您的位置：
首页
>>
管理中心
>>
行业资讯
>>修改新闻资讯信息
资讯类型：
行业要闻
企业动态
新品速递
解决方案
交流培训
嘉宾访谈
产业纵横
人物聚焦
展会动态
会展报告
本站动态
标 题：
*
页面广告：
不显示
显示
副 标 题：
关 键 字：
多个关键字请用“
/
”分隔，如：西门子/重大新闻
内容描述：
近年来，大数据所带来的挑战推动了计算技术的快速发展，催生了分布式并行处理平台Hadoop、软硬件一体化数据库服务器Exadata等一批新产品。对于电信运营商这样的大型企业而言，需要思考如何应用这些新技术
新闻来源：
链 接：
责任编辑：
标题图片：
无
当编辑区有插入图片时，将自动填充此下拉框
*
所属类别：
(不超过20项)
电源产品分类
：
UPS电源
稳压电源
EPS电源
变频电源
净化电源
特种电源
发电机组
开关电源(AC/DC)
逆变电源(DC/AC)
模块电源(DC/DC)
电源应用分类
：
通信电源
电力电源
车载电源
军工电源
航空航天电源
工控电源
PC电源
LED电源
电镀电源
焊接电源
加热电源
医疗电源
家电电源
便携式电源
充电机(器)
励磁电源
电源配套分类
：
功率器件
防雷浪涌
测试仪器
电磁兼容
电源IC
电池/蓄电池
电池检测
变压器
传感器
轴流风机
电子元件
连接器及端子
散热器
电解电容
PCB/辅助材料
新能源分类
：
太阳能(光伏发电)
风能发电
潮汐发电
水利发电
燃料电池
其他类
：
其他
静态页面：
生成静态页面
*
内 容：
<P><FONT style="COLOR: #000000"> 近年来，大数据所带来的挑战推动了计算技术的快速发展，催生了分布式并行处理平台Hadoop、软硬件一体化数据库<FONT style="COLOR: #000000">服务器</FONT>Exadata等一批新产品。对于<FONT style="COLOR: #000000">电信</FONT><FONT style="COLOR: #000000">运营商</FONT>这样的大型企业而言，需要思考如何应用这些新技术，解决在大数据时代背景下所面临的挑战，从而提升企业价值。</FONT></P> <P><STRONG><FONT style="COLOR: #000000"><FONT style="COLOR: #000000"> </FONT>数据处理面临5个挑战</FONT></STRONG></P> <P><FONT style="COLOR: #000000"><FONT style="COLOR: #000000"> </FONT>当前，<A href="http://www.cps800.com/news/27968.htm"><STRONG>电信运营商</STRONG></A>通过多年的<FONT style="COLOR: #000000">信息化</FONT>建设，已建成各种各样的业务系统和IT支撑系统，而随着业务规模、用户需求的不断提升以及<FONT style="COLOR: #000000">移动</FONT><FONT style="COLOR: #000000">互联网</FONT>应用的快速发展，在数据处理上正面临着各种挑战。其存在的问题主要包括5个层面。</FONT></P> <P align=center><FONT style="COLOR: #000000"><IMG alt="" src="/uploadfile/20120824/11076514054898654781.jpg"></FONT></P> <P><FONT style="COLOR: #000000"><FONT style="COLOR: #000000"> </FONT>一是需要处理的数据量日益庞大，难以实现海量数据的高效存储和访问。电信运营商仅一个省公司一个月的计费清单量就多达数十亿条记录，使用传统的数据处理方法效率往往低下乃至不可忍受。而运营数据的日报、月报和实时营销等需求，更是令统计、分析、挖掘、营销等系统不堪重负。</FONT></P> <P><FONT style="COLOR: #000000"><FONT style="COLOR: #000000"> </FONT>二是无法应对高并发读写的需求。当前的业务环境中，一些营销优惠活动，例如网厅的秒杀活动、<FONT style="COLOR: #000000">iPhone</FONT>首发优惠办理等，容易引发一些难以预估的短时间内极端高并发读写需求，并往往达到每秒上万次读写请求，这使得传统技术难以承受如此巨大的负载。</FONT></P> <P><FONT style="COLOR: #000000"><FONT style="COLOR: #000000"> </FONT>三是数据模型扩展困难。在目前激烈竞争的行业环境下，电信业务变化频繁，部分数据如客户特征信息、客户联系方式等，经常出现数据模型扩展需求，对传统的技术而言，数据模型的变更涉及的工作复杂而庞大。{$page$}</FONT></P> <P><FONT style="COLOR: #000000"><FONT style="COLOR: #000000"> </FONT>四是需要处理的数据类型趋于多样化，除了话单这样的传统格式化文本之外，还有图片、音频甚至视频等，另外即使是文本，也可能是大段落的文本，难以进行格式化处理。</FONT></P> <P><FONT style="COLOR: #000000"><FONT style="COLOR: #000000"> </FONT>五是大量的中小行业应用服务器，一方面占用了相当规模的硬件资源和维护工作量，另一方面对行业应用快速发展时，传统的体系架构难以方便地实现横向扩展。</FONT></P> <P><STRONG><FONT style="COLOR: #000000"><FONT style="COLOR: #000000"> </FONT>内部：基础设施完善</FONT></STRONG></P> <P><FONT style="COLOR: #000000"><FONT style="COLOR: #000000"> </FONT>因此，应用大数据技术解决当前的各种挑战，对电信运营商有着重要意义。在此过程中电信运营商面临着什么样的机遇和挑战？可利用SWOT方法（如图所示）探知。</FONT></P> <P><FONT style="COLOR: #000000"><FONT style="COLOR: #000000"> </FONT>从企业内部看，电信运营商具备IT基础设施完善、资金和人员充足、信息获取便捷等自身优势。电信运营商从80年代起进行信息化建设，目前已建成了业务系统、支撑系统等众多信息化平台，信息化基础设施非常完善，积累了丰富的数据。运营商在信息化建设方面的投入资金每年都达数十亿元，而且拥有庞大的IT研发、支撑和运营团队，能为大数据技术的研究、应用提供资金和人力的保障。</FONT></P> <P><FONT style="COLOR: #000000"><FONT style="COLOR: #000000"> </FONT>另外，运营商作为信息服务的管道，是用户享用信息服务的必经之路，具备获取各种信息的天然优势，能够相对容易地获取用户行为数据。</FONT></P> <P><FONT style="COLOR: #000000"><FONT style="COLOR: #000000"> </FONT>当然，运营商作为传统企业，在运作上相对保守，一般倾向于使用比较成熟、可靠的技术，因此对新技术的研究力度不足，技术创新能力也有待提高。而同时，运营商作为大型的国企，企业组织在地域、业务和IT等维度的条块分割比较严重，地域上划分为全国、省和地市三个层级，业务部门划分为政企客户、公众客户、市场营销、客服等多个部门，技术部门也划分为业务<FONT style="COLOR: #000000">网络</FONT>、无线网络、支撑系统等多个部门，这些部门之间的互相沟通协作存在着一定的障碍，而大数据应用往往要求从客户的角度综合统筹各种信息，一般都涉及跨地域、跨部门的协调。所有这些都是运营商应用大数据技术时需要处理好的内部不足。</FONT></P> <P><STRONG><FONT style="COLOR: #000000"><FONT style="COLOR: #000000"> </FONT>外部：技术条件成熟</FONT></STRONG></P> <P><FONT style="COLOR: #000000"><FONT style="COLOR: #000000"> </FONT>从企业外部环境看，大数据处理的软硬件技术经过近几年的快速发展，已日益成熟。例如，针对关系数据库模型过于简单，不便表达复杂嵌套的需求以及支持数据类型有限等局限性，从数据模型入手出现了高可靠、高可用、最终一致的非结构化数据库理论和相关产品；基于开源的分布式并行计算技术，使用廉价的计算设备解决海量数据、极高并发、高可用性、高扩展性等技术难题；采用软硬件一体化设计技术提高数据处理效率；采用大型机x86虚拟化技术在兼容现有系统的同时，降低主机运营维护管理成本；采用FLASH盘等新型存储技术提升IO吞吐量；采用云计算技术构建资源池，提供面向多租户按需分配的主机云、数据库云服务等。</FONT></P> <P><FONT style="COLOR: #000000"><FONT style="COLOR: #000000"> </FONT>与此同时，近年来智能移动终端应用快速发展，据《经济学家》杂志去年估计：目前人们储存的数据足够填充60000家美国国会图书馆；全世界有40亿<FONT style="COLOR: #000000">手机</FONT>用户（其中12%的人拥有<FONT style="COLOR: #000000">智能手机</FONT>）已经将他们自己变成了数据流；智能手机的数量以每年20%的速度增长，而<FONT style="COLOR: #000000">传感器</FONT>数量的增长率为30%。所有这些都意味着数据极速膨胀，而用户的信息化需求则日益增长。</FONT></P> <P><FONT style="COLOR: #000000"><FONT style="COLOR: #000000"> </FONT>另外，新浪、腾迅、<FONT style="COLOR: #000000">百度</FONT>等互联网巨头对大数据技术的探索，也为运营商提供了宝贵的参考例案。</FONT></P> <P><FONT style="COLOR: #000000"><FONT style="COLOR: #000000"> </FONT>可见，运营商应用大数据技术具有技术日益成熟、用户信息化需求日益增长和存在可供参考案例等不可多得的外部机遇。</FONT></P> <P><FONT style="COLOR: #000000"><FONT style="COLOR: #000000"> </FONT>当然，在进行大数据处理、提供数据服务的同时，也存在着如何界定和规避用户隐私，如何解决用户数据安全以及当前部分互联网企业已捷足先登，提供了主机云、数据库云等服务的问题。</FONT></P> <P><FONT style="COLOR: #000000"><FONT style="COLOR: #000000"> </FONT>但总体而言，大数据背景下的电信运营商是机遇和挑战并存，并且更多的是机遇。运营商在大数据技术研究和应用已被互联网行业抛离的趋势下，必须紧抓有限的时间窗口奋起直追，避免彻底沦为管道的尴尬，真正<FONT style="COLOR: #000000">转型</FONT>为综合信息服务提供商。<SPAN style="FONT-FAMILY: Webdings"><</SPAN></FONT></P>