Сочинение на тему Обзор аналитики больших данных в мобильной сотовой сети

В настоящее время интенсивно растет использование сети мобильного трафика. Различные методы используются для повышения эффективности управления трафиком и повышения производительности в мобильных сетях. Для управления сетью используются некоторые методы, такие как Apache Hadoop, Mapreduce, виртуализация беспроводных сетей и информационно-ориентированные сети. Эта статья основана на обзоре аналитики больших данных в мобильных сотовых сетях. Факторы включают, вероятно, различные методы для минимизации сетевого трафика и быстрого роста производительности сети. Ключевые слова: аналитика Bigdata, hadoop, mapreduce, мобильная сеть. ВведениеБольшие данные представляют собой наборы данных для массового сбора, поэтому они большие и сложные, поэтому их становится трудно обрабатывать с помощью традиционных методов обработки данных или приложения.

Большие данные – это основная ключевая фраза в области информационных технологий, и новые технологии персонального общения расширяются с каждым днем. Первоначальное требование больших данных началось с крупных компаний, таких как Facebook, Google, YouTube и т. Д. С целью анализа больших объемов данных в структурированном или даже неструктурированном формате. Поэтому везде необходим большой объем, который обрабатывает сложные и объемные наборы данных. С недавним развитием беспроводных технологий в мобильных сетях становится все больше, и мобильные приложения стали и генераторами, и носителями огромных данных. В древние времена большие данные использовались для структурированных данных, которые хорошо организованы в реляционных базах данных и электронных таблицах. Аналитика больших данных имеет возможность собирать разбросанные данные, чтобы понять шаблон использования пользователем из нескольких секторов.

Он включает в себя жизненные привычки пользователя, и расписание может быть выведено из использования покрытия трафика в различные периоды времени дня, схем серфинга и часто посещаемых мест, или диапазон действий можно узнать из баз данных домашнего регистра (HLR). , Инфраструктура является важной особенностью анализа больших данных. Мониторинг инфраструктуры в реальном времени возможен благодаря анализу больших данных. И они могут принять автономное и динамичное решение. Поставщики услуг ежедневно обрабатывают большое количество данных, которые генерируются пользователями, т.е. записи вызовов, записи данных, SMS и т. Д. Большие данные помогают анализировать эти данные и могут решить наиболее распространенные проблемы, с которыми сталкиваются мои поставщики услуг. Быстрое увеличение трафика данных и мобильных сетей обрабатывается инфраструктурой hadoop, и может быть предложена программная модель Mapreduce, обеспечивающая безопасность данных с высоким трафиком. Анализ и сведение к минимуму такого огромного трафика Hadoop Framework широко используется повсеместно.

<Р> II. ОБЗОР ЛИТЕРАТУРЫ

Сбор данных из разных источников является одной из частей больших данных. Когда большие данные эффективно и эффективно обрабатываются и анализируются, компании стремятся получить лучшее обслуживание клиентов, улучшенные продукты и услуги и т. Д. В мобильных беспроводных сетях 5G в программном обеспечении определены два метода: визуализация беспроводных сетей и информационная сеть (ICN). ). Сквозную производительность сети можно улучшить с помощью методов ICN с интеграцией визуализации беспроводной сети. Визуализация – это концепция, которая позволяет абстрагировать физические вычислительные ресурсы в логические единицы. Физические ресурсы в сотовых сетях состоят из ресурсов спектра и ресурсов инфраструктуры, которые включают сети радиодоступа (RAN), базовые сети (CN) и транспортные сети. Виртуализация – это важнейшее использование беспроводных сенсорных сетей. Мобильный пользовательский трафик – это та область, которая использует преимущества виртуализации датчиков. Интернет-инфраструктура может развиваться одним способом – информационным сетевым взаимодействием, но она может уйти от вечной связности, основанной на принципах хоста, и сквозного принципа. Ключевыми потребностями являются доступ к именованным ресурсам, а не хостам, масштабируемое распределение посредством репликации и перехвата, хорошее разрешение управления / маршрутизация и доступ. Сеть имеет встроенную функцию перехвата ICN, которая позволяет узлам на некоторое время кэшировать проходящее через нее содержимое и доставлять их запрашивающим пользователям. В механизме сетевого кэширования он уже реплицирован, и вероятность доставки этого контента пользователю увеличена.

Спектр – самый важный фактор в мобильной связи и сетевом радио. При совместном использовании спектра часть собственной лицензии на использование спектра или ее часть могут использоваться несколькими операторами на основе соглашения. Например, оператор A и оператор B заключают контракты таким образом, что им приходится делить полосу частот друг с другом, чтобы у них было более гибкое планирование частот и усиление разнесения, что привело к повышению эффективности использования спектра и пропускной способности сети. В данной статье показано исследование по мониторингу сети трафика и анализу крупномасштабной сотовой сети с помощью Hadoop. Мониторинг и анализ сетевого трафика предназначены для оптимизации сетевых ресурсов и улучшения работы пользователей. Здесь мы представляем крупномасштабную сеть на основе Hadoop, вычислительной платформы с открытым исходным кодом для распределенного хранения и распределенной обработки на обычном оборудовании. Hadoop состоит из множества привлекательных функций, таких как распределенные параллельные вычисления, недорогие возможности масштабирования и высокая отказоустойчивость. Важные инструменты на основе Hadoop, разработанные Google, такие как mapreduce и pig. Mapreduce – это такая программная среда, которая используется для параллельной обработки больших объемов данных на больших кластерах. Pig состоит из двух компонентов: первый – это сам язык, который называется Pig Latin, а второй – среда выполнения, в которой выполняются программы Pig Latin. Система будет запущена через Hadoop Framework.