限，数据存储方式还存在一些不合理不完善之处，数据存储达不到使用需要。四是数据分析阶段。该阶段是通过对数据的可视化研究，采用整体规范的一体化措施，深入挖掘移动通信网络大数据价值。数据分析是体现数据价值最重要阶段，是目前国内信息化建设最为关注的内容。

二、移动通信网络应用大数据处理技术现状分析

国内移动通信网络在进入新世纪以来，经历了从2G到5G的快速发展。目前已经形成交换网络和无线网络为主的移动通信网络。无线移动通信系统主要是由交换网络、基站、操作中心和移动智能设备等子系统组成，具有比交换网络更加复杂的传播环境，也让网络优化更加困难，大数据处理技术的应用存在很多新挑战。

2.1移动通信网络需要处理的数据量太过庞大

国内移动通信网络从1G发展到5G所经历的时间并不长。上个世纪第一代无线通信系统的诞生在上世纪80年代，至今只经过了30年的发展历史。随着互联网让人们获取信息更加便捷，人们从电脑等设备上获取信息发展到利用移动智能设备如手机、平板电脑上获取信息也快速成为现实。在移动通信网络技术从语音技术到大数据，从模拟信号到数字信号，从网络宽带到网络超宽带;移动通信设备也越来越迷你，越来越智能。现代社会中，人们的生活方式已经离不开移动通信网络，打电话发消息只是基础功能，上网、看视频、开直播已经深入到生活工作方法面面。中国抓住了移动通信网络的发展契机，实现了从网络系统到移动终端的全面突破，在世界网络通信行业占据了领先地位。移动通信网络的快速发展和全面普及，让网络覆盖率进一步提高，用户数量和上网时间增加迅速。庞大的用户群体产生的数据量也非常庞大，这导致移动通信网络的数据分析、数据处理等都遇到了开展不顺畅等新问题和新挑战。

2.2移动通信网络需要持续投入的大量建设资金

移动通信网络建设是一项耗费人力财力物力惊人的工作。移动通信网络覆盖能力的提升是典型的“一分钱一分货”，来不得半点马虎。在每一次网络的升级优化中，都需要新建大量新的基站，以实现网络的深度覆盖，满足社会不同场景下的通信需求。国家将移动通信网络建设纳入到国家基础建设项目领域，给予了大量的支持，国内的移动业务运营商也在光纤覆盖家庭住户、光纤提速降费等方面进行了大量的探索实践。在方便人们使用网络的同时，也面临着不同区域移动通信网络数据性质不同，改造难度大、周期长，需要大量的经济投入。在建立移动通信数据整合平台上，需要高昂的资金才能解决数据接入、数据覆盖、数据挖掘和数据分析等方面的难题，可以说资金的长期巨大投入已经成为移动通讯网络优化的难点之一。

2.3大数据云端安全问题

大数据规模几何倍的增长，所带来的大数据网络安全问题也更加突出。在移动通信网络优化中，大数据的云端存储带来的安全隐患、安全风险比较突出。利用先进的云存储技术，能通过把大数据存储在第三方托管的虚拟服务器上来满足不断增加的用户对数据存储的需要。目前数据存储企业建立大型的数据中心，移动通信企业通过购买或者是租赁存储服务器来进行数据存储的托管。虽然线上在线存储的模式，方便了用户自行使用和查询存储资源文件，但是移动通信数据资源往往被分散在不同的服务器主机，虽然是同一个数据平台，简化了数据收集采集过程，让数据分析和收集效率提高，但是庞大数据的传输会造成数据损坏、丢失等问题，造成了大数据云端的不安全、不稳定问题。

三、移动通信网络应用大数据处理的关键技术

3.1大数据清洗提取技术

移动通信网络在数据采集中，受到数据采集设备、采集环境等多种因素影响，加上现在数据采集大部分处于无人监控自动采集状态，往往会存现采集数据出现偏差，和移动通信网络实际应用情况不一致等情况，导致原始数据的质量下降。针对这种问题，就需要利用大数据清洗和提取技术，对移动通信网络自动采集的数据进行清洗处理，删除原始数据中存在的冗余和错误数据，从而提高数据后期利用率，提高大数据分析处理效果。大数据清洗提取技术目前受到数据处理的效率影响，并不能实现对所有原始数据的清洗提取。因此移动通信企业要加强对清洗提取技术的应用研究，提高清洗提取数据的可靠性、有效性和处理效率，促进大数据清洗处理技术水平的提升。

3.2大数据集成技术

移动通信网络大数据来自于不同的数据终端，数据结构、数据组成各有差异，在对大数据进行清洗、处理和提取、融合的过程中，需要利用大数据集成技术，才能实现对大数据的高质高效处理，目前大数据集成技术的效率不是很理想，这主要是不同数据终端存在的数据冲突、数据关联等技术问题的处理效果不是很好。要加强对大数据集中处理中数据的提取和融合的研究，及时解决存在的数据冲突问题，才能促进大数据集成技术发挥应有的作用。

3.3大数据挖掘技术

在前期对大数据进行有效采集和集成处理之后，就可以进行大数据挖掘和分析，这是找到大数据隐藏的应用价值的关键技术。移动通信网络大数据挖掘分析中，要针对数据类型、挖掘方向等进行专项挖掘应用，让大数据挖掘应用有效发挥出针对性的数据分析研究作用。要加强数据挖掘效率研究，让移动通信网络数据发挥良好的应有价值，为移动通信网络的发展提供科学的参考价值。

3.4大数据可视化分析技术

该技术是利用大数据本身和数据挖掘结果，采用可视化的展示方式来体现价值。可视化分析技术采用人机交互模式，促进大数据及其数据挖掘成果得到价值最大化的应用。可视化技术让生涩的数据技术成果转化为直观、易于接受的可视化效果，有助于数据分析结果得到更为广泛和有效的应用。

3.5大数据云计算技术

该技术是信息含量大、对大数据处理具有关键价值的优势技术。通过利用网络云端的数据处理程序，利用多部服务器组成的系统进行数据分析，有效提高了数据分析的效率。云计算早期是分布式计算，网格计算，在几秒钟就能实现对万计以上数据的分析处理，是非常强大的网络处理服务。目前云计算已经拓展为云端资源的无线拓展，是促进大数据处理效率跃迁的重要技术。

四、结束语

为适应移动通信网络数据爆炸式的增长，有效挖掘数据洪流的价值，本文分析了大数据清洗提取技术、数据挖掘技术、可视化分析技术、云计算技术等数据处理关键技术优势，以促进移动通信网络数据研究的不断发展进步。

参  考  文  献

[1]周洪峰.移动通信网络中大数据处理的关键技术分析[J].中国新通信，2020，22（04）：9-10.

[2]胡秋秋. 移動通信网络运行数据处理与分析[D].西安电子科技大学，2019.

[3]罗由.大数据在移动通信网络优化中的应用[J].科学技术创新，2018（01）：76-77.

[4]王璐.探究移动通信网络中大数据处理的关键[J].通讯世界，2017（24）：94-95.

曹萌萌（1981），女 ，满族，辽宁沈阳，硕士，讲师。