第7章电信运营支撑系统祥解.ppt

  1. 1、本文档共63页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第7章电信运营支撑系统祥解.ppt

*   ODS(Operational Data Store)是数据仓库体系结构中的一个可选部分,ODS具备数据仓库的部分特征和OLAP系统的部分特征,它是“面向主题的、集成的、当前或接近当前的、不断变化的”数据。 作用   一般在带有ODS的系统体系结构中,ODS都设计为如下几个作用:   在业务系统和数据仓库之间形成一个隔离层   一般的数据仓库应用系统都具有非常复杂的数据来源,这些数据存放在不同的地理位置、不同的数据库、不同的应用之中,从这些业务系统对数据进行抽取并不是一件容易的事。因此,ODS用于存放从业务系统直接抽取出来的数据,这些数据从数据结构、数据之间的逻辑关系上都与业务系统基本保持一致,因此在抽取过程中极大降低了数据转化的复杂性,而主要关注数据抽取的接口、数据量大小、抽取方式等方面的问题。   转移一部分业务系统细节查询的功能   在数据仓库建立之前,大量的报表、分析是由业务系统直接支持的,在一些比较复杂的报表生成过程中,对业务系统的运行产生相当大的压力。ODS的数据从粒度、组织方式等各个方面都保持了与业务系统的一致,那么原来由业务系统产生的报表、细节数据的查询自然能够从ODS中进行,从而降低业务系统的查询压力。   完成数据仓库中不能完成的一些功能   一般来说,带有ODS的数据仓库体系结构中,DW层所存储的数据都是进行汇总过的数据,并不存储每笔交易产生的细节数据,但是在某些特殊的应用中,可能需要对交易细节数据进行查询,这时就需要把细节数据查询的功能转移到ODS来完成,而且ODS的数据模型按照面向主题的方式进行存储,可以方便地支持多维分析等查询功能。   在一个没有ODS层的数据仓库应用系统体系结构中,数据仓库中存储的数据粒度是根据需要而确定的,但一般来说,最为细节的业务数据也是需要保留的,实际上也就相当于ODS,但与ODS所不同的是,这时的细节数据不是“当前、不断变化的”数据,而是“历史的,不再变化的”数据。 * ETL:Extract-Transform-Load的缩写,即数据抽取、转换、装载的过程 * ?OLAP,英文全称为On-Line Analysis Processing,中文名称为联机分析处理,也称为在线分析处理。联机分析OLAP是由关系数据库之父E.F.Codd于1993年提出的一种数据动态分析模型,它允许以一种称为多维数据集的多维结构访问来自商业数据源(如数据仓库)的经过聚合和组织整理的数据。 ROLAP表示基于关系数据库的OLAP实现(Relational OLAP)。以关系数据库为核心,以关系型结构进行多维数据的表示和存储。MOLAP表示基于多维数据组织的OLAP实现(Multidimensional OLAP)。以多维数据组织方式为核心,也就是说,MOLAP使用多维数组存储数据。多维数据在存储中将形成“立方块(Cube)”的结构,在MOLAP中对“立方块”的“旋转”、“切块”、“切片”是产生多维数据报表的主要技术。HOLAP表示基于混合数据组织的OLAP实现(Hybrid OLAP)。如低层是关系型的,高层是多维矩阵型的。这种方式具有更好的灵活性。 时间序列法:包括趋势外推:线性方程、指数方程、幂函数等;成长曲线:逻辑曲线、分段曲线。 * Gi接口:GGSN和外部网络的接口。通过该接口,GPRS与外部网络相连。由于GPRS可以支持各种各样的数据网络,故Gi不是标准接口,而只是一参考点. * *    * * * 数据仓库建设 -构建企业级数据仓库 联机分析处理OLAP -构建分析模型 ● 面向分析应用的数据组织结构 ● 提供MOLAP,ROLAP,HOLAP多种存储,保证大数据量的存储 ● 对查询的快速响应,对1亿行数据的汇总查询小于5秒提供多维度的查询支持 ● 相比关系数据二维的查询具有更灵活、更适用于分析 数据挖掘 -时序业务量预测 选择预测方式和时间 预测结果呈现 采用时序算法针对历史数据进行预测分析: t1, t2, …, tn (t为自变量且t1t2… tn ) 所得到的离散数字组成序列集合x(t1), x(t2), …, x(tn),称为时间序列。 求时间序列的自相关函数 对未来的时间内数据进行拟合,得到初步预测值。 进行偏差校正和参数校正等。 主动网络预警系统举例 三级预警 二级预警 一级预警 门限预警:短信全程接通率 指标 3% 时预警 趋势预警:TCH掉话率 连续 四周下滑即将达到预警门限 阀值模式,主要用于容量预警 趋势模式,主要用于性能指标持续恶化预警 幅度模式,主要用于网络层面不稳定预警 主动网络预警系统举例 涨幅超过10% 三级预警 涨幅超过20% 二级预警 涨幅超过40% 一级预警 正常流量 振幅预警:Gi上行流量 | a –

文档评论(0)

love + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档