流计算大数据技术在运营商实时信令处理中的应用

董斌; 杨迪; 王铮; 周文红

doi:10.11959/j.issn.1000-0801.2015212

您当前的位置：

首页 >

文章列表页 >

流计算大数据技术在运营商实时信令处理中的应用

运营技术广角 | 更新时间：2024-06-05

- 流计算大数据技术在运营商实时信令处理中的应用
- Steam Computing Analysis and Application on Operator Real-time Signal Big Data Processing
- 电信科学 2015年31卷第10期页码：165-171
- 作者机构：
  
  1. 中国电信股份有限公司上海研究院上海 200122
  2. 中国电信集团公司北京 100032
- 作者简介：
  
  [ "董斌，男，博士，中国电信股份有限公司上海研究院高级工程师，主要研究方向为移动互联网平台技术及应用、下一代网络技术。" ]
  [ "王铮，男，中国电信股份有限公司上海研究院工程师，主要研究方向为移动互联网、大数据等。" ]
  [ "杨迪，男，中国电信股份有限公司上海研究院工程师，主要研究方向为移动互联网平台及应用、大数据应用。" ]
  [ "周文红，女，中国电信集团公司网络运行维护事业部工程师，长期从事移动增值业务平台规划、建设和运营工作，在移动定位业务运营方面有深厚的研究和积累。" ]
- 基金信息：
- DOI：10.11959/j.issn.1000-0801.2015212
  中图分类号：
- 网络出版日期：2015-10，
  
  纸质出版日期：2015-10-20
- 稿件说明：
移动端阅览
董斌, 杨迪, 王铮, 等. 流计算大数据技术在运营商实时信令处理中的应用[J]. 电信科学, 2015,31(10):165-171.

Bin Dong, Di Yang, Zheng Wang, et al. Steam Computing Analysis and Application on Operator Real-time Signal Big Data Processing[J]. Telecommunications science, 2015, 31(10): 165-171.
董斌, 杨迪, 王铮, 等. 流计算大数据技术在运营商实时信令处理中的应用[J]. 电信科学, 2015,31(10):165-171. DOI： 10.11959/j.issn.1000-0801.2015212.

Bin Dong, Di Yang, Zheng Wang, et al. Steam Computing Analysis and Application on Operator Real-time Signal Big Data Processing[J]. Telecommunications science, 2015, 31(10): 165-171. DOI： 10.11959/j.issn.1000-0801.2015212.

摘要

基于Hadoop搭建的大数据平台采用离线批处理的方式，无法满足对数据实效性敏感的业务要求。针对运营商动态数据信息开放大数据平台的实时信令处理要求，对流式计算大数据组件进行了分析，介绍了与流计算大数据相关的实时采集、汇聚和处理组件，形成了端到端实时信令处理大数据技术解决方案，并提出了融合批处理和实时计算的大数据平台解决方案，提高了网络信令数据的时效性，为业务创新提供更大空间，带来更多利益。

Abstract

Big data platform based on the Hadoop structures using offline batch processing mode，unable to meet the service requirements for data timeliness.In order to solve the real-time signal processing requirements in operator OIDD（open information of dynamic data）big data platform，the big-data system components of stream computing were discussed，real-time data collecting，distribution and processing components which formed the end-to-end real-time signal processing big data technology solutions were recommended，and the solutions of the OIDD big data platform which integrated batch computing and stream computing were proposed.It will improve the timeliness of the network signaling data and provide more space for business innovation and bring more benefits.

关键词

Keywords

references

Condiet T ， Alvaro P ， Hellerstein J M ， et al . MapReduce Online . UCB/EECS-2009-136 ， 2009

Apache Software Foundation . Welcome to Apache Hadoop . http://hadoop.apache.org http://hadoop.apache.org ， 2015

孙大为，张广艳，郑纬民 . 大数据流式计算：关键技术及系统实例 . 软件学报， 2014 ， 25 （ 4 ）： 839 ～ 862

Sun D W ， Zhang G Y ， Zheng W M . Big data stream computing：technologies and instances . Journal of Software ， 2014 ， 25 （ 4 ）： 839 ～ 862

Neumeyer L ， Robbins B ， Nair A ， et al . S4：distributed stream computing platform . Proceedings of the IEEE International Conference on Data Mining Workshops ， Sydney，Australia ， 2010

崔星灿，禹晓辉，刘洋等 . 分布式流处理技术综述 . 计算机研究与发展， 2015 ， 52 （ 2 ）： 318 ～ 332

Cui X C ， Yu X H ， Liu Y ， et al . Distributed stream processing：a survey . Journal of Computer Research and Development ， 2015 ， 52 （ 2 ）： 318 ～ 332

Apache Software Foundation . Spark Streaming makes it easy to build scalable fault-tolerant streaming applications . http://spark.apache.org/streaming/ http://spark.apache.org/streaming/ ， 2015

Apache Software Foundation . Apache Kafka：a high-throughput distributed messaging system . http://kafka.apache.org/ http://kafka.apache.org/ ， 2015

Apache Software Foundation . Storm official website . http://storm.apache.org/ http://storm.apache.org/ ， 2015

Apache Software Foundation . Welcome to Apache ZooKeeper . http://zookeeper.apache.org/ http://zookeeper.apache.org/ ， 2015

Vavilapali V K ， Murthy A C ， Douglas C ， et al . Apache Hadoop YARN：yet another resource negotiator . Proceedings of the 4th ACM Symposium on Cloud Computing，Santa Clara ， California，USA ， 2013

浏览量

979

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于区块链的多源网络大数据安全访问权限认证仿真

基于大数据的5G流量驻留比极限值研究

基于异构数据的电力短期负荷大数据预测方案

DT时代面向数据服务的新型基础设施架构

大数据安全特征与运营实践