基于Spark的IPTV机顶盒故障预测系统设计与实现

摘要

为了解决传统电视的弊端，交互式网络电视(Internet Protocol Television,IPTV)能够提供更高质量的画面，带来形式多样的互联网多媒体资源，提供便利的交互式用户体验。然而IPTV由于高数据量带来的数据分析技术难题，特别是关于IPTV机顶盒故障的预测、定位和快速解决问题。所以，本文主要研究基于Spark的IPTV机顶盒故障预测技术的设计与实现课题。 本论文重点研究工作是使用机器学习方法快速预测IPTV机顶盒故障的技术设计，并完成技术实现工作。相对现有的人工排查IPTV机顶盒故障方法，该技术有效实现了分析成本低和分析结果准确度高的优势，并降低故障预测成本。 1.对IPTV机顶盒故障模型进行数学建模， 2.设计IPTV机顶盒故障预测系统的数据采集策略， 3.设计IPTV机顶盒故障预测系统的存储结构， 4.基于Spark设计IPTV机顶盒故障预测技术和实现方法。 通过使用Spark技术充分挖掘IPTV机顶盒运营维护数据的统计特性，实现了数据的采集和存储功能，完成相应的高效特征提取算法设计，构建相应的故障模型测试方法，实现IPTV机顶盒故障预测技术的测试验证工作，提升IPTV机顶盒故障预测的准确度，降低人工成本，极大程度的满足了IPTV机顶盒故障诊断和预测的业务需求。 本论文首先从IPTV的机顶盒故障诊断课题背景入手，调研了IPTV机顶盒故障预测的现有模型，然后讨论了基于Spark的模型预测算法、特征选择算法以及模型测试算法，进而重点说明了基于神经网络的IPTV机顶盒故障预测模型，最后给出基于Spark的IPTV机顶盒故障预测技术实现架构及相关性能测试。

目录

第一个书签之前