大数据分析技术在广电前端系统中的问题及解决措施

姜浩

【摘要】在新时代发展背景下，大数据技术的发展推动了我国广电行业的快速进步，广电前端系统在现有基础上不断升级改造，功能进一步完善，系统运维水平逐步提高，但是由于前端系统在运行的过程中未能获得统一优质的网管和运维数据分析系统的强力支持，导致广电前端系统运维过程与数字化水平并未实现同步发展，为运维人员进行故障的精准快速定位增加了一定难度。本文介绍了大数据分析技术应用在广电前端系统运维中存在的问题，并提出了相关的解决措施。

【关键词】大数据分析;广电前端系统;运维;解决措施

中图分类号：TN92                            文献标识码：A                            DOI：10.12246/j.issn.1673-0348.2021.23.009

在大数据时代背景下，广电前端系统的优化与完善进程加快，增强了系统运行的实用性和可靠性。但是，大数据分析技术在广电前端系统运维应用过程中取得了一系列进展的同时，面临着很多现实的问题和挑战，这些问题对前端系统运维人员提出了全新的工作要求。因此，为了提高大数据分析技术应用在广电前端系统运维中的有效性，广电相关主管部门要顺应大时代发展趋势，积极探索创新，不断提升自身竞争优势，实现广电部门在大数据时代发展背景下的可持续发展。

1. 大数据分析技术概述

大数据分析技术的逐步成熟发展，主要依托于人工智能技术、网络技术、云计算和虚拟技术的发展。大数据发展过程中，数据库、数据存储等相关技术都同步取得进展，大数据分析技术主要通过多维联机分析处理等关键技术为广电前端系统运维提供数据支撑，前端系统的工作开展过程中，大数据分析技术系统主要包含数据存储层、数据分析层和数据应用层几个方面。

2. 大数据分析技术在广电前端系统运维应用过程中存在问题

2.1 前端系统运维缺乏统一的运维数据支持

借助我国电子信息技术水平的快速提高，前端系统快速升级发展成为高清化、超高清化、IP化的全数字化系统，逐渐呈现发展方向全面化、发展品牌多元化、监控分散化的特点，但是前端系统的运维面临缺乏统一的网管数据或者运维数据支持，直接导致前端运维管理与数字化发展不能同步，难以展现前端运维管理的技术优势。前端系统在运行过程中，每天会产生无数的告警数据，在这些海量数据中，去除无效的数据和重复的数据信息，可以提取到小部分有价值的数据信息，在这些有价值的数据信息中，大部分是不会马上引起前端系统业务问题的非直接严重类型告警。其中一部分导致业务问题出现的告警信息之间都有密不可分的关系，可以针对其中某个告警信息进而推断出引发故障出现的根本原因，运维人员在开展日常维护检修工作时，一些业务故障会被大量的告警信息覆盖，导致运维人员不能及时发现问题，只有在故障已经十分严重的情况下才能实施针对性的方案进行处理。

2.2 信息过载现象影响故障定位及检测

当前对数据信息进行分析和整理的方法普遍采用传统的人工分析处理的方式，但人工分析处理海量告警信息数据时，受到数据信息总量逐步增加的影响，为工作人员的工作带来很大挑战，导致数据信息处理工作效率越来越低，受人为操作影响信息错漏几率大，同时信息数据存在滞后性导致数据信息的价值不能及时得到发挥。大数据时代下，业务环境复杂性明显增加，同时受到信息过载现象影响，前端系统的故障定位以及检测等相关工作单靠人工进行应对存在较大难度，这也是难以及时发现造成故障的原因所在。因此，要及时发现导致系统故障的根本原因，通过科学合理的评估从根本上预防故障发生，必须要加强大数据分析技术的普及与应用，有效利用大数据分析技术，对故障隐患可能会对系统造成的损失进行预估，进而为前端系统运维人员提供可靠的依据，最大限度减少故障对系统运行造成的影响。

2.3 快速进行故障定位难度大

通过对告警信息的灵活运用，可以帮助前端系统运维人员精准发现故障根源所在，找出导致故障的根本原因。传统查找故障原因，需要多个部门的协同合作，并且投入大量的人力和物力，隨着大数据技术的应用，前端运维系统优化升级，信息部署结构的变化对前端系统运维工作最大的影响就是为定位故障增加了一定工作难度。依托一定的规则，进行科学可靠的数据信息获取，并对获取到的数据进行有效运用，才能加快故障查找的速度。

2.4 数据源相对单一

前端系统的显著特点是其自身系统的复杂性，其中包括运维管理、监控系统、业务设备和基础设施等一系列环节。当前大数据采集系统的数据来源主要来自于前端系统技术设备以及一些被动响应信息，信息内容主要和设备性能指标密切相关。因此，大数据的信息来源在告警信息和设备性能指标的基础之上，还可以借助业务操作信息、设备信息以及环境信息等数据信息作为参考依据，协助前端系统运维人员更加精准进行故障原因查找。

3. 大数据分析技术应用在广电前端系统运维中的可行性措施

3.1 建立系统模型

建立系统模型，是指通过灵活运用多种建模技术，依托已经存在的数据信息，建设良好系统模型，通过不断进行参数校准以实现最佳过程。广电前端系统收集到的数据大都具有较强关联性且均为时序数据。因此，首先需要构建时序关联模型，将告警焦点放在少量事件上，这样可以有效协助运维人员对于关注事件更加具有侧重点，提升运维人员工作效率。一般情况下，大数据分析技术的应用，并不能仅仅依靠某一个模型完成，而是需要通过对不同模型的搭配使用来实现。在进行模型训练的过程中，可将获取到的数据信息一分为二，其中一部分用于无监督学习生成模型，另一部分进行有监督学习，最后通过人工或机器的方式进行分析确认，进行归类处理，明确需要通过人工进行处理的告警信息。

3.2 强化运维大数据安全性

广电前端系统运维过程中对大数据平台的应用过程中，整个系统应用的安全性和整个业务系统运维的安全都是需要充分考虑的关键要素。对于系统应用的安全性方面，必须注意的一点是：大数据平台的使用是针对广电前端系统运维部门使用，而非对外提供所有服务，这对于系统安全性的规则提出了全新要求。而对于整个业务系统运维的安全，运维大数据平台进行数据的收集，之后进行数据的分析整理，最终进行分析结果的呈现，整个过程和运维技术系统息息相关，所以运维部门需要积极探索，采取有效的技术实施方案，最大限度减少大数据对整个业务系统运维的安全性影响。另外，不能忽视大数据平台建设过程中对每个环节安全内容的深化，这方面在近些年已经取得了一定进展，也逐渐成为相关部门重点研究的课题，针对广播电视前端系统运维复杂性、数据采集多元、运维非结构化数据繁多的特点，广电部门需要结合自身运维工作的特点，在大数据平台建设过程中自始至终贯彻大数据安全的重要理念，促进大数据分析技术在广电前端设备运维过程中的有效运用。

3.3 对运维数据采集采用数据融合技术

广电网络大数据平台系统建设过程中，因为其涉及的广播电视台较多，拥有传输设备、点播业务设备和大量的视频等设备，采集数据源相对多元，数据信号格式多样，面对大量且格式混乱的数据，必须要将这些数据进行整合，主要通过对获取到的信息进行深度的分析整理，然后对数据信息进行预处理，最后对总结出的数据进行科学合理的数据整合。这项工作需要结合我国当前广播电视数据的实际特点开展，这个过程需要系统运维人员以身作则，对数据进行明确的测试整理，确保最终整合的数据具有可信赖性和可参考性。对广电前端系统运行过程中获取到的数据进行整合管理，并搜集同类信息进行分析对比，可以有效促进大数据分析技术处理的水平。

3.4 加强大数据智能运维平台的预警设计

现阶段，广电部门前端系统运维过程中面临着信息过载的问题，信息过载会为运维人员进行快速精准故障定位增加一定难度，为了解决这一现实存在的难题，可以进行大数据智能运维平台的搭建，平台建设要切实满足运维人员进行各类工作的实际需求，在实时预警设计阶段，要对系统中的原有基础监控功能等有价值的数据信息进行有效保留，同时需要注意：当发出告警信息时，要确保其与建立的训练模型能够相匹配，并确定此预警信息是单独的个体存在还是与其他的预警信息具有一定关联性，进而展开精准故障定位。

4. 结束语

综上所述，我国电子信息技术的飞快发展，带动了大数据分析技术的不断升级优化，大数据分析技术应用在广电前端系统运维中具有深远的意义。大数据分析技术在广电前端运维系统中的应用，是一个循序渐进的过程，需要紧跟大数据分析技术进步的进程不断改变其应用方式。目前，我国部分广电运营商已经开始逐步利用大数据分析获取的数据结果进行前端运维管理，并取得了一定进展。未来的发展过程中，广电部门还需要奖大数据分析技术逐步应用到运维的各个领域，解决运维过程中的难题，帮助运维人员及早预见故障问题，解决更多实质问题，推动我国广电事业的稳步健康发展。

参考文献：

[1]付首强.广电前端系统运维中大数据分析技术的应用与展望[J].西部广播电视，2021，42（09）：197-199.

[2]梁刚毅，朱勤伟.大数据分析技术在广电前端系统运维中的应用与发展[J].有线电视技术，2019（09）：57-62.

[3]付首强.广电前端系统运维中大数据分析技术的应用与展望[J].西部广播电视，2021，42（09）：197-199.

[4]罗阳倩子.试述大数据分析技术在采集运维业务中的应用[J].决策探索（中），2020（10）：92-93.

[5]劉畅.大数据分析技术在采集运维业务中的应用[J].科技资讯，2017，15（30）：23-24.

[6]曹永峰，翟峰，岑炜，等.大数据分析技术在采集运维业务中的应用研究[J].电力信息与通信技术，2017，15（05）：38-43.