移動通信網絡中大數據處理關鍵技術研究論文
摘要：社會的發展以及人們生活水平的提升使得移動通信網絡的應用范圍得以大范圍推廣，并且伴隨著社會對移動通信網絡需求的增強，大數據處理技術的應用就應運而生了，本文就此展開論述。
關鍵詞：移動通信網絡；大數據處理；技術分析
伴隨著我國綜合國力的增強，科技水平也得到了進一步增強。計算機技術作為新時代的重要基礎技術，其應用范圍的擴大，在一定程度上促進了信息技術的騰飛發展。伴隨著日漸龐雜的數據規模，使得大數據處理技術應時代而生。同時移動通信網絡技術的發展，極大的方便了人們的工作和生活。為了滿足人們日益增長的通信需求，移動通信網絡也需要具備更加有力的數據處理能力和處理速度。
1大數據技術概述
現階段，我國數據的發展主要包括以下幾個階段：第一，被動產生階段。伴隨著數據庫的出現，其在規范社會數據方面意義深遠。不過該階段數據庫的作用相對較為被動，其服務的對象主要為政府、大型企業等，諸如銀行以及超市等主要進行經營活動而產生的數據交易記錄；第二，主動產生階段。伴隨著互聯網技術的騰飛發展，社會經濟活動日漸頻繁，相應的也會產生大量的數據信息。同時在這大量的數據信息中包含著大量的用戶原創性信息內容，其主要借助QQ日志、微博、博客以及微信等方式發布到網絡上。此外智能化電子產品的`誕生，為人們發布這些原創信息提供了便利。因此，該階段所產生的數據信息量不僅數量巨大，且多是主動產生的。第三，自動產生階段。隨著大數據時代的到來，使得數據開始進行自動產生。主要原因在于移動通信網絡和物聯網之間得到了有效融合，從而推動數據自動產生，并直接推動者大數據時代的到來。大數據技術主要具備如下幾個特點：第一，需要處理規模相對較大的數據。大數據技術通常需要處理PB級甚至是EB級的數據量。第二，數據非結構化。在大數據時代，非結構化的數據迅速增加，高達數據總量的80%左右。第三，多源異構。由于基于物聯網環境下，大數據多運用傳感器、移動設備等異構終端來進行數據的采集，這樣很容易導致數據出現多源異構特點。第四，數據處理的實時性。生活節奏的變快使得人們需要快速處理各種信息數據，因此在線實時處理數據則是大數據時代的另一重要特點。
2大數據處理的關鍵技術
在移動通信網絡中，尤其是物聯網中，很多終端設備都是處在無人監控狀態下，加之這些終端設備所處環境大多較為惡劣，因此在物聯網進行數據采集時，往往會出現很多錯誤，因而收集到的原始數據就缺乏可靠性，譬如采集的一些數據會和實際產生一定誤差，一些數據收集不完整，又或者是一些數據是無關多余的。因此，這就需要通過各種方式來提取所需的數據。就當前來看，有許多數據清洗技術，然而這些數據只適用于較強結構化的數據，大數據又是非結構性，因而并不能起到很好的作用。
而且利用該技術也無法處理大量數據，這就難以體現大數據的實時性。因此，在大數據清洗技術的研究方面還需要進一步研究。大數據有非常多的來源，將收集到的各方數據融合在一起對于數據分析相當重要。數據融合就是收集到的數據源是不一樣的，這些數據要通過不同表象來表達實體，這就需要將數據轉換成為對同一個表象的表達，減少相關數據產生沖突的過程。在移動通信網絡當中，數據的多源性比較普遍，因而對數據進行統一十分必要，讓各數據之間產生關聯。這就要使結構化和非結構化數據發生關聯，再以數據融合來提取關鍵數據。經過一系列處理之后，就要分析所獲得的大數據，并挖掘出新的數據。要將移動通信網絡中的大數據分析和挖掘出來就要從數據表示和存儲兩個方面給予充分考慮
。其中，要借助先進的挖掘工具，并改善數據開發環境。另外一項大數據處理關鍵技術是利用可視化來進行數據分析。眾所周知，移動通信網絡有著十分龐大的數據量，其挖掘結果也是大數據，通過可視化分析這些大數據可以讓人們對這些數據更加容易的理解，進而更深入來分析這些數據；并且對數據進行可視化分析，能夠促進人機交互的開展，利用人機交互來處理大數據可極大的提升數據處理能力和工作效率。當然，移動通信網絡當中大數據的處理不僅僅局限于上述挑戰，安全問題也是大數據處理所面臨的重要問題，因此需加強數據管理，不斷提升數據處理技術水平，最終實現大數據有效管理。
3云計算
經分析可以看出，移動通信網絡大數據處理有兩大趨勢，主要是數據量驟增以及分析深度加劇。這對于移動通信網絡大數據的處理來講無疑是一大挑戰。而云計算的出現則讓移動通信網絡大數據處理有了新的思路。2004年，Google就提出了MapReduce技術來作為處理大數據分析和處理的計算模型，此舉一出立刻引起了廣泛關注。MapReduce技術包含了三個層面，即分布式文件系統、并行編程模型以及并行執行引擎。MapReduce技術的出現引起了各方面關注，而在運行中，慢慢發現其很多不足之處，譬如不支持Schema、沒有存取優化以及依靠蠻力來處理數據等等。針對MapReduce當中的不足，研究人員進行了深入研究，對其性能進行了相應提升，并對易用性進行了一定的改進，經過實踐證明，MapReduce是分析和處理大數據的一種有效工具，但是在進行大數據處理過程中，MapReduce依舊有著缺陷和不足。就大數據處理模式角度而言，流處理和批處理是其中最為重要的模式。MapReduce只可以運用批處理模式來處理大數據。然而實際狀況是，眾多的社交網站和電子商務均需要進行在線處理，而MapRe-duce卻只能愛莫能助。綜上，移動通信網絡所產生的數據量不斷增多，這些數據為社會帶來了便利，然而也面臨著大量數據要處理的現實問題。對此應用大數據處理關鍵技術來解決越來越多的數據難題，盡管還存在一些不足，但相信在科技的發展下這種情況會得到有效改善。
參考文獻：
[1]冷宇,張小麗.基于云計算的移動通信4G網絡優化探討[J].電腦迷,2016（4）:166
[2]鄭彤,崔景伍,鄭夢婷.D2D通信中大數據處理關鍵技術分析與展望[J].移動通信,2016（7）:37-40
[3]蔣曉鵬.移動通信網絡優化中大數據技術的運用分析[J].電子技術與軟件工程,2016（12）:170
【移動通信網絡中大數據處理關鍵技術研究論文】相關文章：
移動通信系統中切換技術研究論文01-23
綠色移動信息通信技術研究論文01-23
淺析移動通信網絡優化論文01-23
數字城管數據處理的關鍵技術研究07-08
移動通信網絡虛擬化探析論文01-22
移動通信網絡定位技術及應用論文01-21
4G移動通信關鍵技術探析論文01-22
5G移動通信關鍵技術分析論文01-23
移動通信網絡與大數據探討論文01-22