基于Hadoop的LTE性能分析及預(yù)測系統(tǒng)設(shè)計

楊林根，鄒景永

（1.廣東水利電力職業(yè)技術(shù)學(xué)院計算機系，廣州510635；2.廣東白云學(xué)院計算機系，廣州510450）

0 引言

隨著4G網(wǎng)絡(luò)的普及，為了網(wǎng)絡(luò)的穩(wěn)定，使網(wǎng)民在優(yōu)越的網(wǎng)絡(luò)環(huán)境中娛樂或辦公，確保LTE的基站性能穩(wěn)定是一個重要的基礎(chǔ)。因此實時監(jiān)控LTE性能計數(shù)器是一個必要的環(huán)節(jié)，判斷性能計數(shù)器是否正常工作，是否出現(xiàn)故障，或預(yù)測性能計數(shù)器是否即將出現(xiàn)故障，從而及時作出處理。確保網(wǎng)民的良好的網(wǎng)絡(luò)體驗。

LTE基站的建設(shè)越多，傳統(tǒng)的維護檢測方式大大增大成本。因此采用有效的檢測方式是維護LTE基站的基礎(chǔ)。在大數(shù)據(jù)的驅(qū)動下，本方將使用LTE基站中的性能數(shù)據(jù)，分析出基站的運行情況，做到及時反饋及預(yù)測，從而使用戶有更好的上網(wǎng)體驗。

1 系統(tǒng)需求分析

1. 1 LTE基站性能指標需求

為了能夠較準確地從數(shù)據(jù)中分析LTE基站的性能，經(jīng)分析，得出以下指標能夠?qū)Ψ治鯨TE基站性能有較大的關(guān)聯(lián)（以下計算公式為通用公式，與基站直接提供的計算方式區(qū)別）。

（1）RRC連接建立成功率

干擾或者弱覆蓋，會導(dǎo)致無線鏈路質(zhì)量差，導(dǎo)致信令不能正常收發(fā)，系統(tǒng)資源緊張也可能導(dǎo)致無線資源可分配導(dǎo)致無法建立RRC連接。

RRC連接建立成功率=RRC連接建立成功次數(shù)/RRC連接建立請求次數(shù)*%。

（2）E-RAB建立成功率

無線環(huán)境的優(yōu)劣、智能天線的性能、相關(guān)參數(shù)的設(shè)置合理性都會影響E-RAB建立成功率。

E-RAB建立成功率＝(Attach過程E-RAB建立成功數(shù)目+Service Request過程E-RAB建立成功數(shù)目+承載建立過程E-RAB建立成功數(shù)目)/(Attach過程ERAB請求建立數(shù)目+Service Request過程E-RAB請求建立數(shù)目+承載建立過程E-RAB請求建立數(shù)目)×100%。

（3）E-RAB掉線率=(eNodeB觸發(fā)的釋放原因為異常的E-RAB釋放總次數(shù)+小區(qū)切換出E-RAB異常釋放總次數(shù))/E-RAB建立成功總次數(shù)×100%。

（4）負荷（基站主控板、信道板平均負荷值）

該數(shù)據(jù)只能反映計算器的運行情況。

（5）CQI高階占比

SINR低導(dǎo)致CQI占比差，進而MCS階數(shù)低，最終影響網(wǎng)絡(luò)下行速率。CQI高階占比對基站優(yōu)化起重要作用。

（6）上行PRB平均利用率

（7）下行PRB平均利用率

（8）PDCP層上行用戶面流量

（9）PDCP層下行用戶面流量

1. 2 系統(tǒng)的功能需求

在詳細調(diào)查各項業(yè)務(wù)流程的基礎(chǔ)上，確立該分析系統(tǒng)由FTP文件掃描下載模塊、XML文件解析模塊、文件數(shù)據(jù)抽取模塊、Hive統(tǒng)計調(diào)度模塊、Sqoop加載入庫模塊、性能預(yù)測模塊組成。

1. 3 系統(tǒng)的性能需求

本系統(tǒng)除了實現(xiàn)相應(yīng)的功能模塊之外，還需要結(jié)合使用的實際情況，確保系統(tǒng)的穩(wěn)定性、可擴展性、可維護性、高效性。系統(tǒng)要求從采集到數(shù)據(jù)加載入庫在15分鐘內(nèi)完成30G的數(shù)據(jù)分析，不能出現(xiàn)任務(wù)滯留。

1. 4 預(yù)測算法的整合

在機器學(xué)習(xí)中，數(shù)據(jù)是輸入，也是起點。數(shù)據(jù)質(zhì)量的高低或優(yōu)劣將直接影響最終的算法效果[1]。因此，需對上述原始數(shù)據(jù)進行必要的數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)歸約和數(shù)據(jù)離散化等數(shù)據(jù)預(yù)處理步驟。

數(shù)據(jù)預(yù)處理后進行主成分分析，有利于消除邏輯回歸模型分析中各特征指標存在的多重共線性，即每個指標都在不同程度上反映了所研究問題的某些信息，并且指標之間彼此有一定的相關(guān)性，因而所得的統(tǒng)計數(shù)據(jù)反映的信息在一定程度上有重疊；另一方面，主成分分析能夠?qū)崿F(xiàn)降維從而減少不必要的計算開銷[2]。

因此，本文采取主成分分析法對原始指標進行主成分分析（即尋找能夠反映原始數(shù)據(jù)的關(guān)鍵因子），并計算出各主成分的貢獻度，一般選取累計貢獻度超過80%的主成分因子形成新指標空間。但本系統(tǒng)中不剔除維度。

將新特征指標進行線性映射目的是將主成分分析的輸出結(jié)果進行變換滿足邏輯回歸模型的輸入要求。

經(jīng)過上述主成分分析后,提取出的新指標空間（即主成分）zi將其進行線性映射到新的空間分量θi為：

其中，βi是各新指標zi的貢獻度，即主成分分析中計算出來的貢獻度。

在計數(shù)器性能分析問題的建模中，采用了邏輯回歸（Logistic Regression）模型。

其中，θi為新指標空間的線性映射結(jié)果。

2 系統(tǒng)設(shè)計

2. 1 系統(tǒng)架構(gòu)設(shè)計

系統(tǒng)架構(gòu)是系統(tǒng)設(shè)計的基本所在，本系統(tǒng)可簡單的分為三層結(jié)構(gòu)，源數(shù)據(jù)層、數(shù)據(jù)分析層、數(shù)據(jù)運用層。源數(shù)據(jù)層是通過Java采集程序采集LTE計數(shù)器數(shù)據(jù)進行預(yù)處理并存儲在HDFS中，主要存儲清單級文件。數(shù)據(jù)分析層是以Hive為主的數(shù)據(jù)分析，主要是對清單數(shù)據(jù)進行統(tǒng)計，加載等操作。數(shù)據(jù)運用層是面向用戶的，主要是數(shù)據(jù)的可視化及功能展示[3]。

圖1 系統(tǒng)架構(gòu)圖

2. 2 系統(tǒng)功能結(jié)構(gòu)設(shè)計

在繪制系統(tǒng)結(jié)構(gòu)圖的過程，實際上就是對系統(tǒng)功能模塊進行分解設(shè)計的過程，即合理地將數(shù)據(jù)流程圖轉(zhuǎn)變?yōu)樗枰南到y(tǒng)結(jié)構(gòu)圖。

系統(tǒng)結(jié)構(gòu)圖能直觀地了解系統(tǒng)的結(jié)構(gòu)模式，理解系統(tǒng)的各個功能的結(jié)構(gòu)，能更方便使用和理解整個系統(tǒng)。

本系統(tǒng)主要分為六大模塊，每個模塊都是一個運行的程序，通過任務(wù)表的關(guān)系將六個模塊串聯(lián)起來，從數(shù)據(jù)的流向程序的基本結(jié)構(gòu)圖如圖2所示。

2. 3 系統(tǒng)數(shù)據(jù)庫設(shè)計

數(shù)據(jù)庫是各個業(yè)務(wù)工作流程的末端，系統(tǒng)所有業(yè)務(wù)都需要依賴數(shù)據(jù)庫，由此可知數(shù)據(jù)庫在系統(tǒng)中所起的作用。構(gòu)建一個高效的數(shù)據(jù)庫模型，有助于提升數(shù)據(jù)的存取效率，進而會影響到系統(tǒng)的性能。因此在進行系統(tǒng)設(shè)計時，數(shù)據(jù)庫設(shè)計是極其重要的一環(huán)，需給予重視。

圖2 系統(tǒng)功能結(jié)構(gòu)圖

在設(shè)計數(shù)據(jù)庫模型時，需遵循設(shè)計的基本準則，具體如下：

（1）實體表不能既無主鍵也無外鍵，若數(shù)據(jù)庫中存在上述實體表，則會加大后續(xù)的數(shù)據(jù)分析難度，影響系統(tǒng)性能。

（2）在使用面向數(shù)據(jù)的SQL語言進行程序設(shè)計時，盡量采取優(yōu)化算法。

圖3 數(shù)據(jù)關(guān)系模型設(shè)計

3 結(jié)語

本系統(tǒng)主要是通過對LTE基站主要性能指標數(shù)據(jù)進行統(tǒng)計分析處理，實時預(yù)測監(jiān)控基站性能，面對故障及時采取應(yīng)對措施，或提前做好預(yù)防工作。解決數(shù)據(jù)量的變化對LTE基站帶來的影響。