NGL04 型程控交换机的话务统计与分析

姜 涛

（91033 部队，山东青岛266000）

话务统计是交换机的一项重要功能，维护人员可以通过分析话务统计中详实的数据，第一时间掌握交换机的运行状态，并根据话务统计中暴露出的问题加以分析并解决，合理运用话务统计是提高设备运行质量的一种重要手段[1]。NGL04 型程控交换机是网内使用比较广泛的一款交换机，该交换机自带一个话务统计工具，但此工具只能对中继部分的参数进行分析，不能对单一用户进行查询，统计条件相对比较固定，不够灵活和直观，不方便交换机维护人员掌握话务实时情况[2]。本文从交换机话务统计文件着手，通过Python 语言编写代码将话务统计文件逐条分拣，存储入MySQL 数据库，写入Excel 文档， 最后通过Pyecharts 插件生成可视化分析图表。

1 话务统计文件的分析

NGL04 型程控交换机的话务统计文件保存在C:NGLDatachargeCDR 文件夹中，每日生成一个以当日日期为文件名的文件[3]，该日的话单文件按照时间顺序逐条保存至此文件中，滚动更新，文件命名规则为yyyymmdd.cdr，yyyy 为4 位数，表示年份，mm 为2位数，表示月份，dd 为2 位数，表示日期，所以话单文件的文件名如“20191018.cdr”，要进行话务统计分析必须从每日生成的话单文件着手，按顺序逐条分拣出所有话单，并对每条话单的各个字段进行提取，按照话单文件的定义提取出相关的数据，保存至数据库中。程序整体的功能结构如图1 所示[4]。

图1 程序设计流程图

根据交换机相关文档，CDR 文件是二进制文件，每96 个字节为一条话单记录文件，每条话单记录文件的主要数据包括：

第2 个字节为呼叫类别，常用呼叫类别具体含义如表1 所示，可以根据呼叫类别绘制饼状图，直观分析各个呼叫类别在本局所有呼叫中的比重。

表1 常用呼叫类别定义示意表

第10 个至第21 个字节为被叫用户号码，第22个字节为主叫用户类别，第24 个至第27 个字节为通话结束日期，第28 个字节为出局路由/ 局向号，第29个至第31 个字节为通话时长，第32 个字节为呼叫时长，第33 个至第35 个字节为通话结束时间，第36 个至45 个字节为主叫用户号码。将这些字节中包含的关键数据项逐一提取，就可以详细解析话单文件。

2 话单记录的分拣保存

笔者使用Python 来进行话单文件的分拣，每条话单为96 个字节，根据每日文件的总字节可推算出当日共产生多少条话单，分拣出每条话单后，在每条话单中使用seek 函数逐个提取话单中各个关键数据，并将其保存至列表中，部分字节需要进行10 进制与16 进制的转换。部分代码如下：

# 获取通话结束日期

f.seek(1,1)

byte =f.read(4)

strhex = str(binascii.b2a_hex(byte))

callingdates.append(strhex[2:10])

# 获取通话路由

f.seek(0,1)

byte =f.read(1)

strhex = str(binascii.b2a_hex(byte))

outgoingroutes.append(str(int(strhex[2:4],16)))

在MySQL 中创建一个名为nglcdr 的数据库，新建名为nglcdr 的表，根据提取的各列数据创建列表，数据库设计如图2 所示。ID 为话单索引，是该表的主键；Callingtypes 为呼叫类别，可以根据此呼叫类别生产饼图；Callinghours 表示通话产生的时间段，为0～23 之间，用于柱状图显示；Calledusernums 代表被叫用户号码；Callingusertypes 代表主叫用户类别；Callingdates 代表通话结束日期；Outgoingroutes 代表出局局向/ 路由号；Callinglengths 代表通话时长；Callingtimes 代表通话结束时间；Callingusernums 代表主叫用户号码。

图2 话务统计数据库设计图

将分拣后的数据逐项保存至数据库中，代码如下：

# 将数据写入本机数据库

db = pymysql.connect(host='127.0.0.1', user='root',passwd=password, db='nglcdr', port=3306, harset='utf8')

cursor = db.cursor()

for i in range(length):

sql = """INSERT IGNORE INTO nglcdr(callingtypes,calledusernums,callingusertypes,callingdates,outgoingroutes,callinglengths,callinghours,callingtimes,callingusernums)

VALUES ('""" + callingtypes [i] + "','" +calledusernums[i] + "','"

+ callingusertypes[i] + "','" + callingdates[i] + "','" + outgoingroutes[i] + "','"

+ callinglengths[i] + "','" + callinghours[i] + "','"+ callingtimes[i] + "','" + callingusernums[i]+"')"

cursor.execute(sql)

通过执行以上程序，一天的话单记录就可以完整保存至数据库中了，进而可以对数据进行使用。如可以根据需要定制各类型的查询，也可以与本局其它交换机的话单文件合并分析，或将数据库开放给上级局，为全网话务统计提供数据支持。

最后，将获取到的主叫号码、被叫号码、呼叫类别、呼叫日期等各项数据写入Excel 文档，Excel 文件保存在同一文件夹的output 子目录中。代码如下：

result = {' 呼叫类别':callingtypes ,' 被叫号码':calledusernums,' 主叫号码类型': callingusertypes,

' 呼叫日期': callingdates, ' 通话路由':outgoingroutes,' 通话时长':callinglengths,' 呼叫时':callinghours,

' 呼叫时间 ':callingtimes,' 主叫号码 ':callingusernums}

results = pandas.DataFrame(result)

results.to_excel(DIROUTPUT+file[- 12:- 4]+'.xls')

通过在主函数中批量读取交换机服务器指定文件夹中所有的CDR 文件，逐条分拣后批量写入output 子目录中，就可以得到所有话单记录的Excel文件，为可视化分析提供数据源。

3 呼叫分析的可视化

将所有话单记录保存至Excel 文件后，使用pyecharts 库进行分析，pyecharts 是一个用于生成Echarts 图表的类库，是一款将Python 与Echarts 结合的强大的数据可视化工具，该库提供柱状图、饼图、地图等各种图表。这里采用柱状图分析话单产生时间，采用饼图分析呼叫类别、运行代码，生成的话单产生时间柱状图、呼叫类型饼状图分别如图3、图4 所示[5]。

话单产生时间柱状图横轴为话单产生的时间，以每小时为统计单位，纵轴为该小时内话单总数。饼状图则可以很明确地看出每种类型话单所占的比重。

图3 话单产生时间柱状图

图4 呼叫类型饼状图

由上图可以看出，凌晨4～5 点是每日话务量最低谷，话务量高峰出现在每日11 点至12 点之间，本局的呼叫类型中，长市汇接占据了一大半，维护人员可以根据此结果分析此长市汇接话务的具体路由，合理规划交换机资源分配，对路由加以优化，减少呼损[6]。

4 结束语

本文从交换机的话单记录入手分析，通过生成一系列图表，将话务统计的内容可视化表达，使维护人员可以总体把握交换机话务的实际情况，对交换机的资源进一步优化，提高交换机的接通率。