郭孔梁

（中國移動通信集團福建有限公司，福州 350108）

目前通信網(wǎng)絡的運維和優(yōu)化工作仍處于傳統(tǒng)網(wǎng)管支撐模式，網(wǎng)絡信令類數(shù)據(jù)的相關應用和平臺都集中在KPI計算或用戶投訴詳單查詢上，網(wǎng)管各個系統(tǒng)之間的數(shù)據(jù)互不共享，因此存在信息數(shù)據(jù)孤島問題，無法對各個業(yè)務以及各個平臺數(shù)據(jù)之間的內(nèi)在聯(lián)系和關聯(lián)關系進行有效的分析和利用，難以滿足大數(shù)據(jù)時代的數(shù)據(jù)挖掘需要。通過近年的實踐與探索，福建公司為提升綜合實力和網(wǎng)絡運營能力，滿足精細運維發(fā)展的需要，打破原有網(wǎng)管平臺只支持網(wǎng)絡運維的認識，將當前網(wǎng)絡技術和市場業(yè)務支撐有機結(jié)合，對相關的信令類數(shù)據(jù)進行深入挖掘和關聯(lián)分析，建設一個面向業(yè)務、面向客戶的網(wǎng)絡智能分析系統(tǒng)。

1 系統(tǒng)概述

福建移動網(wǎng)絡智能分析系統(tǒng)主要利用Traffica和CHR數(shù)據(jù)，通過網(wǎng)絡信令類數(shù)據(jù)的挖掘和關聯(lián)分析，進而分析用戶網(wǎng)絡行為和業(yè)務網(wǎng)絡質(zhì)量，提供面向客戶和面向市場的網(wǎng)絡支撐。業(yè)務上，除了常規(guī)的KPI計算和指標分析外，更加側(cè)重細粒度、精細化、面向網(wǎng)絡質(zhì)量、面向運維、面向市場支撐的多維度、多方式的挖掘和分析；在空間粒度上做到小區(qū)級，譬如能夠?qū)Ω鱾€小區(qū)的業(yè)務質(zhì)量狀況進行分析和排名，能夠?qū)ι顓^(qū)、商務區(qū)等不同場景特征的生活圈進行分析；在對象粒度上做到用戶級，譬如能夠?qū)χ攸c客戶進行業(yè)務質(zhì)量分析和故障原因溯源，能夠?qū)χ攸c客戶活動軌跡中的業(yè)務質(zhì)量進行監(jiān)控和回放；在時間粒度上能夠做到分鐘級，尤其是針對VIP客戶保障分析，采用了10 min分析粒度；在終端粒度上做到型號和操作系統(tǒng)級別，能夠分析不同型號、不同操作系統(tǒng)的終端業(yè)務質(zhì)量情況、市場占有率排名等。系統(tǒng)主要提供如下幾方面的分析功能。

（1）建立面向網(wǎng)絡運維的分析模式，提供整體網(wǎng)絡質(zhì)量分析、尋呼黑洞分析、單通串話分析、自動路測分析、掉話率自動分析、接續(xù)時長分析、用戶通話異常行為分析（包括掉話、接通、時延異常）、群發(fā)群呼分析、超短重呼分析等功能。

（2）建立面向客戶的分析模式，提供集團客戶保障分析、特定VIP客戶保障分析、終端品牌質(zhì)量分析、質(zhì)差用戶關聯(lián)分析、重點用戶分析、漫游用戶業(yè)務量和質(zhì)量分析、漫游用戶話務模型分析、漫游用戶交通工具分析等功能。

（3）建立面向業(yè)務的分析模式，提供特殊號碼特定業(yè)務的業(yè)務量和質(zhì)量分析、2G/3G業(yè)務質(zhì)量和業(yè)務量分析、業(yè)務流量流向分析、長途話務分析、3G用戶駐留2G網(wǎng)絡業(yè)務量分析、互聯(lián)互通業(yè)務質(zhì)量和業(yè)務量分析、特定場景分析、緊急呼叫號碼分析、企業(yè)短號和政府短號的業(yè)務量和質(zhì)量分析等功能。

2 設計與實現(xiàn)

2.1 總體設計思路

本系統(tǒng)從技術架構(gòu)上分為數(shù)據(jù)采集層、數(shù)據(jù)存儲層、應用展現(xiàn)層。系統(tǒng)的技術架構(gòu)圖如圖1所示。數(shù)據(jù)采集層主要是搭建統(tǒng)一的數(shù)據(jù)采集層，實現(xiàn)異構(gòu)數(shù)據(jù)源的接入，并提供新增數(shù)據(jù)源的“插件式”接入功能，實現(xiàn)多級引擎的數(shù)據(jù)處理功能。數(shù)據(jù)存儲層是基于OLAP的多層數(shù)據(jù)庫存儲功能，實現(xiàn)對海量數(shù)據(jù)進行高效的存儲管理。從目標數(shù)據(jù)文件中提取報告，并將系統(tǒng)中所需的數(shù)據(jù)按面向分析主題的方法進行數(shù)據(jù)調(diào)整，通過數(shù)據(jù)倉庫完成各種粒度的相關事實數(shù)據(jù)存儲，使用多維建模方式完成各種專題數(shù)據(jù)模型的建立和分析，實現(xiàn)全網(wǎng)、全用戶的多維度、細粒度的分析。應用展現(xiàn)層主要完成面向網(wǎng)絡、面向業(yè)務、面向客戶的分析功能。先是調(diào)用數(shù)據(jù)存儲層提供的數(shù)據(jù)服務接口，定期執(zhí)行或接收用戶請求，按需執(zhí)行預先設定的業(yè)務分析功能，完成基于組件化的界面生成。系統(tǒng)界面可以通過導航條設定自己定制的查詢；生成基礎報表，支持報表任務管理，報表自動保存；定制需要的個性化報表；同時支持多維的統(tǒng)計和分析。后面將展開說明技術架構(gòu)的搭建。

2.2 基于多級引擎的數(shù)據(jù)處理

網(wǎng)絡智能分析系統(tǒng)的核心數(shù)據(jù)來源于諾西Traffica和華為CHR準信令數(shù)據(jù)的提取和處理，輔助來源于話務網(wǎng)管，騷擾電話等外圍系統(tǒng)數(shù)據(jù)。以分析數(shù)據(jù)源主數(shù)據(jù)來看，福建全省每天生成的Traffica和CHR數(shù)據(jù)將近1T的容量，因此高效靈活的數(shù)據(jù)處理過程是網(wǎng)絡分析平臺的核心和關鍵。系統(tǒng)通過兩級引擎實現(xiàn)對原始數(shù)據(jù)采集、抽取、規(guī)整、過濾同時生成所需的細粒度基礎指標。數(shù)據(jù)處理模塊設計成多個模塊化組件，主要包括數(shù)據(jù)源讀取模塊、預處理模塊、兩級引擎、KPI分布式處理模塊。數(shù)據(jù)源讀取模塊負責將文件中的記錄讀取到內(nèi)存當中，并且轉(zhuǎn)換成規(guī)則引擎需要的對象。在讀取的循環(huán)中，每讀取一個對象，就向規(guī)則會話（RuleSession）中插入一個對象，直到文件結(jié)束。預處理模塊處理的對象是從文件中直接生成的對象，它和規(guī)則計算Fact對象是一一對應的，它負責判斷此對象是否需要送至規(guī)則引擎進行計算,例如空白對象不需要送入規(guī)則引擎。

圖1 系統(tǒng)技術架構(gòu)示意圖

其中一級引擎模塊是整個ETL數(shù)據(jù)處理的核心模塊。一級引擎接受采集的Fact對象，計算出KPI或COUNT的值。引入了規(guī)則引擎的技術來進行處理，根據(jù)規(guī)則中包含的指定過濾條件，判斷其能否匹配運行時刻的實時條件來執(zhí)行規(guī)則中所規(guī)定的動作。二級引擎主要負責接收一級引擎計算的KPI，對同一類型的KPI聚合，計算出正確的KPI值，同時接收網(wǎng)管系統(tǒng)傳遞的KPI，并根據(jù)預先設定的告警閾值，產(chǎn)生出正確的告警信息。二級引擎還接收一級引擎?zhèn)鱽淼腃OUNT的值，聚合算出COUNT的正確的值，并存入數(shù)據(jù)庫倉庫，供后面的事實分析和鉆取。

另外對于某些KPI是另外的KPI的比率或者函數(shù)的，例如某某率是兩個KPI相除的結(jié)果，還要用到KPI分布式處理組件。

2.3 基于OLAP的多層數(shù)據(jù)存儲

網(wǎng)絡智能分析系統(tǒng)采用 OLAP技術構(gòu)建多維數(shù)據(jù)庫，建立全網(wǎng)全用戶的Cube和多專題的Cube，支持用戶自定義的多維度分析和鉆取。基于數(shù)據(jù)倉庫/Cube/OLAP的分層、多維數(shù)據(jù)存儲和分析技術架構(gòu)，通過分專題建立的Cube，向上層應用提供靈活、高效的OLAP分析。圖2是系統(tǒng)基于數(shù)據(jù)倉庫/Cube/OLAP的多維分析技術架構(gòu)示意圖。

圖2 基于數(shù)據(jù)倉庫/Cube/OLAP的多維分析技術架構(gòu)

網(wǎng)絡智能分析系統(tǒng)的多維數(shù)據(jù)庫設計流程如下：先根據(jù)業(yè)務需求集合所有維度和度量值構(gòu)建一個涵蓋所有業(yè)務范圍的一個大數(shù)據(jù)倉庫；再根據(jù)該數(shù)據(jù)倉庫構(gòu)建一個大型多維數(shù)據(jù)庫；根據(jù)業(yè)務需求將需要經(jīng)常組合查詢的維度的度量集合在一起，設計多個小的數(shù)據(jù)庫；利用自主開發(fā)的ETL工具將大Cube中的數(shù)據(jù)分割抽取到小數(shù)據(jù)倉庫中；基于各個小的數(shù)據(jù)倉庫再次構(gòu)建相對小巧的多維數(shù)據(jù)庫。

相比傳統(tǒng)一次抽取的Cube具有如下優(yōu)勢：用戶最終查詢的是粗粒度的小Cube，性能大大提高；有小數(shù)據(jù)倉庫的存在，有效解決了大數(shù)據(jù)量事實表不好保存歷史數(shù)據(jù)的問題；與大Cube構(gòu)建聚合相比，這種小Cube設計更簡單，冗余少，與大Cube分別部署相互不受影響；根據(jù)業(yè)務邏輯分割后的Cube可讀性更好，容易理解；分割后的小數(shù)據(jù)庫倉庫處理性能大大提高。

2.4 基于組件化的界面生成

在多維分析報表上，本系統(tǒng)區(qū)別于傳統(tǒng)的固定格式報表和可多維拖拽的報表，既避免了固定報表的過于死板，又避免了拖拽報表的展示效果差和權(quán)限控制效果差，實現(xiàn)了突破和創(chuàng)新。首先對多維數(shù)據(jù)庫進行XML格式的定義和對象化；然后利用傳統(tǒng)技術開發(fā)幾種固定的頁面（可無限擴展）；對頁面所需的動態(tài)元素也進行 XML格式定義和對象化；動態(tài)解析頁面的 XML配置取得頁面對象；根據(jù)頁面對象獲取頁面類型和所查詢的Cube名稱；解析Cube的XML配置生成Cube對象。然后根據(jù)頁面動態(tài)元素（例如表格的行、列、篩選條件、鉆取維度、排序方式等）和 Cube配置對象生成多維查詢語句MDX (多維表達式)。最后通過XML配置生成的MDX查詢數(shù)據(jù)庫來獲取數(shù)據(jù)，并據(jù)獲取到的數(shù)據(jù)和頁面配置中定義的展現(xiàn)方式繪制出報表頁面。

采用這種方式的好處如下：將Cube配置、報表配置、頁面展示解析程序都變成模塊化，可任意插入和刪除，而不需要改動程序結(jié)構(gòu)；如果新增Cube，只需在Cube配置文件中加一節(jié)配置；如果新增報表只需要在頁面配置文件中新增一節(jié)配置，無需重新開發(fā)；如果要新增報表展現(xiàn)方式只需要加一種解析程序。

Cube單維度頁面的設計舉例如下。配置節(jié)包含整個頁面展示基礎信息，如搜索內(nèi)容（Searchs），表內(nèi)容（Row，Drills），圖內(nèi)容（Chart），以及地圖內(nèi)容（Gis）。 屬性id代指頁面唯一標識，屬性title頁面名稱。屬性type指當前頁面類型，有單維度（Single），復合維度（Double）；屬性Cube指向Cube配置源。包含查詢維度集合。，，,組合生成表格及圖形界面。定義了圖形控件內(nèi)容，屬性chartType指圖形展現(xiàn)形式，屬性width與屬性height指定圖形大小。

3 面向業(yè)務的網(wǎng)絡指標分析應用舉例

在面向設備的傳統(tǒng)網(wǎng)管數(shù)據(jù)中，只能提供分地市、分設備的接通率、掉話率等指標，而對網(wǎng)絡提供的業(yè)務，比如13800138000充值業(yè)務、17951 IP電話業(yè)務、10086客服電話等特殊號碼業(yè)務，無法知曉這些業(yè)務的網(wǎng)絡指標情況。而在網(wǎng)絡智能分析系統(tǒng)中就提供這種面向業(yè)務的指標分析，例如可以輸出各類企業(yè)短號、政府短號等網(wǎng)絡質(zhì)量指標，為網(wǎng)絡精細化管理提供數(shù)據(jù)支撐。另外深入研究運營商接入短號的接通率等網(wǎng)絡質(zhì)量變化（如12593業(yè)務接通率、17951業(yè)務接通率等）、研究企業(yè)和政府接入短號的業(yè)務量情況，為短號接入由競爭對手轉(zhuǎn)接改直連的市場運營提供數(shù)據(jù)支撐。

特殊號碼通話分析主要包括基于特服號碼的業(yè)務量TOPN分布分析和基于特服號碼的業(yè)務量趨勢分析等功能。從輸出分析頁面，可以得出如下指標：某日110特殊號碼通話次數(shù)是15 056次，通話時長是248.75 h，接通率指標是98.76%，掉話率指標時0.95%。再比如，從分析系統(tǒng)可以看出某個時期用戶撥打119的接通率是98.63%，撥打4000號碼的接通率是96.57%，撥打10086電話的接通率是99.07%。

4 結(jié)束語

本文詳細從數(shù)據(jù)處理、數(shù)據(jù)存儲、數(shù)據(jù)展示幾個方面闡述了網(wǎng)絡智能分析系統(tǒng)的實現(xiàn)方案，并舉例說明分析系統(tǒng)在實際網(wǎng)絡分析工作中的應用。此方案已經(jīng)在福建省投入使用，并取得良好的效果。隨著今后TDSCDMA、LTE基站快速部署和大量TD-SCDMA和LTE終端投放，為準確進行網(wǎng)絡資源投放和終端投放的匹配度分析，該系統(tǒng)還將不斷完善和加強。