基于云計算的移動通信4G網絡優化

（廣東怡創科技股份有限公司，廣東 廣州 510627）

1 引言

網絡優化是維護網絡正常運行，保障網絡運行質量的重要手段，但其技術難度大，工作復雜，運營成本較高。在2G時代，移動運營商已建立了一批網絡優化管理平臺，很好地支持了網絡的正常運行，提高了網絡運維管理效率，降低了網絡運維成本。但隨著4G網絡的普及移動互聯網的迅速發展，數據業務逐漸成為移動通信網絡的主流業務，由此也對網絡優化提出了新的要求。根據以TD-LTE為核心的4G網絡優化的需求以及網優測量數據的典型特征，本文提出了一套TD-LTE網絡優化思路，并設計了基于云計算的移動通信4G網絡優化平臺，該平臺已在廣東怡創科技股份有限公司實際部署并上線運行，達到了良好的效果。

2 TD-LTE網絡優化思路

2.1 精細化的TD-LTE網絡KPI體系

（1）TD-LTE網絡指標體系

在以TD-LTE為核心的新一代移動通信4G網絡中，TD-LTE系統由于對所有業務均采用分組形式進行傳輸，因此適用于2G、3G系統的網絡關鍵性能指標將很難適用于TD-LTE系統。與3G相比，LTE網絡采用了扁平化的網絡架構，同時也更強調端到端的概念。因此需要針對TD-LTE網絡建立更為精細化的網絡關鍵性能指標體系。

因此，在新一代移動通信網絡指標體系中，除了保留2G、3G指標外，需要加入新型的、更能反應TDLTE網絡真實性能的指標，并對這些關鍵性能指標進行合理的分析、整合，找到影響這些關鍵性能指標的重要參數，為網絡優化平臺的分析、判斷提供強有力的支持。

（2）TD-LTE網絡關鍵性能指標與參數配置的關聯性

最終TD-LTE網絡性能的關鍵指標（包括網絡覆蓋率、系統吞吐量、用戶吞吐量、平均頻譜利用率、小區邊緣頻譜利用率、接入時延、切換時延、網絡掉話率、網絡阻塞率、公平性、用戶滿意度等）不僅與相對底層的網絡工程參數有關，而且與無線資源管理方面的參數以及網絡管理、調試策略有著千絲萬縷的關系。

在網絡工程參數方面，影響關鍵性能指標的參數主要有：基站工程參數、無線配置參數、天線使用方式、頻率分配策略、OFDM（Orthogonal Frequency Division Multiplexing，正交頻分復用技術）符號CP長度配置等。

在無線資源管理方面，影響關鍵性能指標的參數主要有：系統帶寬、幀結構及時隙配置、接入過程、切換過程、MIMO（Multiple-Input Multiple-Output，多入多出技術）配置方式、MIMO適用場景選擇、資源分配方式、調度方式、調度算法等。

由上可知，相比3G系統，LTE系統在組網方式、網絡配置、參數選擇等方面提供了更大的靈活性。如果能夠利用好網絡的靈活性，可以使網絡充分發揮其性能；但如果利用不好的話，將會使網絡性能惡化，浪費投資。只有識別出底層網絡參數以及無線資源管理相關參數與高層關鍵指標之間的影響因子和關聯度，并對它們之間的關系進行細化、分析，找到問題的本末，才可以在網絡優化中做到有的放矢，事半功倍。

因此，可以借助理論分析和云計算大數據挖掘技術，建立關鍵性能指標與無線參數的聯動關系。當指標發生改變的時候，能夠自動分析出需要調整的參數，并在TD-LTE網絡中對所取得的規律進行驗證，為網絡優化指明方向。

2.2 多樣化的TD-LTE網絡優化方法

與2G以單純的語音業務為主、3G以中低速數據業務為主的現狀有所不同，以TD-LTE為核心的新一代移動通信4G網絡中大量的業務量來自于高速數據業務，并將有較大比重發生在室內場景。

新一代移動通信網絡業務具有很大的開放性，不同類型的業務對QoS（Quality of Service，服務質量）的要求也不盡相同。在網絡優化中，網絡業務的統計與分析也是網絡優化必須考慮的因素。為了合理利用有限的網絡資源，提供高質量的服務，創造更高的利潤，必須改變傳統粗放的業務統計和分析模式，實現基于業務和用戶的精細化分析統計方式。

從網絡部署場景的角度考慮，城市和郊區、商業區與居民區、室內和室外等因素都會影響業務的密度和到達方式。因此，分析考慮不同場景下業務統計分析結果的差異性，研究業務統計結果與網絡參數配置的內在聯系是十分必要的。其研究分析結果將對不同場景下的網絡部署與優化起到指導作用。

從網絡運營的角度考慮，統計分析網絡業務，有利于TD-LTE網絡運營商利潤的最大化。運營商在網絡優化時，可以根據統計分析結果，對不同的業務提供不同的QoS保障策略，并能通過調整資費策略創造更大的收益。如對網絡中發展潛力大的業務，給予充分的QoS保障，進行精細化的資源控制和管理。

從用戶行為的角度考慮，網絡業務的統計分析是用戶行為分析的基礎。從網絡業務的統計數據中，挖掘用戶使用業務時的行為特征。如通信時長、業務生成的時間分布、不同業務的比例和關聯性等。根據用戶的行為特征，合理優化系統，一方面使用戶獲得良好的服務體驗，另一方面在滿足用戶需求的前提下，最大限度地節約有限的系統資源。

針對TD-LTE中的高速移動寬帶數據業務，從業務類型、QoS、碼率控制等角度著手，可以開發新一代基于云計算的移動通信4G網絡的業務統計分析方法。

3 基于云計算的移動通信4G網絡優化軟件實現

為滿足移動通信4G網絡優化對LTE測量報告數據和LTE話務統計數據等大數據深入分析的需求，針對網絡優化大數據及其業務邏輯的典型特征，結合云計算的最新技術進展，怡創科技設計了一套基于云計算的移動通信4G網絡優化軟件。

移動通信4G網絡優化系統結構如圖1所示，系統分4層，自下而上分別為：

圖1 基于云計算的移動通信4G網絡優化系統結構圖

（1）數據存儲層。不同的數據類型存儲在不同的數據庫中，發揮不同類型數據庫的優勢。地理圖層信息存儲在GIS（Geographic Information System，地理信息系統）的地理空間數據庫中，如ArcGIS的Geodatabase、SuperMap的SDX+，地理空間數據庫是一種采用標準關系數據庫技術來表現地理信息的數據模型。平臺用戶數據、權限數據、業務模型和業務參數等存儲在傳統的關系型數據庫Oracle中。海量的性能統計數據、業務分析數據、測量數據和路測數據存儲在分布式數據庫HBase中。

（2）數據處理層。通過數據挖掘技術，結合地理圖層信息、工參數據、業務模型以及海量的統計和測量數據，在Hadoop分布式集群中進行在線分析計算和離線分析處理。

（3）網優業務邏輯層。結合不同的分析優化維度，生成分析預測報告、配置優化建議和性能優化方案等。

（4）人機交互層。網優人員通過人機交互層的軟件界面使用和操作網優平臺。

系統云計算平臺基于OpenStack的企業私有云，海量大數據的處理采用分布式并行計算框架Hadoop系統和分布式數據存儲HBase系統。通過調用云平臺OpenStack的管理API（Application Programming Interface，應用程序編程接口），實現集群中應用程序節點和Hadoop節點彈性可伸縮。在負荷重的時候，動態增加相應類型的節點；在負荷輕的時候，動態減少相應類型的節點。和基于傳統服務器主機和關系數據庫的網優系統相比，大幅提高了系統性能并降低了系統成本。

系統的網絡拓撲結構如圖2所示。

圖2 基于云計算的移動通信4G網絡優化系統網絡拓撲圖

4 系統設計的關鍵技術

4.1 基于OpenStack的企業私有云技術

OpenStack是一個開源的云計算管理平臺項目，支持幾乎所有類型的云環境，提供實施簡單、可大規模擴展與豐富、標準統一的云計算管理平臺。

怡創科技的企業私有云基于OpenStack整合企業內的大量計算資源，包括CPU計算能力、內存容量、硬盤空間等，快速靈活地進行云主機的創建和資源合理分配，不但可以極大地提高計算機資源的利用率，還可以實現應用和數據的負載均衡、容災以及在云主機之間進行遷移等功能。

把移動通信4G網絡優化平臺構建在企業私有云上，可以根據網優計算分析的數據規模和發展趨勢，做到快速部署，彈性擴容。

4.2 基于Hadoop分布式并行計算框架

Hadoop是開源的分布式并行計算系統基礎架構，本系統基于Hadoop的MapReduce并行計算編程模型來設計網絡優化的算法，充分利用了Hadoop集群的威力進行大數據的存儲和高速運算。

4.3 基于HBase分布式大數據存儲技術

由于網絡優化測量報告數據和話務統計數據具有超大體量、離散、復雜的數據特點，傳統數據存儲模式已經難以滿足大數據存儲要求。一方面單結點的數據倉庫在容量上難以滿足呈幾何增長的數據量，在運行效率上也難以滿足大數據的分析處理需求；另一方面傳統數據倉庫按行存儲的模式，雖然可以實現大容量索引和視圖，但實際操作中其時間和空間過高。本系統采用的分布式數據庫HBase是基于Google BigTable技術的開源實現，是一個面向列的分布式存儲系統，具有可伸縮、高可靠、高性能等特點，利用HBase技術可快速在Hadoop集群中搭建起大規模的存儲集群。

4.4 應用程序集群的伸縮設計

應用程序集群的伸縮設計針對應用程序節點進行擴展和縮小，基于云平臺的網優系統在用戶并發數大，提交的作業（Job）數量大，排隊時間長的時候，可以自動增加應用程序的節點，自動分攤Job。在Job數量少，節點很空閑的時候，減少節點。

圖3是一個Job繁重的時刻，此時需要擴展工作節點來支持對Job的處理。

圖3 應用程序節點動態增加示意圖

（1）管理節點向虛擬機管理服務申請創建指定數量的指定類型的節點；

（2）虛擬機管理服務按要求創建指定類型的虛擬機節點，并啟動虛擬機；

（3）節點啟動起來后，自動運行腳本（包括進行程序更新、運行程序等）向工作管理節點注冊自己；

（4）管理節點向新啟動的工作節點派發Job。

基于云平臺的網優系統在Job少，集群資源使用率低的時候，管理節點可以控制工作節點的刪除，實現動態減容，如圖4所示。

（1）管理節點要求指定的節點分離出去，指定節點按要求進行分離，處于分離狀態；

（2）管理節點要求虛擬機管理服務銷毀指定的虛擬機；

（3）虛擬機管理服務可以對指定的虛擬機進行刪除或者簡單的關閉，取決于管理策略。

4.5 Hadoop集群的伸縮設計

Hadoop集群的伸縮設計針對作為Node Manager的節點的伸縮，而作為DataNode的節點，一般只做擴展處理。

數據節點負責存儲實際的數據，因此通常不做自動伸縮設計，可以單向增長。當集群容量加大時，可以加大集群節點里的磁盤空間或者增加集群的DataNode節點。

運算節點可以根據Job的負荷自動增加運算節點。當發現運算較大時，可以動態增加NodeManager（不作為DataNode），以滿足運算。運算完成后，當Job負荷較低時，自動關閉虛擬機。

Hadoop集群的Job繁重的時候，需要擴展運算節點來支持對Job的處理，具體如圖5所示。

圖4 應用程序節點動態減少示意圖

圖5 Hadoop節點動態增加示意圖

（1）管理節點定期會詢問Hadoop集群當前集群的NodeManager資源情況，如果資源已經不夠，則需要擴展Hadoop的NodeManager節點；

（2）向虛擬機管理服務申請創建指定類型的節點；

（3）虛擬機管理服務進行創建虛擬機，并啟動虛擬機；

（4）虛擬機啟動后自動運行指定的腳本，運行NodeManager進程，向Resource-Manager進行注冊。

當Hadoop集群Job減少，集群資源使用率低的時候，管理節點可以控制運算節點的刪除，實現動態減容，具體如圖6所示。

（1）管理節點定期詢問Hadoop集群的計算資源的情況；

（2）如果資源空閑符合規則，則向虛擬機管理服務申請銷毀指定的虛擬機；

（3）虛擬機管理服務通知相應的Node-Manager虛擬機進行關閉；

（4）相應的NodeManager虛擬機停止服務，向ResourceManager注銷自己；

（5）虛擬機管理服務關閉NodeManager虛擬機。

5 TD-LTE網絡優化的關鍵技術

5.1 TD-LTE網絡關鍵性能指標體系及統計分析

科學的網絡關鍵性能指標體系不僅是網絡優化的指南，而且有助于發現網絡優化中的問題?；谠朴嬎愕囊苿泳W絡4G網絡優化系統在2G/3G移動通信網絡性能指標基礎上，摒棄過時的關鍵性能指標，加入新型的、更能反映TD-LTE網絡真實性能的指標。通過對這些關鍵性能指標進行合理的分析、整合，找到影響這些關鍵性能指標的重要參數，為網絡優化工具的分析、判斷提供強有力的支持，使網絡優化技術能更精確地反映TD-LTE網絡的真實性能。

圖6 Hadoop節點動態減少示意圖

5.2 基于路測數據的網絡覆蓋和干擾預測分析

采用實際測試與算法研究相結合的思路，充分挖掘路測數據所能提供的有用信息，重點分析路測數據的拓展性應用。

具體地，利用TD-LTE路測儀表，采集典型區域路測數據；研究依托路測所收集的有限的線數據和點數據，對網絡覆蓋的面數據進行補充性預測；同時，還將研究基于路測數據的覆蓋與干擾程度定量分析方法；在此基礎上，對目標區域進行覆蓋及干擾預測分析，對網絡和業務質量進行評估分析，并根據異常路測指標定位網絡在覆蓋及干擾方面可能存在的問題。

5.3 網絡自組織技術

面向不同時間、地理場景，采用時間序列分析技術，分析、預測網絡覆蓋范圍內的用戶業務行為和業務流量分布變化情況。根據網絡性能指標和用戶服務質量要求，采用云計算大數據挖掘技術，分析業務類型、網絡配置、網絡參數、網絡性能間的相關性。采用時間、地理場景相似性匹配技術，對網絡結構和資源進行優化配置，對網絡無線資源參數進行自動優化。

5.4 TD-LTE網絡業務統計分析

針對TD-LTE網絡，采用如下基于業務和用戶的精細化業務分析和統計方法：

（1）從網絡部署的場景角度考慮，區分城市和郊區、商業區與居民區、室內和室外等地理場景因素對用戶行為和業務密度的影響?？紤]不同場景下業務統計分析結果的差異性，分析研究業務統計結果與網絡參數配置的內在聯系，指導不同場景下的網絡部署與優化。

（2）從網絡運營的角度考慮，統計分析網絡業務，根據統計分析結果，對不同的業務提供不同的QoS保障策略，進行精細化的資源控制和管理，最大化TD-LTE網絡的運營利潤。

（3）從用戶行為的角度考慮，通過網絡業務統計分析，挖掘用戶使用業務時的行為特征，如通信時長、業務生成的時間分布、不同業務的比例和關聯性等。根據用戶行為特征，合理優化系統，一方面使用戶獲得良好的服務體驗，另一方面在滿足用戶需求的前提下，最大限度地節約有限的系統資源。

6 結束語

基于云計算的移動通信4G網絡優化，利用功能強大的OpenStack云計算技術和Hadoop分布式并行計算框架，充分挖掘網絡優化中大數據的潛在價值，結合TD-LTE網絡優化的關鍵技術，可以大幅提升TD-LTE網絡優化的效率和效果。本系統的順利實施，能夠提高TD-LTE移動通信網絡的運營管理水平，改善移動互聯網和移動數據業務的服務質量，產生良好的社會和經濟效益。

[1] 王映民,孫韶輝. TD-LTE技術原理與系統設計[M]. 北京:人民郵電出版社,2010.

[2] 肖清華,汪丁鼎,許光斌,等. TD-LTE網絡規劃設計與優化[M]. 北京: 人民郵電出版社, 2013.

[3] 吳凱峰,劉萬濤,李彥虎,等. 基于云計算的電力大數據分析技術與應用[J]. 中國電力, 2015,48(2): 111-116.

[4] 龔旭. 基于云計算的大數據處理技術探討[J]. 電子技術與軟件工程, 2015(10): 198.

[5] 張國凱,姜忠坷,呂德路. 基于Hadoop的大數據的處理與挖掘[J]. 信息通信, 2014(12): 26.

[6] 李永楠,李德忠. 淺談云計算優勢、應用及發展[J]. 中國新技術新產品, 2011(3): 29.

[7] 徐峰. 一種基于大數據分析的網絡優化方案[J]. 江蘇通信, 2014,30(4): 38-42.

[8] 趙季紅,曲樺,陳文東. 基于反饋機制的自愈算法[J]. 通信學報, 2012,33(1): 1-9.

[9] 郎為民,楊德鵬,李虎生. LTE-Advanced SON自優化和自愈用例研究[J]. 現代電信科技, 2012(3): 1-6.

[10] 朱雪田,安曉東,高羽,等. TD-LTE無線性能分析與優化[M]. 北京: 人民郵電出版社, 2014.