中国联合网络通信有限公司广东分公司 广东 广州 510627
摘要：在电信行业发展过程中短消息通信业务扮演着重要的角色，其中涉及着大量、复杂的数据，为了满足数据分析需求，随之出现了联机分析处理（On-line analytical processing，OLAP）技术。本文分析了OLAP技术的概况，重点探讨了多维数据建模在短消息通信数据分析中的应用，旨在适应电信行业发展需求，为其提供可靠的保障。
关键词：多维数据建模；短消息；通信数据
引言：随着科学技术的发展，新决策知识系统快速发展，特别是商业智能，其利用数据仓库，有效整合了业务系统数据，同时借助多种工具，如：OLAP、数据挖掘等，保证了决策者决策的准确性与及时性。为了明确多维数据建模的现实意义，本文探讨OLAP在短信通信数据分析中的设计与实现。
1 联机分析处理技术的概况
OLAP作为重要的应用，对数据展开了建模，通过多维方式对数据进行了处理，如：分析、查询等，并提供了可视性与直观性的结果。经调查发现，该技术主要用于复杂的分析，但传统的数据库常见E-R建模法，为了适应新时期发展需要，有关人员应积极探索新型、多维建模法。
对于数据仓库来说，其为面向主题的数据集合，如果仍沿用传统建模法，难以有效表述各数据间的关系。为了更好地呈现分析数据、细节数据等关系，实践中应合理运用OLAP，并在建模中利用多维数据模型[1]。
2 多维数据建模在短消息通信数据分析中的应用
近几年，各行业均十分关注多维数据建模理念，对其进行了广泛与普遍地运用，以电信行业为例，其短消息通信业务的短消息通信数据呈海量式增长，实际管理中需要借助有关数据进行分析与研究，如：某时间短内短消息提交或下发成功率、各种常见错误所造成的提交失败情况等，为了有效统计基础通信数据，急需短消息数据分析系统。因此，本文提出了短消息0LAP分析模型，并探讨了其实现。
2.1 模型设计
短消息通信业务系统为了全面记录其各种数据，会出现多个文件，以MO话单为例，其属于二进制文件，对各点发往短信中心的短消息信息进行了实时记录，具体有源点、目的地址以及短消息内容、提交情况等。通常，管理者对短消息数据分析需求较多，但其基础均为业务系统文件中的各数据。在设计中以管理者的需求为依据，对OLAP模型设计展开讨论[2]。
期刊文章分类查询,尽在期刊图书馆
以短消息业务系统数据为依据，生成两个报表，一种为业务统计报表，它主要是对各地区、各时段短消息提交、下发情况，如：数量及成功率等；另一种为统计总量报表，以时间段为依据详细呈现短消息提交、下发情况，如：年、月、日等。为了满足上述需求，设计中应考虑以下指标，包括短消息提交总量、成功量、失败量及成功率，下发总量、成本量、失败量及成功率。上述指标主要来自于MO话单与下发短消息数据文件。在设计过程中充分考虑提交数据与下发数据，对二者展开分开设计。具体的多维分析模型中各维表为：
第一，时间维表。它主要是对不同时间段进行描述，以日期为例，字段名称为Data Dsc，而月、季度与年的字段名称分别为Month Dsc、Quarter Dsc、Year Dsc，其字段类型均为字符串，其中主健为Log Data，其用于具体日期的字段描述，字段类型为日期型。
第二，地区维表。它是对不同地区进行描述，以城市为例，其编号与名称的字段类型分别为整型与字符串，字段名称分别为City ID与City Name；而省份的编号、名称，字段类型同上，字段名称分别为Province ID与Province Name，其中主健为City ID。
第三，短信中心维表。它用于描述各个中心的编号与地址以及城市的编号与名称，具体的字段名称为V Center ID、V Center DSC、region ID、region DSC。
第四，服务类型维表，它以短消息业务类型为依据，其中服务类型编号与描述为Service ID与Service DSC，而服务分类代码与描述分别为Service Class与Service Class DSC，起始与终止地址分别为Start Code与End Code。
上述维表直接联系着事实表，其具体结构有，Log Data、City ID、V Center ID、Service ID，此外还包括短消息提交成功量、失败量、及成功率等，分别为Subsuc、Subfail、Sucrate。此后，结合事实表与维表间的关系，便可获得星型分析模型[3]。
2.2 系统实现
为了实现OLAP模型，应选取适合的DBMS，实践中选取了SQL Server数据库管理系统，建立事实表与维表后，使用Analysis Services分析管理器，建立了多维数据集，从而保证了数据有效分析。
首先，导入数据。目前，短消息通信业务生成的文件均为二进制，因此，借助SQL Server的数据导入功能，将数据导入到系统内，并建立业务数据表，此后，对表内短消息中心地址及提交时间等空字段值的数据进行清理。其次，创建事实表与维表，插入数据。在系统中创建表，并插入相应的数据，实践中应高度关注分析需求，以此保证模型可行性与有效性。最后，分析数据，在创建多维数据集后，利用Analysis Services进行分析，并形成相应的报表[4]。
总结：综上所述，OLAP技术适应了分析需求，特别是构建多维数据模型后，实现了数据查询、分析及报表处理。为了充分发挥该技术作用，本文对其进行了简单介绍，重点阐述其在短消息通信数据分析中的应用，成效显著，日后应大力推广。
参考文献：
[1]林菁.多维数据建模在短消息通信数据分析中的应用[J].现代计算机(专业版),2011,20:32-34+59.
[2]陈垦.客户端聚合服务的协同机制在动态遥感监测中的应用研究[D].成都理工大学,2014.
[3]周轩.下一代移动通信网络中的业务特征认知及服务机制研究[D].浙江大学,2015.
[4]刘义.大规模空间数据的高性能查询处理关键技术研究[D].国防科学技术大学,2013.
论文作者:鲁琳
论文发表刊物:《科技中国》2016年10期
论文发表时间:2017/1/5
标签：数据论文; 多维论文; 短消息论文; 建模论文; 通信论文; 字段论文; 业务论文; 《科技中国》2016年10期论文;