基于云计算的移动通信4G网络优化

（广东怡创科技股份有限公司，广东 广州 510627）

1 引言

网络优化是维护网络正常运行，保障网络运行质量的重要手段，但其技术难度大，工作复杂，运营成本较高。在2G时代，移动运营商已建立了一批网络优化管理平台，很好地支持了网络的正常运行，提高了网络运维管理效率，降低了网络运维成本。但随着4G网络的普及移动互联网的迅速发展，数据业务逐渐成为移动通信网络的主流业务，由此也对网络优化提出了新的要求。根据以TD-LTE为核心的4G网络优化的需求以及网优测量数据的典型特征，本文提出了一套TD-LTE网络优化思路，并设计了基于云计算的移动通信4G网络优化平台，该平台已在广东怡创科技股份有限公司实际部署并上线运行，达到了良好的效果。

2 TD-LTE网络优化思路

2.1 精细化的TD-LTE网络KPI体系

（1）TD-LTE网络指标体系

在以TD-LTE为核心的新一代移动通信4G网络中，TD-LTE系统由于对所有业务均采用分组形式进行传输，因此适用于2G、3G系统的网络关键性能指标将很难适用于TD-LTE系统。与3G相比，LTE网络采用了扁平化的网络架构，同时也更强调端到端的概念。因此需要针对TD-LTE网络建立更为精细化的网络关键性能指标体系。

因此，在新一代移动通信网络指标体系中，除了保留2G、3G指标外，需要加入新型的、更能反应TDLTE网络真实性能的指标，并对这些关键性能指标进行合理的分析、整合，找到影响这些关键性能指标的重要参数，为网络优化平台的分析、判断提供强有力的支持。

（2）TD-LTE网络关键性能指标与参数配置的关联性

最终TD-LTE网络性能的关键指标（包括网络覆盖率、系统吞吐量、用户吞吐量、平均频谱利用率、小区边缘频谱利用率、接入时延、切换时延、网络掉话率、网络阻塞率、公平性、用户满意度等）不仅与相对底层的网络工程参数有关，而且与无线资源管理方面的参数以及网络管理、调试策略有着千丝万缕的关系。

在网络工程参数方面，影响关键性能指标的参数主要有：基站工程参数、无线配置参数、天线使用方式、频率分配策略、OFDM（Orthogonal Frequency Division Multiplexing，正交频分复用技术）符号CP长度配置等。

在无线资源管理方面，影响关键性能指标的参数主要有：系统带宽、帧结构及时隙配置、接入过程、切换过程、MIMO（Multiple-Input Multiple-Output，多入多出技术）配置方式、MIMO适用场景选择、资源分配方式、调度方式、调度算法等。

由上可知，相比3G系统，LTE系统在组网方式、网络配置、参数选择等方面提供了更大的灵活性。如果能够利用好网络的灵活性，可以使网络充分发挥其性能；但如果利用不好的话，将会使网络性能恶化，浪费投资。只有识别出底层网络参数以及无线资源管理相关参数与高层关键指标之间的影响因子和关联度，并对它们之间的关系进行细化、分析，找到问题的本末，才可以在网络优化中做到有的放矢，事半功倍。

因此，可以借助理论分析和云计算大数据挖掘技术，建立关键性能指标与无线参数的联动关系。当指标发生改变的时候，能够自动分析出需要调整的参数，并在TD-LTE网络中对所取得的规律进行验证，为网络优化指明方向。

2.2 多样化的TD-LTE网络优化方法

与2G以单纯的语音业务为主、3G以中低速数据业务为主的现状有所不同，以TD-LTE为核心的新一代移动通信4G网络中大量的业务量来自于高速数据业务，并将有较大比重发生在室内场景。

新一代移动通信网络业务具有很大的开放性，不同类型的业务对QoS（Quality of Service，服务质量）的要求也不尽相同。在网络优化中，网络业务的统计与分析也是网络优化必须考虑的因素。为了合理利用有限的网络资源，提供高质量的服务，创造更高的利润，必须改变传统粗放的业务统计和分析模式，实现基于业务和用户的精细化分析统计方式。

从网络部署场景的角度考虑，城市和郊区、商业区与居民区、室内和室外等因素都会影响业务的密度和到达方式。因此，分析考虑不同场景下业务统计分析结果的差异性，研究业务统计结果与网络参数配置的内在联系是十分必要的。其研究分析结果将对不同场景下的网络部署与优化起到指导作用。

从网络运营的角度考虑，统计分析网络业务，有利于TD-LTE网络运营商利润的最大化。运营商在网络优化时，可以根据统计分析结果，对不同的业务提供不同的QoS保障策略，并能通过调整资费策略创造更大的收益。如对网络中发展潜力大的业务，给予充分的QoS保障，进行精细化的资源控制和管理。

从用户行为的角度考虑，网络业务的统计分析是用户行为分析的基础。从网络业务的统计数据中，挖掘用户使用业务时的行为特征。如通信时长、业务生成的时间分布、不同业务的比例和关联性等。根据用户的行为特征，合理优化系统，一方面使用户获得良好的服务体验，另一方面在满足用户需求的前提下，最大限度地节约有限的系统资源。

针对TD-LTE中的高速移动宽带数据业务，从业务类型、QoS、码率控制等角度着手，可以开发新一代基于云计算的移动通信4G网络的业务统计分析方法。

3 基于云计算的移动通信4G网络优化软件实现

为满足移动通信4G网络优化对LTE测量报告数据和LTE话务统计数据等大数据深入分析的需求，针对网络优化大数据及其业务逻辑的典型特征，结合云计算的最新技术进展，怡创科技设计了一套基于云计算的移动通信4G网络优化软件。

移动通信4G网络优化系统结构如图1所示，系统分4层，自下而上分别为：

图1 基于云计算的移动通信4G网络优化系统结构图

（1）数据存储层。不同的数据类型存储在不同的数据库中，发挥不同类型数据库的优势。地理图层信息存储在GIS（Geographic Information System，地理信息系统）的地理空间数据库中，如ArcGIS的Geodatabase、SuperMap的SDX+，地理空间数据库是一种采用标准关系数据库技术来表现地理信息的数据模型。平台用户数据、权限数据、业务模型和业务参数等存储在传统的关系型数据库Oracle中。海量的性能统计数据、业务分析数据、测量数据和路测数据存储在分布式数据库HBase中。

（2）数据处理层。通过数据挖掘技术，结合地理图层信息、工参数据、业务模型以及海量的统计和测量数据，在Hadoop分布式集群中进行在线分析计算和离线分析处理。

（3）网优业务逻辑层。结合不同的分析优化维度，生成分析预测报告、配置优化建议和性能优化方案等。

（4）人机交互层。网优人员通过人机交互层的软件界面使用和操作网优平台。

系统云计算平台基于OpenStack的企业私有云，海量大数据的处理采用分布式并行计算框架Hadoop系统和分布式数据存储HBase系统。通过调用云平台OpenStack的管理API（Application Programming Interface，应用程序编程接口），实现集群中应用程序节点和Hadoop节点弹性可伸缩。在负荷重的时候，动态增加相应类型的节点；在负荷轻的时候，动态减少相应类型的节点。和基于传统服务器主机和关系数据库的网优系统相比，大幅提高了系统性能并降低了系统成本。

系统的网络拓扑结构如图2所示。

图2 基于云计算的移动通信4G网络优化系统网络拓扑图

4 系统设计的关键技术

4.1 基于OpenStack的企业私有云技术

OpenStack是一个开源的云计算管理平台项目，支持几乎所有类型的云环境，提供实施简单、可大规模扩展与丰富、标准统一的云计算管理平台。

怡创科技的企业私有云基于OpenStack整合企业内的大量计算资源，包括CPU计算能力、内存容量、硬盘空间等，快速灵活地进行云主机的创建和资源合理分配，不但可以极大地提高计算机资源的利用率，还可以实现应用和数据的负载均衡、容灾以及在云主机之间进行迁移等功能。

把移动通信4G网络优化平台构建在企业私有云上，可以根据网优计算分析的数据规模和发展趋势，做到快速部署，弹性扩容。

4.2 基于Hadoop分布式并行计算框架

Hadoop是开源的分布式并行计算系统基础架构，本系统基于Hadoop的MapReduce并行计算编程模型来设计网络优化的算法，充分利用了Hadoop集群的威力进行大数据的存储和高速运算。

4.3 基于HBase分布式大数据存储技术

由于网络优化测量报告数据和话务统计数据具有超大体量、离散、复杂的数据特点，传统数据存储模式已经难以满足大数据存储要求。一方面单结点的数据仓库在容量上难以满足呈几何增长的数据量，在运行效率上也难以满足大数据的分析处理需求；另一方面传统数据仓库按行存储的模式，虽然可以实现大容量索引和视图，但实际操作中其时间和空间过高。本系统采用的分布式数据库HBase是基于Google BigTable技术的开源实现，是一个面向列的分布式存储系统，具有可伸缩、高可靠、高性能等特点，利用HBase技术可快速在Hadoop集群中搭建起大规模的存储集群。

4.4 应用程序集群的伸缩设计

应用程序集群的伸缩设计针对应用程序节点进行扩展和缩小，基于云平台的网优系统在用户并发数大，提交的作业（Job）数量大，排队时间长的时候，可以自动增加应用程序的节点，自动分摊Job。在Job数量少，节点很空闲的时候，减少节点。

图3是一个Job繁重的时刻，此时需要扩展工作节点来支持对Job的处理。

图3 应用程序节点动态增加示意图

（1）管理节点向虚拟机管理服务申请创建指定数量的指定类型的节点；

（2）虚拟机管理服务按要求创建指定类型的虚拟机节点，并启动虚拟机；

（3）节点启动起来后，自动运行脚本（包括进行程序更新、运行程序等）向工作管理节点注册自己；

（4）管理节点向新启动的工作节点派发Job。

基于云平台的网优系统在Job少，集群资源使用率低的时候，管理节点可以控制工作节点的删除，实现动态减容，如图4所示。

（1）管理节点要求指定的节点分离出去，指定节点按要求进行分离，处于分离状态；

（2）管理节点要求虚拟机管理服务销毁指定的虚拟机；

（3）虚拟机管理服务可以对指定的虚拟机进行删除或者简单的关闭，取决于管理策略。

4.5 Hadoop集群的伸缩设计

Hadoop集群的伸缩设计针对作为Node Manager的节点的伸缩，而作为DataNode的节点，一般只做扩展处理。

数据节点负责存储实际的数据，因此通常不做自动伸缩设计，可以单向增长。当集群容量加大时，可以加大集群节点里的磁盘空间或者增加集群的DataNode节点。

运算节点可以根据Job的负荷自动增加运算节点。当发现运算较大时，可以动态增加NodeManager（不作为DataNode），以满足运算。运算完成后，当Job负荷较低时，自动关闭虚拟机。

Hadoop集群的Job繁重的时候，需要扩展运算节点来支持对Job的处理，具体如图5所示。

图4 应用程序节点动态减少示意图

图5 Hadoop节点动态增加示意图

（1）管理节点定期会询问Hadoop集群当前集群的NodeManager资源情况，如果资源已经不够，则需要扩展Hadoop的NodeManager节点；

（2）向虚拟机管理服务申请创建指定类型的节点；

（3）虚拟机管理服务进行创建虚拟机，并启动虚拟机；

（4）虚拟机启动后自动运行指定的脚本，运行NodeManager进程，向Resource-Manager进行注册。

当Hadoop集群Job减少，集群资源使用率低的时候，管理节点可以控制运算节点的删除，实现动态减容，具体如图6所示。

（1）管理节点定期询问Hadoop集群的计算资源的情况；

（2）如果资源空闲符合规则，则向虚拟机管理服务申请销毁指定的虚拟机；

（3）虚拟机管理服务通知相应的Node-Manager虚拟机进行关闭；

（4）相应的NodeManager虚拟机停止服务，向ResourceManager注销自己；

（5）虚拟机管理服务关闭NodeManager虚拟机。

5 TD-LTE网络优化的关键技术

5.1 TD-LTE网络关键性能指标体系及统计分析

科学的网络关键性能指标体系不仅是网络优化的指南，而且有助于发现网络优化中的问题。基于云计算的移动网络4G网络优化系统在2G/3G移动通信网络性能指标基础上，摒弃过时的关键性能指标，加入新型的、更能反映TD-LTE网络真实性能的指标。通过对这些关键性能指标进行合理的分析、整合，找到影响这些关键性能指标的重要参数，为网络优化工具的分析、判断提供强有力的支持，使网络优化技术能更精确地反映TD-LTE网络的真实性能。

图6 Hadoop节点动态减少示意图

5.2 基于路测数据的网络覆盖和干扰预测分析

采用实际测试与算法研究相结合的思路，充分挖掘路测数据所能提供的有用信息，重点分析路测数据的拓展性应用。

具体地，利用TD-LTE路测仪表，采集典型区域路测数据；研究依托路测所收集的有限的线数据和点数据，对网络覆盖的面数据进行补充性预测；同时，还将研究基于路测数据的覆盖与干扰程度定量分析方法；在此基础上，对目标区域进行覆盖及干扰预测分析，对网络和业务质量进行评估分析，并根据异常路测指标定位网络在覆盖及干扰方面可能存在的问题。

5.3 网络自组织技术

面向不同时间、地理场景，采用时间序列分析技术，分析、预测网络覆盖范围内的用户业务行为和业务流量分布变化情况。根据网络性能指标和用户服务质量要求，采用云计算大数据挖掘技术，分析业务类型、网络配置、网络参数、网络性能间的相关性。采用时间、地理场景相似性匹配技术，对网络结构和资源进行优化配置，对网络无线资源参数进行自动优化。

5.4 TD-LTE网络业务统计分析

针对TD-LTE网络，采用如下基于业务和用户的精细化业务分析和统计方法：

（1）从网络部署的场景角度考虑，区分城市和郊区、商业区与居民区、室内和室外等地理场景因素对用户行为和业务密度的影响。考虑不同场景下业务统计分析结果的差异性，分析研究业务统计结果与网络参数配置的内在联系，指导不同场景下的网络部署与优化。

（2）从网络运营的角度考虑，统计分析网络业务，根据统计分析结果，对不同的业务提供不同的QoS保障策略，进行精细化的资源控制和管理，最大化TD-LTE网络的运营利润。

（3）从用户行为的角度考虑，通过网络业务统计分析，挖掘用户使用业务时的行为特征，如通信时长、业务生成的时间分布、不同业务的比例和关联性等。根据用户行为特征，合理优化系统，一方面使用户获得良好的服务体验，另一方面在满足用户需求的前提下，最大限度地节约有限的系统资源。

6 结束语

基于云计算的移动通信4G网络优化，利用功能强大的OpenStack云计算技术和Hadoop分布式并行计算框架，充分挖掘网络优化中大数据的潜在价值，结合TD-LTE网络优化的关键技术，可以大幅提升TD-LTE网络优化的效率和效果。本系统的顺利实施，能够提高TD-LTE移动通信网络的运营管理水平，改善移动互联网和移动数据业务的服务质量，产生良好的社会和经济效益。

[1] 王映民,孙韶辉. TD-LTE技术原理与系统设计[M]. 北京:人民邮电出版社,2010.

[2] 肖清华,汪丁鼎,许光斌,等. TD-LTE网络规划设计与优化[M]. 北京: 人民邮电出版社, 2013.

[3] 吴凯峰,刘万涛,李彦虎,等. 基于云计算的电力大数据分析技术与应用[J]. 中国电力, 2015,48(2): 111-116.

[4] 龚旭. 基于云计算的大数据处理技术探讨[J]. 电子技术与软件工程, 2015(10): 198.

[5] 张国凯,姜忠坷,吕德路. 基于Hadoop的大数据的处理与挖掘[J]. 信息通信, 2014(12): 26.

[6] 李永楠,李德忠. 浅谈云计算优势、应用及发展[J]. 中国新技术新产品, 2011(3): 29.

[7] 徐峰. 一种基于大数据分析的网络优化方案[J]. 江苏通信, 2014,30(4): 38-42.

[8] 赵季红,曲桦,陈文东. 基于反馈机制的自愈算法[J]. 通信学报, 2012,33(1): 1-9.

[9] 郎为民,杨德鹏,李虎生. LTE-Advanced SON自优化和自愈用例研究[J]. 现代电信科技, 2012(3): 1-6.

[10] 朱雪田,安晓东,高羽,等. TD-LTE无线性能分析与优化[M]. 北京: 人民邮电出版社, 2014.