電信運(yùn)營(yíng)商大數(shù)據(jù)解決方案

1、電信運(yùn)營(yíng)商大數(shù)據(jù)解決方案1電信運(yùn)營(yíng)商大數(shù)據(jù)解決方案1一數(shù)據(jù)處理技術(shù)的演進(jìn)二主流分析型數(shù)據(jù)庫(kù)技術(shù)介紹、對(duì)比及選型三電信運(yùn)營(yíng)商大數(shù)據(jù)平臺(tái)2目錄一數(shù)據(jù)處理技術(shù)的演進(jìn)二主流分析型數(shù)據(jù)庫(kù)技術(shù)介紹、對(duì)比及選型三什么是大數(shù)據(jù)大數(shù)據(jù)指不用隨機(jī)分析法（抽樣調(diào)查）這樣的捷徑，而采用對(duì)所有數(shù)據(jù)進(jìn)行分析處理的方法維克托邁爾舍恩伯格“大數(shù)據(jù)”是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力來適應(yīng)海量、高增長(zhǎng)率和多樣化的信息資產(chǎn)全球領(lǐng)先的信息技術(shù)研究和分析公司Gartner一種規(guī)模大到在獲取、存儲(chǔ)、管理、分析方面大大超出了傳統(tǒng)數(shù)據(jù)庫(kù)軟件工具能力范圍的數(shù)據(jù)集合，具有海量的數(shù)據(jù)規(guī)模、快速的數(shù)據(jù)流轉(zhuǎn)、多樣的數(shù)據(jù)類

2、型和價(jià)值密度低四大特征麥肯錫3什么是大數(shù)據(jù)大數(shù)據(jù)指不用隨機(jī)分析法（抽樣調(diào)查）這樣的捷徑，而大數(shù)據(jù)4V特征?隨時(shí)隨地產(chǎn)生數(shù)據(jù)，數(shù)據(jù)量更大?以“低成本”的方式獲得“可接受” 的數(shù)據(jù)分析結(jié)果?Cheap：“廉?dāng)?shù)據(jù)”VolumeVariety?數(shù)據(jù)具有多樣性?數(shù)據(jù)來源多、類型多?Multi-X：同一對(duì)象多維描述?對(duì)處理速度要求更高?實(shí)時(shí)和在線?Swift：“快數(shù)據(jù)”VelocityValue?價(jià)值密度低更多高價(jià)值的數(shù)據(jù)產(chǎn)生對(duì)有價(jià)值數(shù)據(jù)進(jìn)行“提純”大數(shù)據(jù)的目的BigDataBigMoney4大數(shù)據(jù)4V特征?隨時(shí)隨地產(chǎn)生數(shù)據(jù)，數(shù)據(jù)量更大?以“低成本”的數(shù)據(jù)庫(kù)技術(shù)是大數(shù)據(jù)處理的關(guān)鍵?大數(shù)據(jù)處理流程數(shù)據(jù)獲取數(shù)

3、據(jù)ETL數(shù)據(jù)存儲(chǔ)數(shù)據(jù)分析數(shù)據(jù)服務(wù)數(shù)據(jù)庫(kù)技術(shù)是大數(shù)據(jù)的關(guān)鍵！5數(shù)據(jù)庫(kù)技術(shù)是大數(shù)據(jù)處理的關(guān)鍵?大數(shù)據(jù)處理流程數(shù)據(jù)獲取數(shù)據(jù)ET數(shù)據(jù)處理技術(shù)的演進(jìn)分布式技術(shù)提出谷歌提出分布式文件系統(tǒng)、分布式數(shù)據(jù)庫(kù)和分布式計(jì)算框架，奠定大數(shù)據(jù)技術(shù)基礎(chǔ)實(shí)時(shí)計(jì)算技術(shù)提出流計(jì)算、圖計(jì)算、交互式分析、內(nèi)存計(jì)算等技術(shù)不斷演進(jìn)19952000200520102015SQL/ACID傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)的崛起，提出面向企業(yè)應(yīng)用的商業(yè)智能，面向數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)分析（OLAP）技術(shù)興起大數(shù)據(jù)Hadoop技術(shù)提出開源ApacheHadoop逐漸興起，大幅推進(jìn)互聯(lián)網(wǎng)大數(shù)據(jù)應(yīng)用混合技術(shù)架構(gòu)興起Spark、Flink等新一代分析引擎融入大數(shù)據(jù)平臺(tái)6數(shù)

4、據(jù)處理技術(shù)的演進(jìn)分布式技術(shù)提出谷歌提出分布式文件系統(tǒng)、分布數(shù)據(jù)處理框架的演進(jìn)RDBMPP數(shù)據(jù)庫(kù)Hadoop7數(shù)據(jù)處理框架的演進(jìn)RDBMPP數(shù)據(jù)庫(kù)Hadoop7數(shù)據(jù)處理框架-RDB(Relational Database)?特點(diǎn)單服務(wù)器、小型機(jī)?集中式數(shù)據(jù)和業(yè)務(wù)處理?ACID(Atomicity、Consistency、Isolation、Durability)?Scale-Up?OLTP(On-LineTransactionProcessing)，響應(yīng)時(shí)間敏感?成本低?缺點(diǎn)大數(shù)據(jù)處理性能較差?容災(zāi)性較差?穩(wěn)定性有局限?業(yè)務(wù)和數(shù)據(jù)處理規(guī)模有限?擴(kuò)展性和靈活性較差?8數(shù)據(jù)處理框架-RDB(Rela

5、tional Database數(shù)據(jù)處理框架-MPP?特點(diǎn)Massively ParallelProcessing?多服務(wù)器、多節(jié)點(diǎn)，多任務(wù)并行執(zhí)行?數(shù)據(jù)分布式存儲(chǔ)和計(jì)算?ACID?Scale-out?OLAP(Online AnalyticalProcessing)?商業(yè)化?缺點(diǎn)擴(kuò)展規(guī)模有限?對(duì)并發(fā)的支持有限?節(jié)點(diǎn)增刪維護(hù)工作較復(fù)雜?不支持非結(jié)構(gòu)化數(shù)據(jù)?成本較高?9數(shù)據(jù)處理框架-MPP?特點(diǎn)Massively ParalleHadoop生態(tài)系統(tǒng)Hadoop，允許使用簡(jiǎn)單的編程模型，以跨集群分布式的方式，處理大型數(shù)據(jù)集。具有可靠、高效、可伸縮的特點(diǎn)。它的目的，是從單一的服務(wù)器到上千臺(tái)機(jī)器進(jìn)行擴(kuò)展

6、，從而利用各自的本地計(jì)算和存儲(chǔ)資源。是一個(gè)能夠讓用戶輕松構(gòu)建和使用的分布式計(jì)算平臺(tái)。用戶可以輕松地在Hadoop上開發(fā)和運(yùn)行處理海量數(shù)據(jù)的應(yīng)用程序。Hadoop在應(yīng)用層面檢測(cè)與處理各類錯(cuò)誤，因此能夠在一個(gè)集群內(nèi)實(shí)現(xiàn)高可用性。并且Hadoop已經(jīng)成為大數(shù)據(jù)行業(yè)的標(biāo)準(zhǔn)，形成了一個(gè)健康活躍的生態(tài)系統(tǒng)?？煽啃浴⒏邤U(kuò)展性、高效性、高容錯(cuò)性、低成本。10Hadoop生態(tài)系統(tǒng)Hadoop，允許使用簡(jiǎn)單的編程模型，以數(shù)據(jù)處理框架-Hadoop?特點(diǎn)?多服務(wù)器、多節(jié)點(diǎn)的集群架構(gòu)?大數(shù)據(jù)多任務(wù)的分布式處理?HDFS(HadoopDistributedFileSystem)分布式文件系統(tǒng)、流式訪問?MapReduc

7、e曹沖稱象，分而治之?可靠、高效、高擴(kuò)展（Scale-out）、高容錯(cuò)、低成本?可處理多種格式數(shù)據(jù)源，非結(jié)構(gòu)化、半結(jié)構(gòu)化數(shù)據(jù)?開源?缺點(diǎn)?對(duì)SQL的支持有限?無法高效存儲(chǔ)大量小文件?不支持多用戶寫入及任意修改文件?缺乏專業(yè)的支持服務(wù)11數(shù)據(jù)處理框架-Hadoop?特點(diǎn)?多服務(wù)器、多節(jié)點(diǎn)的集群架構(gòu)數(shù)據(jù)處理框架的對(duì)比數(shù)據(jù)庫(kù)框架分析性能擴(kuò)展性容災(zāi)性數(shù)據(jù)類型業(yè)務(wù)場(chǎng)景支持全SQL能異構(gòu)數(shù)據(jù)整合成本RDB一般較差較差結(jié)構(gòu)化OLTP不支持中等MPP好局限局限結(jié)構(gòu)化OLAP能不支持較高Hadoop好好較好（非）結(jié)構(gòu)化OLAP部分支持低沒有最好的技術(shù)，只有最合適的技術(shù)。?針對(duì)業(yè)務(wù)需求“有的放矢”。?12數(shù)據(jù)處理

8、框架的對(duì)比數(shù)據(jù)庫(kù)框架分析性能擴(kuò)展性容災(zāi)性數(shù)據(jù)類型業(yè)務(wù)一數(shù)據(jù)處理技術(shù)的演進(jìn)二主流分析型數(shù)據(jù)庫(kù)技術(shù)介紹、對(duì)比及選型三電信運(yùn)營(yíng)商大數(shù)據(jù)平臺(tái)13目錄一數(shù)據(jù)處理技術(shù)的演進(jìn)二主流分析型數(shù)據(jù)庫(kù)技術(shù)介紹、對(duì)比及選型三移動(dòng)互聯(lián)網(wǎng)用戶流量激增，手機(jī)數(shù)據(jù)化、寬帶化趨勢(shì)明顯用戶分布流量分布時(shí)間分布移動(dòng)互聯(lián)網(wǎng)：通信功能= 80：20數(shù)據(jù)來源：Infoma 2013數(shù)據(jù)來源：Cisco 2013數(shù)據(jù)來源：GSMA 2013全球移動(dòng)互聯(lián)網(wǎng)用戶數(shù)量激增，已3倍于固定互聯(lián)網(wǎng)用戶數(shù)量移動(dòng)互聯(lián)網(wǎng)流量激增，2012年底，移動(dòng)互聯(lián)網(wǎng)應(yīng)用使用時(shí)間激增，是移動(dòng)數(shù)據(jù)流量占比超過13%使用通信服務(wù)時(shí)間的4倍中國(guó)移動(dòng)互聯(lián)網(wǎng)發(fā)展有相類似的趨勢(shì)，截

9、至2013年6月，中國(guó)手機(jī)網(wǎng)民已達(dá)4.6億，上半年移動(dòng)互聯(lián)網(wǎng)接入流量同比增長(zhǎng)62.6%（CNNIC、工信部）移動(dòng)互聯(lián)網(wǎng)用戶流量激增，手機(jī)數(shù)據(jù)化、寬帶化趨勢(shì)明顯用戶分布流4G、M2M將大大加快移動(dòng)網(wǎng)絡(luò)數(shù)據(jù)業(yè)務(wù)和流量增長(zhǎng)4G驅(qū)動(dòng)流量增長(zhǎng)M2M終端數(shù)量大幅度增長(zhǎng)2014年，M2M設(shè)備數(shù)量接近智能終端4G、M2M將大大加快移動(dòng)網(wǎng)絡(luò)數(shù)據(jù)業(yè)務(wù)和流量增長(zhǎng)ABI Research 2013.09數(shù)據(jù)來源：Ericsson 2013.11數(shù)據(jù)來源：ABI Research 20122013年4G網(wǎng)絡(luò)將占到全球流量的20%，2016年將超過3G網(wǎng)絡(luò)流量，2018年將占據(jù)超過2/3的移動(dòng)網(wǎng)絡(luò)流量。2013-2018

10、年，4G流量的年復(fù)合增長(zhǎng)率達(dá)到82.2%。2018年數(shù)據(jù)業(yè)務(wù)收入占運(yùn)營(yíng)商的份額的47.3%2012年9月Verizon LTE網(wǎng)絡(luò)建成不到2年，用戶達(dá)到11M，占Verizon用戶總數(shù)約12%，流量消耗占全網(wǎng)流量的35%以上。2013年1月，4G流量占比50%，2013年11月，4G流量超過64%，視頻是主要業(yè)務(wù)2017年，全球4G終端產(chǎn)生的數(shù)據(jù)流量是非4G終端的8倍，每月數(shù)據(jù)流量超過10EB 1EB=1000PB（CISCO VNI 2013）4G、M2M將大大加快移動(dòng)網(wǎng)絡(luò)數(shù)據(jù)業(yè)務(wù)和流量增長(zhǎng)4G驅(qū)動(dòng)流量面對(duì)巨大流量，移動(dòng)運(yùn)營(yíng)商面臨強(qiáng)大的挑戰(zhàn)移動(dòng)互聯(lián)網(wǎng)服務(wù)商專業(yè)SNS超過7.1億用戶超過100

11、萬基站電商點(diǎn)新音評(píng)聞SNS樂地問圖答電信運(yùn)營(yíng)商博客視優(yōu)惠券圖頻片微博簽論到壇消息經(jīng)分系統(tǒng)數(shù)據(jù)規(guī)模接近10PB每分鐘超過800萬通話每秒上網(wǎng)流量超過40GB每天信令數(shù)據(jù)超過1PB2G、3G、4G、WIFI 管道數(shù)據(jù)類型多樣、數(shù)據(jù)巨大、處理速度要求高，同時(shí)也存在質(zhì)量問題，是電信運(yùn)營(yíng)商大數(shù)據(jù)的主要來源面對(duì)巨大流量，移動(dòng)運(yùn)營(yíng)商面臨強(qiáng)大的挑戰(zhàn)移動(dòng)互聯(lián)網(wǎng)服務(wù)商專業(yè)S需要融合巨大的管道數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)雖然結(jié)構(gòu)化的業(yè)務(wù)數(shù)據(jù)雖然價(jià)值含量很高，但是管道數(shù)據(jù)卻提供了用戶的數(shù)據(jù)消費(fèi)、社交網(wǎng)絡(luò)、行為軌跡、內(nèi)容偏好等業(yè)務(wù)數(shù)據(jù)中無法提供的重要信息，這對(duì)用戶刻畫、套餐設(shè)計(jì)、用戶體驗(yàn)提升等個(gè)人和企業(yè)產(chǎn)品設(shè)計(jì)所需依據(jù)均有巨大幫助A

12、+Abis信令Mc信令Gn+Gb信令Gn-IuPS信令Wifi、Radius信令4G X2等信令DNS 數(shù)據(jù)語(yǔ)音等業(yè)務(wù)數(shù)據(jù)網(wǎng)絡(luò)優(yōu)化日志+結(jié)構(gòu)化數(shù)據(jù)決策支持精準(zhǔn)營(yíng)銷業(yè)務(wù)創(chuàng)新需要建立采集、存儲(chǔ)、分析、交互等全方位能力，其中既包括傳統(tǒng)已經(jīng)具備的能力，也包括需要新建的大數(shù)據(jù)能力需要融合巨大的管道數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)雖然結(jié)構(gòu)化的業(yè)務(wù)數(shù)據(jù)雖然價(jià)值互聯(lián)網(wǎng)公司通常采用混合架構(gòu)解決大數(shù)據(jù)問題互聯(lián)網(wǎng)公司目前主要采用Hadoop、Streaming、RDBMS、NoSQL等技術(shù)應(yīng)對(duì)大數(shù)據(jù)4V挑戰(zhàn)，例如Yahoo針對(duì)日志數(shù)據(jù)進(jìn)行兩種處理，并與業(yè)務(wù)系統(tǒng)結(jié)合（后期嘗試Spark技術(shù)）示例：Yahoo數(shù)據(jù)處理流程By Tim T

13、ully (Distinguished Engineer/Architect, Yahoo)/wp-content/uploads/2013/10/Tully-SparkSummit4.pdf互聯(lián)網(wǎng)公司通常采用混合架構(gòu)解決大數(shù)據(jù)問題互聯(lián)網(wǎng)公司目前主要采大數(shù)據(jù)技術(shù)在互聯(lián)網(wǎng)公司得到成功應(yīng)用Google在全球多個(gè)數(shù)據(jù)中心大規(guī)?；旌喜渴鸷驼{(diào)度數(shù)據(jù)處理能力，系統(tǒng)利用率高達(dá)80%+，2011年MapReduce系統(tǒng)每天處理1000PB左右輸入數(shù)據(jù)，支撐其核心業(yè)務(wù)，包括搜索、廣告、地圖、郵件、社區(qū)等業(yè)務(wù)。針對(duì)不同的數(shù)據(jù)處理需求提供多種數(shù)據(jù)處理系統(tǒng)。隨著技術(shù)能力提高，將大數(shù)據(jù)處理能力服務(wù)化。Facebook以

14、Hadoop為基礎(chǔ)建設(shè)了包括流計(jì)算、實(shí)時(shí)計(jì)算、離線分析在內(nèi)的各種大數(shù)據(jù)系統(tǒng)系統(tǒng)。2012年每天要處理25億條消息、用戶點(diǎn)擊Like按鈕的次數(shù)達(dá)到27億次、上傳3億張照片。Graph Search可以檢索10億用戶、2400億圖片和1萬億次訪問。目前已經(jīng)支持多區(qū)域數(shù)據(jù)同步。Facebook Puma每天處理超過200億事件，延遲小于30秒Twitter利用Hadoop和Pig工具完成數(shù)據(jù)的批量分析，并進(jìn)行決策支持和數(shù)據(jù)挖掘，利用Storm每天實(shí)時(shí)推送1億活躍用戶的5億消息Amazon為被托管應(yīng)用提供了多租戶、按使用付費(fèi)的大數(shù)據(jù)服務(wù)，整合了非結(jié)構(gòu)化（S3）、結(jié)構(gòu)化（RDS、SimpleDB、Dyn

15、amoDB）數(shù)據(jù)，通過并行計(jì)算EMR能力，將數(shù)據(jù)放入RedShift用于最終的數(shù)據(jù)展現(xiàn)等目的。大數(shù)據(jù)技術(shù)在互聯(lián)網(wǎng)公司得到成功應(yīng)用Google在全球多個(gè)數(shù)據(jù)分析型數(shù)據(jù)庫(kù)分析型數(shù)據(jù)庫(kù)是面向分析應(yīng)用的數(shù)據(jù)庫(kù)，可以對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析和即席查詢等挖掘數(shù)據(jù)價(jià)值的工作。傳統(tǒng)數(shù)據(jù)庫(kù)是以事務(wù)處理為主，大數(shù)據(jù)時(shí)代的主要應(yīng)用則是數(shù)據(jù)分析。數(shù)據(jù)庫(kù)三大陣營(yíng)：OldSQL、NoSQL、NewSQL分析NewSQL分析事務(wù)互聯(lián)網(wǎng)OldSQL事務(wù)NoSQL互聯(lián)網(wǎng)OldSQL一種架構(gòu)支持多類應(yīng)用OldSQL+NoSQL+NewSQL多種架構(gòu)支持多類應(yīng)用14分析型數(shù)據(jù)庫(kù)分析型數(shù)據(jù)庫(kù)是面向分析應(yīng)用的數(shù)據(jù)庫(kù)，可以對(duì)數(shù)據(jù)進(jìn)大數(shù)據(jù)下的分

16、析型數(shù)據(jù)庫(kù)OldSQLNewSQLNoSQL?行存儲(chǔ)?列式存儲(chǔ)?列式存儲(chǔ)?關(guān)系型?關(guān)系型?Key-Value?ACID?ACID?靈活性?SMP?MPP?MPP?分布式計(jì)算，分布式文件系統(tǒng)?內(nèi)存計(jì)算（InMemoryComputing）?新的硬件：FlashCard，SSD，高速網(wǎng)絡(luò)、Infiniband15大數(shù)據(jù)下的分析型數(shù)據(jù)庫(kù)OldSQLNewSQLNoSQL?行OldSQL?OldSQL是指?jìng)鹘y(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)，借助于數(shù)學(xué)概念和方法來處理數(shù)據(jù)。數(shù)據(jù)規(guī)范化：關(guān)系型數(shù)據(jù)庫(kù)的數(shù)據(jù)存儲(chǔ)是為了更高的規(guī)范性，把數(shù)據(jù)分隔成最小的邏輯表(關(guān)系表)以避免重復(fù)，獲得最精簡(jiǎn)的空間利用。事務(wù)性：SQL數(shù)據(jù)庫(kù)支持對(duì)

17、事務(wù)原子性細(xì)粒度控制，并且易于回滾事務(wù)。16OldSQL?OldSQL是指?jìng)鹘y(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)，借助于NewSQL?NewSQL是對(duì)各種新的可擴(kuò)展、高性能的關(guān)系型數(shù)據(jù)庫(kù)的統(tǒng)稱。既能夠提供OldSQL的質(zhì)量保證，也能提供較強(qiáng)的可擴(kuò)展性。17NewSQL?NewSQL是對(duì)各種新的可擴(kuò)展、高性能的關(guān)系NoSQL?。?大數(shù)據(jù)類型的多元化急速增長(zhǎng)，OldSQL不滿足分布式技術(shù)架構(gòu)的適用性NotOnlySQL，泛指非關(guān)系型的分布式數(shù)據(jù)庫(kù)。18NoSQL?。?大數(shù)據(jù)類型的多元化急速增長(zhǎng)，OldSQL不滿OldSQL&NoSQL&NewSQL總結(jié)海量數(shù)據(jù)實(shí)時(shí)分析Vertica/Impala19OldSQL&No

18、SQL&NewSQL總結(jié)海量數(shù)據(jù)實(shí)時(shí)分析V目前主流分析型數(shù)據(jù)庫(kù)對(duì)比類型存儲(chǔ)方式運(yùn)算方式系統(tǒng)架構(gòu)支持SQLOldSQL行/列式存儲(chǔ)磁盤RDBMS支持較差較差傳統(tǒng)數(shù)據(jù)分析Scale-up商業(yè)OldSQL行式存儲(chǔ)磁盤RDBMS支持較差較差WEB應(yīng)用Scale-up開源OldSQL行式存儲(chǔ)內(nèi)存RDBMS支持一般較差低成本內(nèi)存運(yùn)算Scale-up商業(yè)NoSQL分布式文檔存儲(chǔ)內(nèi)存/磁盤C/S分布式集群不支持較好較好對(duì)象存儲(chǔ)及處理Scale-out開源NoSQL分布式K-V存儲(chǔ)內(nèi)存/磁盤C/S分布式集群不支持較好較好數(shù)據(jù)鍵值關(guān)系突出Scale-out開源NoSQL分布式列式存儲(chǔ)內(nèi)存/磁盤Hadoop需插件好

19、好海量存儲(chǔ)與擴(kuò)展Scale-out開源NoSQL分布式HDFS內(nèi)存Hadoop類SQL很好好實(shí)時(shí)分析Scale-out開源NoSQL分布式HDFS磁盤Hadoop類SQL好好批處理分析Scale-out開源NewSQL行式存儲(chǔ)磁盤C/S分布式集群支持好較好二次訂制開發(fā)Scale-up開源NewSQL分布式存儲(chǔ)磁盤MPP支持好好數(shù)據(jù)倉(cāng)庫(kù)Scale-out開源NewSQL分布式列式存儲(chǔ)內(nèi)存/磁盤MPP支持很好好即席查詢Scale-out商業(yè)20大數(shù)據(jù)處理能力容災(zāi)性應(yīng)用場(chǎng)景擴(kuò)展性開放性目前主流分析型數(shù)據(jù)庫(kù)對(duì)比類型存儲(chǔ)方式運(yùn)算方式系統(tǒng)架構(gòu)支持SQ分析型數(shù)據(jù)庫(kù)選型思路成本可擴(kuò)展性數(shù)據(jù)查詢能力穩(wěn)定性&容災(zāi)

20、能力架構(gòu)選擇數(shù)據(jù)分析運(yùn)算能力數(shù)據(jù)存儲(chǔ)方式?jīng)Q定性因素關(guān)鍵因素一般因素分析需求數(shù)據(jù)格式21分析型數(shù)據(jù)庫(kù)選型思路成本可擴(kuò)展性數(shù)據(jù)查詢能力穩(wěn)定性&容災(zāi)能力一數(shù)據(jù)處理技術(shù)的演進(jìn)二主流分析型數(shù)據(jù)庫(kù)技術(shù)介紹、對(duì)比及選型三電信運(yùn)營(yíng)商大數(shù)據(jù)平臺(tái)22目錄一數(shù)據(jù)處理技術(shù)的演進(jìn)二主流分析型數(shù)據(jù)庫(kù)技術(shù)介紹、對(duì)比及選型三一大數(shù)據(jù)平臺(tái)總體架構(gòu)二運(yùn)行分析視圖三規(guī)劃支撐視圖四決策支撐視圖23目錄一大數(shù)據(jù)平臺(tái)總體架構(gòu)二運(yùn)行分析視圖三規(guī)劃支撐視圖四決策支撐視電信運(yùn)營(yíng)商大數(shù)據(jù)平臺(tái)-背景網(wǎng)絡(luò)建設(shè)初期階段?階段一：先期基于路測(cè)數(shù)據(jù)、投訴數(shù)據(jù)進(jìn)行簡(jiǎn)單分析；后引入MR數(shù)據(jù)進(jìn)行深度覆蓋分析；?階段二：網(wǎng)絡(luò)規(guī)劃建設(shè)簡(jiǎn)單、粗糙，直接在空白區(qū)域建設(shè)

21、。網(wǎng)絡(luò)精細(xì)化建設(shè)階段?基于現(xiàn)網(wǎng)23類運(yùn)行數(shù)據(jù)，建立了基于移動(dòng)網(wǎng)絡(luò)“O域+B域”數(shù)據(jù)的分析方法體系；?在長(zhǎng)春、成都、重慶、廣州、蘭州、上海6重要城市進(jìn)行推廣和驗(yàn)證。?探索六城市精細(xì)化建設(shè)支撐，并固化方法模型。大數(shù)據(jù)平臺(tái)化階段?基于“以我為主、自主研發(fā)”原則，搭建大數(shù)據(jù)分析平臺(tái)，進(jìn)行迭代式開發(fā)，實(shí)現(xiàn)方法固化。?逐步實(shí)現(xiàn)全網(wǎng)數(shù)據(jù)的統(tǒng)一采集、解析與存儲(chǔ)管理；?開發(fā)大數(shù)據(jù)平臺(tái)，實(shí)現(xiàn)規(guī)模化、精準(zhǔn)化建設(shè)支撐。?缺乏針對(duì)用戶、業(yè)務(wù)和終端進(jìn)行深入關(guān)聯(lián)分析；通過運(yùn)行數(shù)據(jù)挖掘分析，實(shí)現(xiàn)網(wǎng)絡(luò)優(yōu)化精準(zhǔn)分析、提升網(wǎng)絡(luò)建維優(yōu)的精準(zhǔn)性和有效性24電信運(yùn)營(yíng)商大數(shù)據(jù)平臺(tái)-背景網(wǎng)絡(luò)建設(shè)初期階段?階段一：先期基于電信運(yùn)營(yíng)商大數(shù)據(jù)平臺(tái)

22、-建設(shè)總體思路分析關(guān)聯(lián)要素B側(cè)價(jià)值發(fā)現(xiàn)人在哪用戶群體的行為軌跡分析3G4G干什么用戶群體特征分析分析定位問題支撐引導(dǎo)規(guī)劃怎么樣不同業(yè)務(wù)體驗(yàn)分析維度接口時(shí)間O側(cè)網(wǎng)絡(luò)定位小區(qū)覆蓋能力評(píng)估終端網(wǎng)絡(luò)性能、質(zhì)量網(wǎng)絡(luò)性能反饋網(wǎng)絡(luò)問題業(yè)務(wù)用戶投訴區(qū)域三大落地支撐網(wǎng)絡(luò)運(yùn)維優(yōu)化，改善網(wǎng)絡(luò)質(zhì)量支撐網(wǎng)絡(luò)規(guī)劃建設(shè)，提高資源投放精準(zhǔn)度支撐客戶維系，場(chǎng)支撐精準(zhǔn)市推廣25電信運(yùn)營(yíng)商大數(shù)據(jù)平臺(tái)-建設(shè)總體思路分析關(guān)聯(lián)要素B側(cè)價(jià)值發(fā)現(xiàn)人電信運(yùn)營(yíng)商大數(shù)據(jù)平臺(tái)-方法體系全面梳理序號(hào)分類123456789OSS側(cè)10數(shù)據(jù)1112131415161718192021222323類數(shù)據(jù)系統(tǒng)建立現(xiàn)網(wǎng)分析方法體系-數(shù)據(jù)源序號(hào)分類分析模塊1無線

23、側(cè)資源情況基礎(chǔ)數(shù)據(jù)2網(wǎng)絡(luò)覆蓋DT/CQT數(shù)據(jù)3資源瓶頸IU-PS（掛表采集）/Gn數(shù)據(jù)網(wǎng)絡(luò)與資4網(wǎng)絡(luò)性能CDR（平臺(tái)采集）源5網(wǎng)絡(luò)結(jié)構(gòu)MR數(shù)據(jù)6多網(wǎng)協(xié)同無線話統(tǒng)數(shù)據(jù)7終端情況無線參數(shù)8用戶情況核心網(wǎng)參數(shù)9用戶畫像告警數(shù)據(jù)10用戶與終群體特征分析無線側(cè)呼叫記錄數(shù)據(jù)端114G轉(zhuǎn)網(wǎng)用戶分析設(shè)備版本及補(bǔ)丁12感知分析設(shè)備與板卡負(fù)荷數(shù)據(jù)13用戶軌跡無線COUNTER數(shù)據(jù)業(yè)務(wù)情況核心網(wǎng)報(bào)表數(shù)據(jù)（核心網(wǎng)COUNTER 14業(yè)務(wù)與應(yīng)15業(yè)務(wù)分布及特征數(shù)據(jù)）用16業(yè)務(wù)質(zhì)量投訴數(shù)據(jù)17趨勢(shì)分析話單數(shù)據(jù)18聯(lián)合分析配套資源配置及運(yùn)行情況19資源重點(diǎn)投放用戶信息綜合專題20LTE部署區(qū)域月度話單數(shù)據(jù)21LTE站址分析

24、BSS側(cè)數(shù)語(yǔ)音詳單22流量經(jīng)營(yíng)數(shù)據(jù)詳單據(jù)23總覽總覽套餐信息24簡(jiǎn)報(bào)簡(jiǎn)報(bào)終端數(shù)據(jù)庫(kù)24個(gè)分析模塊全方位支撐-項(xiàng)目室內(nèi)外站、建筑物、物理站址分析下行覆蓋、上行干擾、上行干擾分析網(wǎng)絡(luò)資源、空口效率、載波負(fù)荷分析網(wǎng)絡(luò)側(cè)性能指標(biāo)、問題小區(qū)分析站高、站密、重疊覆蓋、有效性分析2、3、4G多網(wǎng)絡(luò)協(xié)同分析終端統(tǒng)計(jì)、終端與用戶及業(yè)務(wù)分析用戶情況總體分析用戶屬性、消費(fèi)、時(shí)間、業(yè)務(wù)等標(biāo)簽用戶結(jié)構(gòu)及用戶偏好分析4G轉(zhuǎn)網(wǎng)用戶及潛在4G用戶分析用戶各類業(yè)務(wù)感知分析各級(jí)別用戶遷徙及單用戶軌跡分析語(yǔ)音數(shù)據(jù)業(yè)務(wù)、分類主流業(yè)務(wù)分析總體業(yè)務(wù)情況及分類業(yè)務(wù)情況語(yǔ)音、CSFB、數(shù)據(jù)業(yè)務(wù)質(zhì)量分析小區(qū)數(shù)、用戶數(shù)、業(yè)務(wù)量等發(fā)展趨勢(shì)覆蓋、結(jié)

25、構(gòu)、資源、感知綜合分析場(chǎng)景、網(wǎng)格、扇區(qū)等區(qū)域價(jià)值分析LTE部署區(qū)域及部署建議分析LTE站址可用性及合理性分析終端、流量、閑時(shí)包及業(yè)務(wù)內(nèi)容營(yíng)銷資源、用戶、業(yè)務(wù)、網(wǎng)絡(luò)、終端總覽全國(guó)級(jí)及省級(jí)基本簡(jiǎn)報(bào)和自定義簡(jiǎn)報(bào)10個(gè)應(yīng)用方向用戶畫像、聚類及簽轉(zhuǎn)分析用戶基于軌跡和感知的投訴支撐用戶黏性和潛在離網(wǎng)預(yù)判業(yè)務(wù)主流業(yè)務(wù)的感知分析及回溯各粒度價(jià)值區(qū)域分析網(wǎng)絡(luò)質(zhì)量性能預(yù)警及回溯網(wǎng)絡(luò)網(wǎng)絡(luò)調(diào)整與技術(shù)演進(jìn)支撐多維度的網(wǎng)絡(luò)規(guī)劃方案終端終端特征、性能評(píng)估體系流量經(jīng)營(yíng)支撐經(jīng)營(yíng)26電信運(yùn)營(yíng)商大數(shù)據(jù)平臺(tái)-方法體系全面梳理序號(hào)分類1234567電信運(yùn)營(yíng)商大數(shù)據(jù)平臺(tái)-平臺(tái)能力平臺(tái)能力?可實(shí)現(xiàn)對(duì)2/3/4G現(xiàn)網(wǎng)各接口及設(shè)備數(shù)據(jù)的解析能

26、力，能夠滿足現(xiàn)網(wǎng)網(wǎng)絡(luò)優(yōu)化需求；可滿足全國(guó)B+O數(shù)據(jù)的存儲(chǔ)與處理；實(shí)現(xiàn)一體化解析、存儲(chǔ)與管理；與數(shù)據(jù)中心共享資源，著重網(wǎng)絡(luò)分析應(yīng)用；?具備商業(yè)智能數(shù)據(jù)分析能力，可對(duì)外開放接口，實(shí)現(xiàn)海量數(shù)據(jù)的可視化分析；?5*N：滿足縱向從集團(tuán)到省、市、縣、網(wǎng)格，橫向從N個(gè)專業(yè)線條的多層次、全鏈條支撐需求，同時(shí)可逐步對(duì)外部行業(yè)應(yīng)用需求進(jìn)行適配。網(wǎng)絡(luò)資源精準(zhǔn)投放基于投訴問題定位內(nèi)部現(xiàn)網(wǎng)用戶維系精準(zhǔn)營(yíng)銷API接口開放外部各行業(yè)應(yīng)用27電信運(yùn)營(yíng)商大數(shù)據(jù)平臺(tái)-平臺(tái)能力平臺(tái)能力?可實(shí)現(xiàn)對(duì)2/3/4電信運(yùn)營(yíng)商大數(shù)據(jù)平臺(tái)-平臺(tái)架構(gòu)元數(shù)據(jù)管理輔助業(yè)務(wù)應(yīng)用輔助開發(fā)運(yùn)維元數(shù)據(jù)共享元數(shù)據(jù)分析元數(shù)據(jù)共享元數(shù)據(jù)存儲(chǔ)元數(shù)據(jù)采集元模型管理網(wǎng)絡(luò)

27、規(guī)劃仿真可研/技術(shù)方案設(shè)計(jì)/施工/后評(píng)價(jià)評(píng)估優(yōu)化數(shù)據(jù)展現(xiàn)層GIS呈現(xiàn)圖表表格中間層Job調(diào)度數(shù)據(jù)調(diào)度查詢轉(zhuǎn)換數(shù)據(jù)共享查詢代理數(shù)據(jù)采集代理GIS引擎MPP數(shù)據(jù)庫(kù)OLTPHIVESQLSAS數(shù)據(jù)處理層MapReduce內(nèi)存數(shù)據(jù)庫(kù)SPARKRModelerB側(cè)數(shù)據(jù)解析A/Iu口解析C/D口解析COUNTER解析B側(cè)預(yù)統(tǒng)ETL層Gn口解析IuPS解析S1口解析MR解析Gn預(yù)統(tǒng)MR性能終端數(shù)據(jù)KPI參數(shù)數(shù)據(jù)層賬單詳單CDRIuPS基礎(chǔ)投訴業(yè)務(wù)位置負(fù)荷版本網(wǎng)優(yōu)平臺(tái)BSS系統(tǒng)上網(wǎng)詳單系統(tǒng)網(wǎng)管系統(tǒng)掛表采集數(shù)據(jù)質(zhì)量管理數(shù)據(jù)質(zhì)量改進(jìn)數(shù)據(jù)質(zhì)量監(jiān)控?cái)?shù)據(jù)質(zhì)量分析核查指標(biāo)管理質(zhì)量問題管理核查執(zhí)行調(diào)度數(shù)據(jù)質(zhì)量模型管理數(shù)據(jù)質(zhì)

28、量信息采集28電信運(yùn)營(yíng)商大數(shù)據(jù)平臺(tái)-平臺(tái)架構(gòu)元數(shù)據(jù)管理輔助業(yè)務(wù)應(yīng)用輔助開發(fā)一大數(shù)據(jù)平臺(tái)總體架構(gòu)二運(yùn)行分析視圖三規(guī)劃支撐視圖四決策支撐視圖29目錄一大數(shù)據(jù)平臺(tái)總體架構(gòu)二運(yùn)行分析視圖三規(guī)劃支撐視圖四決策支撐視1、端到端網(wǎng)絡(luò)優(yōu)化整體思路貫通“端管云”的全鏈條網(wǎng)絡(luò)優(yōu)化支撐方案，為端到端網(wǎng)絡(luò)優(yōu)化的各個(gè)環(huán)節(jié)提供數(shù)據(jù)分析支撐。用戶終端無線接入核心網(wǎng)絡(luò)應(yīng)用服務(wù)?終端情況終端性能分析?網(wǎng)絡(luò)覆蓋網(wǎng)絡(luò)資源多網(wǎng)協(xié)同聯(lián)合分析站址合理性?參數(shù)核查網(wǎng)絡(luò)性能?業(yè)務(wù)質(zhì)量IMSI端LAC/CIRNC_IPSGSN_IP管GGSN_IPDST_IPDNS_IP云SP_IP301、端到端網(wǎng)絡(luò)優(yōu)化整體思路貫通“端管云”的全鏈條網(wǎng)絡(luò)2、

29、端到端網(wǎng)絡(luò)優(yōu)化終端情況和終端性能?端終端情況：結(jié)合B側(cè)數(shù)據(jù)、核心網(wǎng)用戶面數(shù)據(jù)及終端庫(kù)，實(shí)現(xiàn)針對(duì)終端類型、品牌、制式和能力等方面聚類統(tǒng)計(jì)和地理化呈現(xiàn)。終端性能：建立終端無線性能評(píng)價(jià)體系，對(duì)現(xiàn)網(wǎng)主流活躍終端進(jìn)行網(wǎng)絡(luò)性能評(píng)判，支撐網(wǎng)優(yōu)建設(shè)、優(yōu)化的有效性投放。?終端情況多種GIS展現(xiàn)形式終端用戶業(yè)務(wù)三個(gè)維度聯(lián)合分析01%終端性能基于RNC呼叫記錄及各類不同事件原因進(jìn)行分類統(tǒng)計(jì)，針對(duì)終端建立無線網(wǎng)絡(luò)性能評(píng)價(jià)機(jī)制，進(jìn)行量化參考。-1150異常比例低，EcIo高02%I950003%04%05%06%iPad(A1430)iPadmini(A1490)華為E5220s-1異常比例高，EcIo高07%三星GT

30、-I9502 三星SM-N9002 三星GT-iPhone4S(A1387)-1250iPadAir(A1475) -1350三星SM-N9005 iPhone5C(A1529)iPhone4S(A1431)iPhone5C(A1526)iPhone5S(A1528)iPhone4S(A1387)iPhone5S(A1530)三星GALAXYNOTE2GT-N7100iPhone 15(A429)OPPOOPPOX909三星GALAXYS4GT-I9500華為AscendG730三星SM-G3502I iPhone5S(A1533)三星GT-I9082Phone5(A1428)三星GT-I93

31、00iPhone5A1429i00MI2012121UHTCD816wGNexus5TechwishTR105MI2012061三星GT-I9152LI2013012 MMMI-IONEPlus1聯(lián)想A820iPhone4(A332)MI2SHTC802wiPhone4(A1332)三星GT-N7100魅族M040酷派7295A三星SM-G3502 iPadmini(A1455)三星SM-N900 iPad2A1396三星SM-N9006三星SM-G9006V HTCPG58130三星GT-N7102魅族MXM353三星GT星SM-G7106 -三I9082i派7295+聯(lián)想A850 酷MI2

32、0131212014012ZTEAD3812SonyXperiaC酷派7295華為G610-U00比較各品牌終端的綜合表現(xiàn)華為G750-T00華為G700-0.000.0%-2.00-4.00-6.000.2%MI2013023 酷派72690.4%0.6%0.8%1.0%1.2%1.4%1.6%1.8%2.0%-1450honor3C酷派7295 魅族MXM351-1550三星GT-I9100GHTCT528wYUGEC三星GT-I9100三星GT-S7562 WM630MI2012052三星GT-I8262D三星GT-I8552三星GT-S7562i三星SM-G3812三星GALAXYWI

33、NGT-I8552酷派7296華為G520-0000-8.00-10.00-12.00篩選個(gè)別型號(hào)表現(xiàn)差終端iPad(A1430)三星SM-N900202三星GT-I9O5三星GALAXYNT2-18PhneE4SG(AT3星GT-I91o5iP三admnii(A40055)三星SM-N900三星GT-IX0Y8S24GT-I9500ALA9N7100HTCD67)81w三0GTT-三921I30MI20星1211TechwishIR0星02G506T1-I91522MIM聯(lián)I想-OAN8E2P0uls)MM2I2S013012星GHTC-N8iP701h2w0o0ne4(A13三星三SM-N

34、90酷06派7295A魅族三M星04SM0-G35023酷派7295ho7nor3C三星S聯(lián)M想-GA9800酷6V派295iP魅ad2A13H9T6C三PY三GU星5G星G8ES1TCM3-W0I9-M0G876213i006+三星T-N7102族MXM魅3族5M1XM353HTCT52酷w派72三星GTM-SI270華516為220G55220-三星GT-I08262D三星G三T星-I9G1T0-0I8552三星GT-I910G三星T-S7562i96三星GALAXYWINGT-0000MI3WTCT328w三H星GT-S7572三星SM-G3812I8552HTC606w-1650三星G

35、T-S7572HTCT328wM3IW-14.00-16.00iPadmini(A1490ihoniePM5hCo2I(nA0e11535C12(2A125021iPhone4S(A14華為5220sS-1E15Pho5(A53S1ii(A29hone4OPPPiOhOoneiPP4Oa華SdXA(A為90i1r(3A81475)三星M-iiPPPhone5iPhone4(Ton5A為U00iPh4E2A9GD6318e1華華為ZG2750-T00SyonrX0p1e2ia492I)6)5G3e0三星SM-95華為G700-U00酷1)派7LGNexus58 2N9005M0)I2013023

36、(SA(A1)412583)A9sc7)ndG酷7派A133230-1C)307269Redmi1S MI2013029-1750異常比例低，EcIo低HTC606w-18.00-20.00異常比例高，EcIo低312、端到端網(wǎng)絡(luò)優(yōu)化終端情況和終端性能?端終端情況：結(jié)合B3、端到端網(wǎng)絡(luò)優(yōu)化網(wǎng)絡(luò)資源和多網(wǎng)協(xié)同?管網(wǎng)絡(luò)資源：從業(yè)務(wù)量及設(shè)備負(fù)荷、網(wǎng)絡(luò)側(cè)資源情況、網(wǎng)絡(luò)資源擁塞情況及關(guān)聯(lián)分析等多個(gè)維度，分別對(duì)網(wǎng)絡(luò)中小區(qū)的資源使用情況進(jìn)行分析和呈現(xiàn)。多項(xiàng)協(xié)同：通過對(duì)2/3/4G網(wǎng)絡(luò)性能的綜合分析，反應(yīng)2/3/4G網(wǎng)絡(luò)業(yè)務(wù)、終端、用戶的協(xié)同發(fā)展?fàn)顩r。?網(wǎng)絡(luò)資源多維度可選的網(wǎng)重點(diǎn)扇區(qū)詳絡(luò)資源橫向?qū)Ρ燃?xì)信息鉆取

37、高負(fù)荷及擁塞小區(qū)一目了然分析粒度小區(qū)扇區(qū)任意切換多網(wǎng)協(xié)同天面維度分段指標(biāo)展示多個(gè)組合維度分析234G網(wǎng)間協(xié)同全面的網(wǎng)間協(xié)同指標(biāo)展示323、端到端網(wǎng)絡(luò)優(yōu)化網(wǎng)絡(luò)資源和多網(wǎng)協(xié)同?管網(wǎng)絡(luò)資源：從業(yè)務(wù)4、端到端網(wǎng)絡(luò)優(yōu)化聯(lián)合分析和站址合理性?管聯(lián)合分析：結(jié)合現(xiàn)網(wǎng)覆蓋、結(jié)構(gòu)、感知、資源各方面分析結(jié)果，針對(duì)每個(gè)扇區(qū)給出優(yōu)化建議，為現(xiàn)網(wǎng)實(shí)際規(guī)劃優(yōu)化提供參考。站址合理性：建立終端無線性能評(píng)價(jià)體系，對(duì)現(xiàn)網(wǎng)主流活躍終端進(jìn)行網(wǎng)絡(luò)性能評(píng)判，支撐網(wǎng)優(yōu)建設(shè)、優(yōu)化的有效性投放。?聯(lián)合分析重點(diǎn)小區(qū)鉆取詳細(xì)信息，明確問題所在站址合理性網(wǎng)格維度匯總問題扇區(qū)，提供優(yōu)化建議從結(jié)構(gòu)和覆蓋兩GIS展示各方面綜合評(píng)定各級(jí)別小區(qū)小區(qū)站址合理性綜

38、合感知、覆蓋、結(jié)構(gòu)、資源四方面給出扇區(qū)聯(lián)合分析結(jié)果334、端到端網(wǎng)絡(luò)優(yōu)化聯(lián)合分析和站址合理性?管聯(lián)合分析：結(jié)合5、端到端網(wǎng)絡(luò)優(yōu)化業(yè)務(wù)質(zhì)量云指標(biāo)呈現(xiàn)原因排查聯(lián)合定位分析處理?業(yè)務(wù)質(zhì)量：采用信令面XDR數(shù)據(jù)對(duì)語(yǔ)音業(yè)務(wù)、數(shù)據(jù)業(yè)務(wù)以及其他各類業(yè)務(wù)的運(yùn)行質(zhì)量，指導(dǎo)網(wǎng)絡(luò)優(yōu)化與規(guī)劃。從用戶/終端/網(wǎng)元等維度呈現(xiàn)業(yè)務(wù)質(zhì)量指標(biāo)從數(shù)據(jù)流程和信令流程維度分析異常情況成因從地理維度定位小區(qū)，從地址維度定位網(wǎng)元針對(duì)發(fā)現(xiàn)的問題提出進(jìn)一步核查與處理的建議問題網(wǎng)元定位查找分析呈現(xiàn)TOP網(wǎng)元問題原因分析鉆取345、端到端網(wǎng)絡(luò)優(yōu)化業(yè)務(wù)質(zhì)量云指標(biāo)呈現(xiàn)原因排查聯(lián)合定位分析6、投訴跟蹤處理投訴分析投訴收集投訴挖掘原因定位優(yōu)化建設(shè)投訴分

39、析從投訴時(shí)間、位置、原因、類別、等級(jí)、客戶等多個(gè)維度綜合分析投訴數(shù)據(jù)，全面呈現(xiàn)投訴問題分布，輔助問題查找。投訴信息一鍵導(dǎo)出多維度分析全網(wǎng)投訴356、投訴跟蹤處理投訴分析投訴收集投訴挖掘原因定位優(yōu)化建設(shè)7、投訴跟蹤處理用戶畫像投訴收集投訴挖掘原因定位優(yōu)化建設(shè)常見投訴問題?時(shí)間地點(diǎn)提供不清問題描述太過模糊我今天上午在XX大廈附近上網(wǎng)，網(wǎng)絡(luò)總是不好，圖片顯示不出來。?查詢投訴用戶的手機(jī)號(hào)碼快速定位用戶用戶畫像109種標(biāo)簽描繪每個(gè)用戶提供6大類用戶標(biāo)簽的選擇多重篩選定位具體用戶自然屬性：性別、年齡用戶屬性：VIP等級(jí)、入網(wǎng)時(shí)長(zhǎng)、簽約套餐消費(fèi)屬性：ARPU、MOU、DOU終端屬性：終端型號(hào)、終端能力偏好

40、屬性：業(yè)務(wù)偏好、時(shí)間偏好、地理偏好367、投訴跟蹤處理用戶畫像投訴收集投訴挖掘原因定位優(yōu)化建設(shè)8、投訴跟蹤處理用戶軌跡和感知分析投訴收集投訴挖掘原因定位優(yōu)化建設(shè)用戶軌跡?B+O感知分析多種形式展示不同維度分析結(jié)果?個(gè)體軌跡輔助定位單個(gè)用戶、查找用戶投訴具體位置。群體軌跡分析群體的地理聚集度及業(yè)務(wù)聚集度，評(píng)價(jià)不同區(qū)域的群體分布。個(gè)體用戶軌跡點(diǎn)群體用戶軌跡趨勢(shì)圖?用戶軌跡結(jié)合用戶感知，B側(cè)及O側(cè)數(shù)據(jù)關(guān)聯(lián)分析，精準(zhǔn)定位用戶投訴問題的精確時(shí)間及位置。378、投訴跟蹤處理用戶軌跡和感知分析投訴收集投訴挖掘原因定9、投訴跟蹤處理網(wǎng)絡(luò)性能和網(wǎng)絡(luò)穩(wěn)定性投訴收集投訴挖掘原因定位優(yōu)化建設(shè)網(wǎng)絡(luò)性能從接入性、保持性、

41、移動(dòng)性、完整性、互操作等角度全方位評(píng)估網(wǎng)絡(luò)性能。數(shù)據(jù)、圖表、GIS多問題小區(qū)分析直維度聯(lián)合展示指標(biāo)接篩選質(zhì)差小區(qū)網(wǎng)絡(luò)穩(wěn)定性深入分析斷站、退服等影響用戶感知的故障告警，輔助查找網(wǎng)絡(luò)穩(wěn)定性問題。斷站次數(shù)及時(shí)長(zhǎng)分析斷站原因分析?從用戶感知映射網(wǎng)絡(luò)問題，從網(wǎng)絡(luò)覆蓋、性能、穩(wěn)定性多方位定位網(wǎng)絡(luò)問題，完成KQI到KPI的轉(zhuǎn)化。389、投訴跟蹤處理網(wǎng)絡(luò)性能和網(wǎng)絡(luò)穩(wěn)定性投訴收集投訴挖掘原因10、投訴跟蹤處理優(yōu)化建設(shè)投訴收集用戶投訴為出發(fā)點(diǎn)?以投訴為切入點(diǎn)，通過用戶感知查找網(wǎng)絡(luò)問題，不斷推進(jìn)網(wǎng)絡(luò)優(yōu)化建設(shè)。支撐運(yùn)維優(yōu)化建設(shè)?從需求熱點(diǎn)、投訴重點(diǎn)、網(wǎng)絡(luò)短板等分析結(jié)論出發(fā)，提升運(yùn)維優(yōu)化水平。投訴挖掘原因定位優(yōu)化建設(shè)?

42、從客戶投訴/用戶感知入手，提升網(wǎng)絡(luò)整體支撐保障能力與客戶感知。?以解決客戶投訴為核心，發(fā)現(xiàn)感知問題，查找網(wǎng)絡(luò)原因，指導(dǎo)優(yōu)化建設(shè)，形成網(wǎng)絡(luò)優(yōu)化閉環(huán)。感知問題投優(yōu)化建設(shè)訴網(wǎng)絡(luò)問題3910、投訴跟蹤處理優(yōu)化建設(shè)投訴收集用戶投訴為出發(fā)點(diǎn)?以投云計(jì)算是挖掘大數(shù)據(jù)價(jià)值的核心基礎(chǔ)傳統(tǒng)數(shù)據(jù)分析處理基于云計(jì)算的大數(shù)據(jù)處理DBMSDWUnstructureClustertransactionETLAnalysisAnalysisStreamMultiple data sources(MapReduce)?面向結(jié)構(gòu)化數(shù)據(jù)，非結(jié)構(gòu)化處理效率低?具備結(jié)構(gòu)化/非結(jié)構(gòu)化混合分析的能力,大數(shù)據(jù)多為非結(jié)構(gòu)化?基于機(jī)昂貴硬件（小

43、型機(jī)+磁盤陣列）或一體?基于高性能、高可靠性硬件保障系統(tǒng)性能和可靠性。消費(fèi)級(jí)硬件，以常態(tài)化硬件故障為設(shè)計(jì)出發(fā)點(diǎn)，不依賴?硬件平臺(tái)兼容性差件環(huán)境下常常無法部署：在跨代硬件或跨廠商硬?基于通用硬件，平臺(tái)兼容性好，可跨代，跨廠商硬件部署?擴(kuò)展性高，業(yè)內(nèi)有上萬節(jié)點(diǎn)級(jí)部署案例，大陸有千節(jié)點(diǎn)級(jí)部?擴(kuò)展性達(dá)到PB級(jí)之上可選廠商較少，易綁定署Traditional DB/DW MPP DW+HadoopTBPBDistributed architectureEB ?ZB46云計(jì)算是挖掘大數(shù)據(jù)價(jià)值的核心基礎(chǔ)傳統(tǒng)數(shù)據(jù)分析處理基于云計(jì)算的中國(guó)移動(dòng)“大云”2.5 云計(jì)算平臺(tái)結(jié)算集中化經(jīng)分經(jīng)分系統(tǒng)ETL/DM系統(tǒng)信令系

44、統(tǒng)網(wǎng)應(yīng)用物聯(lián)移動(dòng)互聯(lián)網(wǎng)資源池系統(tǒng)云計(jì)算業(yè)務(wù)平臺(tái)IDC服務(wù)2.0產(chǎn)品體系2.5新增產(chǎn)品2.5功能增強(qiáng)PaaS 產(chǎn)品“大云”產(chǎn)品IaaS 產(chǎn)品數(shù)據(jù)管理/分析類實(shí)時(shí)交易類商務(wù)智能平臺(tái)BI-PaaS計(jì)算/存儲(chǔ)資源池SQL并行數(shù)據(jù)挖BC-RDB數(shù)據(jù)庫(kù)搜索引擎彈性計(jì)算掘工具集并行數(shù)據(jù)BC-SEBC-ECBC-PDM抽取轉(zhuǎn)換BC-ETLK-VBC-HugeTable數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)BC-kvDB數(shù)據(jù)庫(kù)CloudMaster系統(tǒng)監(jiān)臺(tái)控安和全管管理CloudSecurity平理BC-BSP 數(shù)據(jù)并行框架BC-oNest對(duì)象存儲(chǔ)彈性塊存儲(chǔ)BC-EBS內(nèi)存處理引擎BC-Hadoop數(shù)據(jù)存儲(chǔ)和分析平臺(tái)BC-DME47中國(guó)

45、移動(dòng)“大云”2.5 云計(jì)算平臺(tái)結(jié)算集中化經(jīng)分經(jīng)分系統(tǒng)ET分交大數(shù)據(jù)基礎(chǔ)平臺(tái)（BC-Hadoop & BC-HBase）I析易云計(jì)APP算AAA管SAASS理BC-HadoopBC-Hadoop：開源社區(qū)有很多將所需的特性打包形成獨(dú)特的大數(shù)據(jù)平臺(tái)產(chǎn)品Hadoop的發(fā)布，但是沒有一項(xiàng)可以滿足大云現(xiàn)有數(shù)據(jù)分析需求。BC-Hadoop應(yīng)用，包括HugeTable、PDM、BC-SE等?大規(guī)模：據(jù)集群支持4000節(jié)點(diǎn)組成單個(gè)大數(shù)HBase 分布式NoSQL數(shù)據(jù)庫(kù)?高性能：監(jiān)控和管理工具性擴(kuò)展提供聚合的IO訪問能力，線?多租戶：相對(duì)隔離的手段提供多用戶計(jì)算和存儲(chǔ)能力MapReduce 并行計(jì)算框架?高可用

46、：提供Hadoop主控節(jié)點(diǎn)，即NameNode和Job Tracker的高可用能力?標(biāo)準(zhǔn)接口HDFS 分布式文件系統(tǒng)的接口不兼容，提供向下兼容的接口：消除開源Hadoop升級(jí)造成/cmri/48分交大數(shù)據(jù)基礎(chǔ)平臺(tái)（BC-Hadoop & BC-HBase分交圖計(jì)算平臺(tái)（BC-BSP）I析易云APP計(jì)算AAA管SAASS理BC-BSP挖掘需求而研發(fā)的并行計(jì)算框架，針對(duì)迭代計(jì)算，計(jì)算效率優(yōu)于：針對(duì)社交網(wǎng)絡(luò)分析、用戶精準(zhǔn)營(yíng)銷、搜索引擎PageRankMapReduce計(jì)算等圖計(jì)算領(lǐng)域的數(shù)據(jù)框架MasterBSPRun a JobBSPSummit JobBSP產(chǎn)品特性ProgramJobClient

47、MasterInitialize?Job搜索引擎PageRank、Client最短路徑等算法需大taeHeart BeatB量迭代計(jì)算，基于MR traeH實(shí)現(xiàn)具有較大數(shù)據(jù)同步開銷；BSP并行計(jì)算模型更適于圖、矩陣ZooKeeperWorkerServerWorkerServerBSPPeerBSPPeerBSPPeerBSPPeer計(jì)算； trtttLaunch ttaaraeeaeTasks.rtrtLaunch?支持大規(guī)模集群，可aaaaHBeHBeeeeTasks以達(dá)到4000節(jié)點(diǎn)HBHBBarrier?支持海量數(shù)據(jù)計(jì)算，Synchronization用戶迭代步驟可以設(shè)WorkerTa

48、skWorkerWorkerTaskWorkerTaskWorkerTaskBarrierServerServerWorkerServerWorkerServerServerServerServerWorker定ServerSynchronization?提供用戶開發(fā)接口，Worker1Worker n一方面可以與BC-PDM系統(tǒng)整合，一方面也可以單獨(dú)使用/cmri/49分交圖計(jì)算平臺(tái)（BC-BSP）I析易云APP計(jì)算AAA管SA海量結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)系統(tǒng)（HugeTable）IAAS分析PAAS交易PAAS云計(jì)算管理基于Hadoop的海量結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)系統(tǒng)，利用低成本硬件提供高性能的數(shù)據(jù)加載、索

49、引查詢和并行分析能力，對(duì)外提供易于應(yīng)用集成的數(shù)據(jù)訪問接口?大容量：支持PB級(jí)別的數(shù)據(jù)存儲(chǔ)能力?低成本：基于PC架構(gòu)，不需要外接集中存儲(chǔ)設(shè)備?高性能：秒級(jí)別索引查詢、數(shù)據(jù)并行掃描?可靠性：數(shù)據(jù)冗余備份永不丟失；全系統(tǒng)無單點(diǎn)?可定制：根據(jù)應(yīng)用需求選擇索引類型及存儲(chǔ)引擎?接口豐富：提供標(biāo)準(zhǔn)的JDBC/ODBC/ SQL接口；提串行Scan接口和分布式MapReduce接口?外圍工具：支持?jǐn)?shù)據(jù)、性能、故障、配置、日志管理功能；支持外部數(shù)據(jù)并行加載；支持?jǐn)?shù)據(jù)快速備份、恢復(fù)海量結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)系統(tǒng)（HugeTable）IAAS分析PA分交分布式NoSQL數(shù)據(jù)庫(kù)（BC-KVDB）I析易云APP計(jì)AAA算SAA

50、管SS理BC-RDB強(qiáng)系統(tǒng)操作維護(hù)功能、優(yōu)化性能并提高系統(tǒng)可靠性。提供一個(gè)高并發(fā)、高可擴(kuò)展的鍵值對(duì)存：根據(jù)訂購(gòu)關(guān)系存儲(chǔ)(閱讀基地)、用戶個(gè)人信息存儲(chǔ)(彩云)等應(yīng)用需求和相關(guān)規(guī)范，增儲(chǔ)系統(tǒng)。Zk節(jié)點(diǎn)集群Master節(jié)點(diǎn)集群ClientzkzkMM?大規(guī)模：支持Root file Root file RS1Clientindexindex.RS2成統(tǒng)一數(shù)據(jù)庫(kù)1000節(jié)點(diǎn)組網(wǎng)形zkMClient?高性能：支持讀寫緩存，提供告客戶端子系統(tǒng)元數(shù)據(jù)管理子系統(tǒng)訴的數(shù)據(jù)讀寫能力，支持高性能硬件優(yōu)化網(wǎng)絡(luò)通信管理組件?一致性：支持?jǐn)?shù)據(jù)強(qiáng)一致性和最終一致性?可靠性：數(shù)據(jù)冗余備份永不丟失Root fileMeta f

51、ileKV-Range；全系統(tǒng)無單點(diǎn)RangerServer服務(wù)層RangerServer服務(wù)層RangerServer服務(wù)層?數(shù)據(jù)模式：提供支持存儲(chǔ)引擎訪問控制接口層存儲(chǔ)引擎訪問控制接口層存儲(chǔ)引擎訪問控制接口層Query義的復(fù)雜數(shù)據(jù)定義schema定CellCache存儲(chǔ)引擎存儲(chǔ)引擎CacheSSD?外圍工具：支持?jǐn)?shù)據(jù)、性能、故存儲(chǔ)引擎障、配置、日志管理功能；支持存儲(chǔ)節(jié)點(diǎn)存儲(chǔ)節(jié)點(diǎn)DataFile外部數(shù)據(jù)并行加載；支持?jǐn)?shù)據(jù)快速備份、恢復(fù)存儲(chǔ)節(jié)點(diǎn)存儲(chǔ)節(jié)點(diǎn)集群子系統(tǒng)51分交分布式NoSQL數(shù)據(jù)庫(kù)（BC-KVDB）I析易云APP計(jì)分交分布式關(guān)系數(shù)據(jù)庫(kù)（BC-RDB）I析易云APP計(jì)AAA算管SAAS

52、S理BC-RDB高可用的特性。主要應(yīng)用于海量數(shù)據(jù)的實(shí)時(shí)在線交易處理系統(tǒng)。是一款分布式關(guān)系數(shù)據(jù)庫(kù)。即具有關(guān)系數(shù)據(jù)庫(kù)的特性，同時(shí)具備可擴(kuò)展、SQL92，傳統(tǒng)交易型應(yīng)用可實(shí)現(xiàn)平滑遷移BC-RDB支持海量數(shù)據(jù)的高性能多節(jié)點(diǎn)術(shù)使得在海量數(shù)據(jù)存儲(chǔ)下獲得高性能。并行計(jì)算和多節(jié)點(diǎn)并行加載技處理應(yīng)用服務(wù)器高擴(kuò)展性采用水平擴(kuò)展share nothing，設(shè)計(jì)容量架構(gòu)，可以64節(jié)點(diǎn)動(dòng)態(tài)負(fù)載均衡管理終端高可用性存儲(chǔ)采用節(jié)點(diǎn)內(nèi)置硬盤，提供三副本，保障數(shù)據(jù)及服務(wù)的高可用性低成本采用置大容量硬盤，可搭建在廉價(jià)的X86集群架構(gòu)，存儲(chǔ)采用節(jié)點(diǎn)內(nèi)節(jié)點(diǎn)1節(jié)點(diǎn)NZK1ZK MDBXA監(jiān)控系統(tǒng)集群上，成本遠(yuǎn)遠(yuǎn)低于UNIX系統(tǒng)PC機(jī)集群

53、可以部署于自帶硬盤的分布式事采用兩階段提交分布式事務(wù)，務(wù)支持節(jié)點(diǎn)數(shù)據(jù)之間的完整性和一致性保證多務(wù)器，不需要小型機(jī)和磁盤陣列x86服時(shí)保證用戶操作的事務(wù)性，同52分交分布式關(guān)系數(shù)據(jù)庫(kù)（BC-RDB）I析易云APP計(jì)AAA算并行數(shù)據(jù)挖掘系統(tǒng)（BC-PDM）IAAS分析PAAS交易PAAS云計(jì)算管理BC-PDM：支持SaaS模式的海量數(shù)據(jù)并行處理、分析與挖掘系統(tǒng)。適用于經(jīng)營(yíng)決策、用戶行為分析、精準(zhǔn)營(yíng)銷、網(wǎng)絡(luò)優(yōu)化、移動(dòng)互聯(lián)網(wǎng)等領(lǐng)域的智能數(shù)據(jù)分析與挖掘應(yīng)用應(yīng)用各種海量數(shù)據(jù)處理、挖掘應(yīng)用主要特點(diǎn)?高效豐富的數(shù)據(jù)ETL操作：支持?jǐn)?shù)據(jù)清洗、轉(zhuǎn)換、集成等7大類45種ETL?海量數(shù)據(jù)的挖掘算法：支持分類、聚類、關(guān)

54、聯(lián)分析等3大類共15種算法?海量數(shù)據(jù)探索能力：支持?jǐn)?shù)據(jù)統(tǒng)計(jì)、變量分析、分布特征探索等?大規(guī)模社交網(wǎng)絡(luò)分析：支持網(wǎng)絡(luò)特征分析、社團(tuán)發(fā)現(xiàn)和演化、社團(tuán)展示等?多模式數(shù)據(jù)接口：支持與RDB直接交換數(shù)據(jù)、支持Hive、CSV格式數(shù)據(jù)?支持SaaS服務(wù)模式：Web瀏覽器使用，并可支持應(yīng)用共享?支持豐富的用戶UI：支持Web圖形化方式創(chuàng)建數(shù)據(jù)分析邏輯，支持SQL腳本方式，支持CLI命令行方式?支持二次開發(fā)：Java API、Web ServiceWeb GUI/工作流引擎SQL腳本CLI命令行廣域網(wǎng)數(shù)據(jù)交換并行數(shù)據(jù)ETL并行數(shù)據(jù)探索并行數(shù)據(jù)挖掘社交網(wǎng)絡(luò)分析用戶權(quán)限管理MapReduceHadoopDFSHu

55、geTable任務(wù)數(shù)據(jù)分割block2PC節(jié)點(diǎn)元數(shù)據(jù)服務(wù)器任務(wù)分解block3PC節(jié)點(diǎn)子任務(wù)M 2任務(wù)分發(fā)服務(wù)器block1block2block1block3PC節(jié)點(diǎn)block1PC節(jié)點(diǎn)R jblock2PC節(jié)點(diǎn)M 1M 2M iR 1R 2R j分布式集群管理服務(wù)器block3PC節(jié)點(diǎn)PC節(jié)點(diǎn)M 1PC節(jié)點(diǎn)R 1PC節(jié)點(diǎn)R 2M i并行數(shù)據(jù)挖掘系統(tǒng)（BC-PDM）IAAS分析PAAS交易PA商務(wù)智能平臺(tái)（BI-PAAS）產(chǎn)品定位利用云計(jì)算的強(qiáng)大并行計(jì)算和分布存儲(chǔ)能力，結(jié)合ETL、DM 、工作流技術(shù)，構(gòu)建一個(gè)BI Paas平臺(tái)，提供強(qiáng)大的在線分析和支持決策工具集，以方便用戶快速定制、組裝、搭

56、建相應(yīng)的商務(wù)智能信息分析系統(tǒng)產(chǎn)品特性BI PaaS系統(tǒng)主要包括二部分：?開發(fā)套件：開發(fā)套件包括ETL設(shè)計(jì)器、報(bào)表設(shè)計(jì)器、集成器等一系列圖形開發(fā)工具集，將各類BI能力以元數(shù)據(jù)描述的方式進(jìn)行封裝，供開發(fā)者進(jìn)行離線BI應(yīng)用開發(fā)。?BI PaaS Server：包括應(yīng)用層、平臺(tái)層、BI能力層、基礎(chǔ)設(shè)施層、資源層。支撐BI應(yīng)用的部署、運(yùn)行。分交I析易云APP計(jì)AAA算SAA管SS理54商務(wù)智能平臺(tái)（BI-PAAS）產(chǎn)品定位利用云計(jì)算的強(qiáng)大并行計(jì)“大云”應(yīng)用案例之一：大數(shù)據(jù)ETL業(yè)務(wù)滾詳單類5000現(xiàn)網(wǎng)3.2天，減少為0.8天時(shí)間減少現(xiàn)網(wǎng)時(shí)間云ETL時(shí)間絕對(duì)值4000節(jié)約近2.5天流程（min）（min）

57、加速比例（小時(shí)）300014650 1153 4.0358.3現(xiàn)網(wǎng)時(shí)間（min）22700 1571 1.7218.8200082100 12931.6213.4HIVE時(shí)間（min）91800 11501.5610.81000101500 12251.224.611490 325 1.512.8012891011現(xiàn)網(wǎng)90分鐘減少為10分鐘出月表類140僅為1/10時(shí)間減120少絕對(duì)100現(xiàn)網(wǎng)時(shí)間云ETL時(shí)云ETL腳本值（小（min）間（min）MR時(shí)間加速比例時(shí)）80現(xiàn)網(wǎng)時(shí)間（min）流程390 10 無9.001.360HIVE時(shí)間（min）流程4130 59 403.251.540MR時(shí)

58、間流程560 14 無4.280.8流程680 25無2.500.920流程7130 47 無2.761.90流程3流程4流程5流程6流程755“大云”應(yīng)用案例之一：大數(shù)據(jù)ETL業(yè)務(wù)滾詳單類5000現(xiàn)網(wǎng)3“大云”應(yīng)用案例之二：大數(shù)據(jù)查詢業(yè)務(wù)帳詳單系統(tǒng)存儲(chǔ)數(shù)量急劇膨脹，傳統(tǒng)架構(gòu)難以滿足當(dāng)前業(yè)務(wù)運(yùn)營(yíng)要求，系統(tǒng)面臨擴(kuò)容難題?某地市應(yīng)用，每個(gè)月帳詳單總體數(shù)據(jù)量采集預(yù)處原始理計(jì)算1計(jì)算2數(shù)據(jù)10TB融合處理?話單通過HTLoad工具批量加載消息?帳詳單查詢通過SQL或NativeAPI接口進(jìn)行HugeTable1表HugeTable表2?復(fù)雜分析則通過MR接口進(jìn)行?HugeTable支持?jǐn)?shù)據(jù)按照J(rèn)oin

59、 key預(yù)先進(jìn)營(yíng)業(yè)廳系統(tǒng)行數(shù)據(jù)劃分，減少join過程中數(shù)據(jù)在節(jié)點(diǎn)間的拷貝營(yíng)業(yè)廳1營(yíng)業(yè)廳2營(yíng)業(yè)廳3營(yíng)業(yè)廳4應(yīng)用效果加載：支持?jǐn)?shù)據(jù)并行加載，數(shù)據(jù)加載保證完整性和可靠性；：查詢：在高并發(fā)條件下，數(shù)據(jù)查詢性能一般可達(dá)到網(wǎng)絡(luò)頸IO（對(duì)于千兆以太網(wǎng)單節(jié)點(diǎn)可達(dá)1GB）或磁盤IO瓶更新：可支持單條或批量數(shù)據(jù)增刪改查操作，聚合更新帶寬可達(dá)網(wǎng)絡(luò);壓縮：對(duì)數(shù)據(jù)內(nèi)容進(jìn)行高效壓縮，節(jié)省磁盤、網(wǎng)絡(luò)IO，節(jié)省存儲(chǔ)空間；IO極限；56“大云”應(yīng)用案例之二：大數(shù)據(jù)查詢業(yè)務(wù)帳詳單系統(tǒng)存儲(chǔ)數(shù)量急劇膨“大云”應(yīng)用案例之三：大數(shù)據(jù)挖掘業(yè)務(wù)3個(gè)地市公司直接使用BC-PDM建模，驗(yàn)證BC-PDM在功能、性能、易用性上能滿足現(xiàn)網(wǎng)需求，應(yīng)用效

60、果顯著地市公司1新業(yè)務(wù)提升模型：通過客戶細(xì)分與手機(jī)報(bào)業(yè)務(wù)匹配，實(shí)現(xiàn)精確營(yíng)銷。Kmeans算法，10節(jié)點(diǎn)云平臺(tái)。效果：業(yè)務(wù)1用戶滲透率提高48%，業(yè)務(wù)1收入提高64%業(yè)務(wù)1用戶數(shù)提高76%地市公司3欠費(fèi)風(fēng)險(xiǎn)監(jiān)控與個(gè)人客戶信用度應(yīng)用：8節(jié)點(diǎn)云平臺(tái)。最終目的重要前提欠費(fèi)風(fēng)險(xiǎn)控制第二次第一批5000437030609.811148136561第二次第二批800024447071.3867646362地市公司2客戶的識(shí)別模型：C45分類算法，6節(jié)點(diǎn)云平臺(tái)。模型準(zhǔn)確性較好，極大提升了營(yíng)銷效率，也極大節(jié)約了成本外來工其它首次參加試點(diǎn)用戶數(shù)減少工單量欠費(fèi)情況欠費(fèi)人數(shù)回收金額500013642923.16149