随着无线WiFi覆盖网络的不断扩大,用户数量急剧增长,以高校为典型代表的WiFi问题尤为突出。无线AP(全称为Wireless Access Point)作为无线网络中的重要设备,与校园网用户的无线上网体验密切相关。例如,无线AP的覆盖范围,部署位置,发射功率,天线朝向以及AP之间的放置距离等因素,均会影响着校园网用户的无线上网体验。AP稀疏会导致信号强度随距离的增加而衰减,AP频率或功率重叠、建筑物遮挡、大量用户群体聚集在同一个AP等不利环境也会致使用户上网体验下降。由于WiFi的特性,受信道繁忙程度等影响,并非AP越密集用户体验越好。因此,通过优化无线AP的部署参数,能更好地满足用户需求,从而提高校园网用户的无线上网体验。但是,目前对无线AP部署参数的优化手段主要为基于经验性的人工尝试,无法大规模地推广应用。本文基于东北师范大学高校师生无线上网产生的用户数据,将大数据技术引入无线AP优化部署的流程中,设计与实现了校园网无线AP调整流程管理系统。该系统通过使用Hadoop平台对用户体验大数据做聚类分析,由此得到每个无线AP的信号衰减与叠加在空间中的分布。并且根据大数据聚类的结果,结合本文给出的无线AP优化部署相应的数学模型,给出对具体某个AP的部署调整建议。本文研究的重难点问题主要有两点。第一,基于用户体验的大数据确定无线AP的覆盖范围与信号强度分布,建模为大数据聚类问题。第二,根据用户体验给出无线AP部署优化方案,这是工程设计中的最优化问题。如何通过无线AP信号强度与时间空间等变量的约束,使得用户体验的达到最优值,这需要反复的优化与实测。本文所做的研究工作主要有以下三点:(1)基于Hadoop平台设计与实现校园网无线AP调整流程管理系统,为校园网中心工作人员提供技术支持;(2)设计与实现基于MapReduce的并行化k-Means++聚类算法,并构建了Hadoop集群对用户数据做聚类分析,可视化展示整个校园信号强度与覆盖范围,方便管理人员直观地了解师生无线上网体验;(3)给出无线AP优化部署的数据模型,有利于技术人员及时调整无线AP设备参数,提高高校用户无线上网体验。