面向LTE无线接入网络的快速准确性能分析
分布式、并行与集群计算
2016-05-19 v2 机器学习
网络与互联网体系结构
摘要
对实时数据进行分析以做出实时决策是日益增多的常见做法，这包括从简单的数据流报告到复杂的模型构建等各类任务。然而，这些分析在多个领域受阻，原因在于它们面临着数据收集延迟与分析准确性之间的根本性权衡。在本文中，我们聚焦于细胞无线接入网络（RAN）的这一权衡。选择该领域是因为它与多个产生实时数据的数据域具有共性，我们可获得大规模实时数据集，以及其实时性和高维度特性使其成为流行分析技术——机器学习（ML）的自然匹配对象。我们发现，延迟准确性权衡可通过两种宽泛、通用技术加以解决：智能数据分组和利用领域特性的任务表述。基于此，我们提出CellScope系统，通过应用特定于领域的表述和ML在RAN性能分析中的应用来解决此挑战。它通过三项技术实现：特征工程将原始数据转化为有效特征；一种受PCA启发的相似度度量对来自地理相邻基站的分组数据进行整合，这些基站共享性能特性；以及一种混合在线-离线模型以实现高效模型更新。我们对CellScope的评估表明，其准确性在直接应用ML时提升了2.5倍至4.4倍，同时将模型更新开销降低了最高可达4.8倍。我们还利用CellScope对一个由超过200万用户组成的 live LTE 网络进行了超过10个月的分析，发现了若干问题和洞见，其中一些是此前未知的。
引用
@article{arxiv.1605.04652,
title = {Fast and Accurate Performance Analysis of LTE Radio Access Networks},
author = {Anand Padmanabha Iyer and Ion Stoica and Mosharaf Chowdhury and Li Erran Li},
journal= {arXiv preprint arXiv:1605.04652},
year = {2016}
}