Ⅰ 通信3G設備RNC的作用是什麼
RnC無線網路控制器定義 無線網路控制器（RNC，Radio Network Controller）是新興3G網路的一個關鍵網元。它是接入網的組成部分，用於提供移動性管理、呼叫處理、鏈接管理和切換機制。為了實現這些功能，RNC必須利用出色的可靠性和可預測的性能，以線速執行一整套復雜且要求苛刻的協議處理任務。 作為3G網路的重要組成部分，無線網路控制器（RNC）是流量匯集、轉換、軟硬呼叫轉移（soft and hard call handoffs）、及智能小區和分組處理的重點。無線網路控制器（RNC）的高級任務包括1) 管理用於傳輸用戶數據的無線接入載波；2) 管理和優化無線網路資源；3) 移動性控制；和4) 無線鏈路維護。 無線網路控制器（RNC）具有組幀分配（framing distribution）與選擇、加密、解密、錯誤檢查、監視、以及狀態查詢等功能。無線網路控制器（RNC）還可提供橋接功能，用於連接IP分組交換網路。無線網路控制器（RNC）不僅支持傳統的ATM AAL2（語音）和AAL5（數據）功能，而且還支持IP over ATM（IPoATM）和SONET上的數據包（POS）功能。無線用戶的高增長率對IP技術提出了更高的要求，這意味著未來平台必須要能夠同時支持IPv4和IPv6。 RNC在典型UMTS R99網路中的位置如圖二所示。注意，實際網路傳輸將取決於運營商（carrier）的情況。在R99中，RNC與節點B之間通常有一個SONET環，其功能相當於城域網（MAN）。通過分插復用器（ADM），可從SONET環提取或向SONET環加入數據流。這一拓撲結構允許多個RNC接入多個節點B，以形成具有出色靈活性的網路。RNC網路介面參考點 無線網路控制器（RNC）可使用表1中描述的定義明確的標准介面參考點連接到接入網和核心網中的系統。 由於RNC支持各種介面和協議，因此可被視作一種異構網路設備。它必須能夠同時處理語音和數據流量，還要將這些流量路由至核心網中不同的網元。無線網路控制器（RNC）還必須能夠支持IP與ATM實現互操作，向僅支持IP的網路生成POS流量。因此，RNC必須要能夠支持廣泛的網路I/O選件，同時提供規范、轉換和路由不同網路流量所需的計算和協議處理，而且所有這些處理不能造成呼叫中斷，並要提供合適的服務質量。 介面 說明
Lub 連接節點B收發信機和無線網路控制器（RNC）。這通常可通過T-1/E-1鏈路實現，該鏈路通常集中在T-1/E-1聚合器中，通過OC-3鏈路向RNC提供流量。
Lur 用於呼叫切換的RNC到RNC連接，通常通過OC-3鏈路實現。
lu-cs RNC與電路交換語音網路之間的核心網介面。通常作為OC-12速率鏈路實施。
lu-ps RNC與分組交換數據網路之間的核心網介面。通常作為OC-12速率鏈路實施。
表1. 介面參考點 無線網路控制器（RNC）的要求 兩種有助於開發商滿足嚴格的無線網路控制器（RNC）要求的技術是ATCA和英特爾®IXP2XXX網路處理器。後者基於英特爾互聯網交換架構（英特爾IXA）和英特爾XScale®技術，專為提供高性能和低功耗而設計。 ATCAATCA是由PCI工業計算機製造商協會（PICMG）開發的一項行業計劃。該設計用於滿足網路設備製造商對平台再利用、更低成本、更快上市速度和多元靈活性的要求，以及運營商和服務提供商對降低資本和運營支出的要求。ATCA通過制定標准機箱外形、機箱內部互連、以及適合高性能、高帶寬計算和通信解決方案的平台管理介面，滿足了以上要求。如欲了解有關ATCA的更多信息，請訪問： http://www.picmg.org/newinitiative.stm。 英特爾IXP2XXX網路處理器 IXP2XXX網路處理器提供了在任何埠上處理任何協議的靈活性；從ATM到IP網路的平穩移植能力；面向定製操作的線速處理能力；特性升級；以及新興標准支持等。此外，商業化ATCA子系統與IXP2XXX網路處理器的結合，為設計者帶來了使用標准模塊化組件構建無線網路控制器（RNC）的機會。此類設計方法的潛在優勢包括提高系統可擴展性和靈活性，在降低成本的同時進一步縮短了上市時間。 創建功能強大的無線網路控制器（RNC）數據面板系統
上圖體現了一種利用ATCA和英特爾的網路處理晶元創建功能強大的無線網路控制器（RNC）系統的方法。高級無線網路控制器（RNC）功能可以如上所述進行分區，但其它方法同樣可行。本圖表僅作為邏輯或概念範例，並非實際硬體配置的圖例。 在數據面板層，該設計使用三種基本類型的卡。無線接入網（RAN）線路卡、核心網（CN）線路卡和無線網路層（RNL）卡。無線網路層（RNL）卡支持無線網路堆棧，並執行解碼/編碼。同時還包括一個控制和應用卡。 無線接入網（RAN）線路卡和核心網（CN）線路卡主要根據載波需要，處理不同的網路介面類型。典型介麵包括T-1/E-1和OC-3。這些卡採用英特爾IXP2XXX網路處理器設計而成，支持高性能線速傳輸、切換和轉換功能，如ATM分段與重組（SAR）、點對點（PPP）協議處理、POS傳輸等。註：線路卡功能可以協同定位。一個物理卡可以作為Iub、Iur、lu-PS、以及lu-CS邏輯介面。 無線網路層（RNL）卡還可使用高性能IXP2XXX網路處理器，與3G網路聯合一起處理密集型協議處理任務。這些卡沒有通向外部的網路介面，但可作為復雜協議處理引擎，對通過無線接入網（RAN）和核心網（CN）線路卡引入的流量進行處理。無線網路層（RNL）卡還必須按照3GPP Kasumi加密演算法來進行加密處理。 無線網路層（RNL）卡是無線網路控制器（RNC）數據面板中MIP最密集的組件，其性能是決定整體系統容量和性能的關鍵。 系統性能 為了測試帶有IXP2XXX網路處理器和無線網路層（RNL）卡的ATCA外形線路卡的性能，英特爾創建了無線網路控制器（RNC）數據面板參考平台。通過採用源於UMTS 6號報告的流量模型，從而對內部性能指標進行評測（UMTS 6號報告參見 http://www.umts-forum.org/servlet/dycon/ztumts/umts/Live/en/umts/Resources_Reports_06_index）。此模型設計了一個流量負載，旨在代表2005年典型的UMTS網路。它將語音和數據流混合在一起，後者要求每用戶具有384 Kpbs的帶寬。利用這種流量模型，一個採用IXP2800網路處理器的無線網路層（RNL）卡可以處理72,000個用戶，產生3,540厄蘭的電路交換和分組交換流量的混合負載。採用只含有電路交換語音呼叫的低要求流量模型，該卡可處理180,000個用戶。 基於這種設計的無線網路層（RNL）卡可與線路卡及其它ATCA組件相結合，以創建功能極為強大的緊湊型無線網路控制器（RNC）數據面板系統。圖5中的系統展示了一種帶有14卡插槽的標准19英寸ATCA支架。一個支架可以處理500,000個用戶的流量，並支持555 Mbps的分組交換數據吞吐率。眾多機架可以在一個電信機架中互連，從而支持更高的密度。 圖5中的系統共包含12個卡，包括備用卡，可提供電信級可靠性和穩定性。所有線路卡和無線網路層（RNL）卡均使用英特爾IXP2XXX網路處理器，以提供高性能、線速傳輸、切換和協議處理。線路卡具備支持全部廣域網介面的能力，包括從T-1/E-1到同步光纖網路（SONET）和千兆位乙太網速率。 在該範例系統中，線路卡部署於一個2＋1配置中：兩個活動線路卡和一個備用線路卡。無線接入網（RAN）端有8個活動OC-3介面，還有8個額外OC-3介面用於故障切換。另外還有2個活動OC-12核心網介面和2個備用介面。線路卡符合同步光纖網路（SONET）自動保護轉換（APS）標准，以便進行故障切換。 這些卡可使用符合ATCA 3.1標準的乙太網交換結構進行互連。其中包含兩個乙太網交換卡，以支持各卡之間的各種連接選件。一種可行的替代設計方案，是使用乙太網交換機作為兩個無線網路層（RNL）卡的夾層卡。這種設計具有明顯的優勢，它可以釋放兩個節點插槽，用於創收型卡。 與替代方案相比，將ATCA和IXP2XXX網路處理器相結合，可以提供重要性能和成本節省。當前的無線網路控制器（RNC）設計通常要求多個機架的設備來支持100,000至200,000的用戶密度。範例設計可通過電信機架中的一個機架支持500,000個用戶，此舉可以顯著節省功耗成本和中央辦公室佔地面積。 設計高密度、小佔地面積無線網路控制器（RNC）數據面板 下一代無線網路控制器（RNC）是新興公共無線網的一個關鍵網元。隨著業界使用標准、模塊化網元的趨勢日益顯著，無線網路控制器（RNC）系統設計的傳統專有方案已經開始被取代。通過使用ATCA和IXP2XXX網路處理器，系統設計師可以將工業標准硬體與功能強大的、可編程網路處理晶元完美結合起來。基於這些技術的無線網路控制器（RNC）數據面板設計僅佔用很小的系統空間，便可達到非常高的密
同音字:R＆C(通常又稱宮調R＆B)
「R&C」是個很大的概念，它就是一個符號，剛形成的時候與現在都有挺大區別。現在的「R&C」的內涵會一直隨著後弦的音樂變化而變化，將來的每張唱片都給「 R&C」 賦予新的東西，譬如R可能代表rhythm（節奏）和revive（復興），而C更是五花八門，譬如chinese(中文)、create（創造）、cartoon(卡通)、 color(顏色) 和 COSPLAY（角色扮演）甚至是cai（「菜」的拼音）等等，後弦的《九公主》這張EP裡面就融入了許許多多這樣的年輕元素，每一首歌都是一次變化，足夠新鮮。就象《九公主》的「圓舞嘻哈」就好比後弦為大家奉上的一道新菜式：「火燒冰激淋」，圓舞曲感覺是冰激淋，而嘻哈是一團明火，點心都可以這樣做，音樂說不定也可以碰撞出火花，一個代表冷艷與幻想的3/4拍，一邊是代表火爆性格的嘻哈4/4拍，因為九公主與英倫宮廷幻想和足球都有關，公主曼妙的足球動作，用圓舞曲與嘻哈來共同詮釋最好不過了，足夠新鮮。
Ⅱ 交通無線網網路狀態檢測異常
可能有以下幾種原因：
1、無線網路本身有問題
如果發現手機無線網路連接上但上不了網，那麼我們首先需要檢查下無線網路是否有問題，如果是無線路由器用戶，請檢查下能否使用電腦上網，如果電腦可以上網，那麼說明網路是沒有問題的，接寫來可以檢查下無線網路設置是否有問題，如果依舊無法解決，請往下看。
2、無線網路密碼輸入錯誤
為了保證無線網路安全，如今家庭用的無線路由器網路都有無線密碼，手機要連接無線網路，必須需要輸入正確的無線密碼進行連接，這樣才可以正常使用，如果你發現無法連接網路，或者某些時候顯示連接上，但上不了網，您不妨在Wifi設置中，斷開網路連接，之後再輸入密碼連接試試。
3、無線路由器設置了高級安全模式
有些用戶為了保證自己的WiFi網路不被人蹭網或破解，通常會加入高級安全設置，比如在路由器里設置了IP或者MAC綁定功能，該功能一旦開啟後，只有在路由器設置的指定電腦或手機才能正常上網，也就是如果你的手機沒有得到綁定，那麼即使手機上顯示成功連接上網路也是上不了網的，除非你的手機得到了路由器的綁定。
4、無法獲取到無線網路DNS地址與IP地址
如果出現你和朋友連接同一個WiFi對方能上網但你卻不能上的情況，那很有可能跟你的手機設置有關，這種情況往往是手機無法正常獲取無線網路的IP地址和DNS地址導致的，這種情況網友們可到網上查詢相關設置教程進行解決。
5、離無線網路源較遠
很多時候，當我們距離無線網路的源頭較遠時，盡管能連接上WiFi，但往往是上不了網或者上網速度很龜速的，這種情況可以嘗試走進無線網路信號源近一些進行解決。
Ⅲ 大數據科學家需要掌握的幾種異常值檢測方法
引言
異常值檢測與告警一直是工業界非常關注的問題，自動准確地檢測出系統的異常值，不僅可以節約大量的人力物力，還能盡早發現系統的異常情況，挽回不必要的損失。個推也非常重視大數據中的異常值檢測，例如在運維部門的流量管理業務中，個推很早便展開了對異常值檢測的實踐，也因此積累了較為豐富的經驗。本文將從以下幾個方面介紹異常值檢測。
1、異常值檢測研究背景
2、異常值檢測方法原理
3、異常值檢測應用實踐
異常值檢測研究背景
異常值，故名思議就是不同於正常值的值。 在數學上，可以用離群點來表述，這樣便可以將異常值檢測問題轉化為數學問題來求解。
異常值檢測在很多場景都有廣泛的應用，比如：
1、流量監測
互聯網上某些伺服器的訪問量，可能具有周期性或趨勢性：一般情況下都是相對平穩的，但是當受到某些黑客攻擊後，其訪問量可能發生顯著的變化，及早發現這些異常變化對企業而言有著很好的預防告警作用。
2、金融風控
正常賬戶中，用戶的轉賬行為一般屬於低頻事件，但在某些金融詐騙案中，一些嫌犯的賬戶就可能會出現高頻的轉賬行為，異常檢測系統如果能發現這些異常行為，及時採取相關措施，則會規避不少損失。
3、機器故障檢測
一個運行中的流水線，可能會裝有不同的感測器用來監測運行中的機器，這些感測器數據就反應了機器運行的狀態，這些實時的監測數據具有數據量大、維度廣的特點，用人工盯著看的話成本會非常高，高效的自動異常檢測演算法將能很好地解決這一問題。
異常值檢測方法原理
本文主要將異常值檢測方法分為兩大類：一類是基於統計的異常值檢測，另一類是基於模型的異常值檢測。
基於統計的方法
基於模型的方法
1、基於統計的異常值檢測方法
常見的基於統計的異常值檢測方法有以下2種，一種是基於3σ法則，一種是基於箱體圖。
3σ法則
箱體圖
3σ法則是指在樣本服從正態分布時，一般可認為小於μ-3σ或者大於μ+3σ的樣本值為異常樣本，其中μ為樣本均值，σ為樣本標准差。在實際使用中，我們雖然不知道樣本的真實分布，但只要真實分布與正太分布相差不是太大，該經驗法則在大部分情況下便是適用的。
箱體圖也是一種比較常見的異常值檢測方法，一般取所有樣本的25%分位點Q1和75%分位點Q3，兩者之間的距離為箱體的長度IQR，可認為小於Q1-1.5IQR或者大於Q3+1.5IQR的樣本值為異常樣本。
基於統計的異常檢測往往具有計算簡單、有堅實的統計學基礎等特點，但缺點也非常明顯，例如需要大量的樣本數據進行統計，難以對高維樣本數據進行異常值檢測等。
2、基於模型的異常值檢測
通常可將異常值檢測看作是一個二分類問題，即將所有樣本分為正常樣本和異常樣本，但這和常規的二分類問題又有所區別，常規的二分類一般要求正負樣本是均衡的，如果正負樣本不均勻的話，訓練結果往往會不太好。但在異常值檢測問題中，往往面臨著正（正常值）負（異常值）樣本不均勻的問題，異常值通常比正常值要少得多，因此需要對常規的二分類模型做一些改進。
基於模型的異常值檢測一般可分為有監督模型異常值檢測和無監督模型異常值檢測，比較典型的有監督模型如oneclassSVM、基於神經網路的自編碼器等。 oneclassSVM就是在經典的SVM基礎上改進而來，它用一個超球面替代了超平面，超球面以內的值為正常值，超球面以外的值為異常值。
經典的SVM
1
基於模型的方法
2
基於神經網路的自編碼器結構如下圖所示。
自編碼器（AE）
將正常樣本用於模型訓練，輸入與輸出之間的損失函數可採用常見的均方誤差，因此檢測過程中，當正常樣本輸入時，均方誤差會較小，當異常樣本輸入時，均方誤差會較大，設置合適的閾值便可將異常樣本檢測出來。但該方法也有缺點，就是對於訓練樣本比較相近的正常樣本判別較好，但若正常樣本與訓練樣本相差較大，則可能會導致模型誤判。
無監督模型的異常值檢測是異常值檢測中的主流方法，因為異常值的標注成本往往較高，另外異常值的產生往往無法預料，因此有些異常值可能在過去的樣本中根本沒有出現過， 這將導致某些異常樣本無法標注，這也是有監督模型的局限性所在。 較為常見的無監督異常值檢測模型有密度聚類（DBSCAN）、IsolationForest（IF）、RadomCutForest（RCF）等，其中DBSCAN是一種典型的無監督聚類方法，對某些類型的異常值檢測也能起到不錯的效果。該演算法原理網上資料較多，本文不作詳細介紹。
IF演算法最早由南京大學人工智慧學院院長周志華的團隊提出，是一種非常高效的異常值檢測方法，該方法不需要對樣本數據做任何先驗的假設，只需基於這樣一個事實——異常值只是少數，並且它們具有與正常值非常不同的屬性值。與隨機森林由大量決策樹組成一樣，IsolationForest也由大量的樹組成。IsolationForest中的樹叫isolation tree，簡稱iTree。iTree樹和決策樹不太一樣，其構建過程也比決策樹簡單，因為其中就是一個完全隨機的過程。
假設數據集有N條數據，構建一顆iTree時，從N條數據中均勻抽樣(一般是無放回抽樣)出n個樣本出來，作為這顆樹的訓練樣本。
在樣本中，隨機選一個特徵，並在這個特徵的所有值范圍內（最小值與最大值之間）隨機選一個值，對樣本進行二叉劃分，將樣本中小於該值的劃分到節點的左邊，大於等於該值的劃分到節點的右邊。
這樣得到了一個分裂條件和左、右兩邊的數據集，然後分別在左右兩邊的數據集上重復上面的過程，直至達到終止條件。 終止條件有兩個，一個是數據本身不可再分(只包括一個樣本，或者全部樣本相同)，另外一個是樹的高度達到log2(n)。 不同於決策樹，iTree在演算法裡面已經限制了樹的高度。不限制雖然也可行，但出於效率考慮，演算法一般要求高度達到log2(n)深度即可。
把所有的iTree樹構建好了，就可以對測試數據進行預測了。預測的過程就是把測試數據在iTree樹上沿對應的條件分支往下走，直到達到葉子節點，並記錄這過程中經過的路徑長度h(x)，即從根節點，穿過中間的節點，最後到達葉子節點，所走過的邊的數量(path length)。最後，將h(x)帶入公式，其中E(.)表示計算期望，c(n)表示當樣本數量為n時，路徑長度的平均值，從而便可計算出每條待測數據的異常分數s(Anomaly Score)。異常分數s具有如下性質：
1）如果分數s越接近1，則該樣本是異常值的可能性越高；
2）如果分數s越接近0，則該樣本是正常值的可能性越高；
RCF演算法與IF演算法思想上是比較類似的，前者可以看成是在IF演算法上做了一些改進。針對IF演算法中沒有考慮到的時間序列因素，RCF演算法考慮了該因素，並且在數據樣本采樣策略上作出了一些改進，使得異常值檢測相對IF演算法變得更加准確和高效，並能更好地應用於流式數據檢測。
IF演算法
RCF演算法
上圖展示了IF演算法和RCF演算法對於異常值檢測的異同。我們可以看出原始數據中有兩個突變異常數據值，對於後一個較大的突變異常值，IF演算法和RCF演算法都檢測了出來，但對於前一個較小的突變異常值，IF演算法沒有檢測出來，而RCF演算法依然檢測了出來，這意味著RCF有更好的異常值檢測性能。
異常值檢測應用實踐
理論還需結合實踐，下面我們將以某應用從2016.08.16至2019.09.21的日活變化情況為例，對異常值檢測的實際應用場景予以介紹：
從上圖中可以看出該應用的日活存在著一些顯著的異常值（比如紅色圓圈部分），這些異常值可能由於活動促銷或者更新迭代出現bug導致日活出現了比較明顯的波動。下面分別用基於統計的方法和基於模型的方法對該日活序列數據進行異常值檢測。
基於3σ法則（基於統計）
RCF演算法（基於模型）
從圖中可以看出，對於較大的突變異常值，3σ法則和RCF演算法都能較好地檢測出來， 但對於較小的突變異常值，RCF演算法則要表現得更好。
總結
上文為大家講解了異常值檢測的方法原理以及應用實踐。綜合來看，異常值檢測演算法多種多樣 ，每一種都有自己的優缺點和適用范圍，很難直接判斷哪一種異常檢測演算法是最佳的， 具體在實戰中，我們需要根據自身業務的特點，比如對計算量的要求、對異常值的容忍度等，選擇合適的異常值檢測演算法。
接下來，個推也會結合自身實踐，在大數據異常檢測方面不斷深耕，繼續優化演算法模型在不同業務場景中的性能，持續為開發者們分享前沿的理念與最新的實踐方案。