1、近年來，移動數據業(yè)務和智能設備數量快速增長，移動設備的數據流量不斷增加,這對數據傳輸速度和穩(wěn)定性提出了更高的要求。LTE網絡為用戶提供了更高的數據傳輸能力，因此，LTE網絡規(guī)模得以迅速擴大。隨之而來的就是 LTE信令數據量的快速增長。這給信令數據的存儲、處理和分析帶來了巨大的挑戰(zhàn)。傳統(tǒng)的縱向擴展架構難以滿足海量信令數據快速處理和分析的需求，而大數據技術的發(fā)展使得通過廉價的PC構建分布式計算系統(tǒng)成為一種處理海量數據的新方式。這種方式通過橫

2、向擴展的方式增加系統(tǒng)的處理能力，這為海量LTE信令數據的處理提供了一種新的思路。
　　首先，本文針對LTE信令數據海量和實時性的特點，設計滿足海量LTE信令數據收集、匯總、處理和存儲的系統(tǒng)。系統(tǒng)可對多種格式的 LTE信令數據進行收集，并針對信令數據的結構提出適當的數據分發(fā)匯總策略，使用 Kafka對數據進行匯總。Spark作為系統(tǒng)的計算模塊，對數據進行實時處理。系統(tǒng)根據信令數據快速存儲和查詢的需求，設計存儲模型，利用HBase對信

3、令數據進行存儲。
　　其次，本文分析了當前系統(tǒng)實時處理模塊存在的不足。當前的系統(tǒng)在數據實時處理時，從Kafka中讀取數據后需要進行重新分片以使得分片數量滿足計算集群處理的并行要求。而重新分片需要對全局所有數據進行轉移，從而帶來了大量的網絡帶寬消耗和磁盤 IO消耗。針對重新分片的消耗，本文提出了讀取數據時預分片的策略，在數據匯總時根據生成LTE信令數據的設備ID將數據均勻的分配到多個Kafka分片中，在數據讀取時計算得到Kafka數

4、據源中每條數據映射到的計算集群中的分片ID，并按照此ID對數據進行預分片。通過這種方式使得數據讀取后在計算集群中的分片可為指定的數量，避免了重新分片帶來的消耗。之后，本文針對在 LTE信令數據實時處理過程中輸入數據數量和計算集群的計算能力不匹配的問題，提出了一種改進的數據處理速率上限控制算法。該方法通過收集數據實時處理過程中各階段的統(tǒng)計信息，實時計算得到當前任務處理的速率上限，并根據該速率上限對任務進行提交。通過這種方法，使得計算集群讀