电信网络系统的发展为人们的生活带来了便捷,使“海内存知己,天涯若比邻”不再只是一种美好的向往。随着网络系统的不断完善和5G网络系统的正式商用,网管系统告警信息也必将成倍的增长,给网管告警系统的运行带来了很大的压力。如何对系统中的告警数据实现压缩存储并挖掘告警数据中存在的价值信息成为了重要的研究课题。面对巨大的告警信息,如何从中挖掘有价值的信息是本文研究的重点内容,通过对传统关联Apriori算法存在的不足进行分析,改进了频繁项集的产生过程,利用二分法的思想,使用组合与并集交叉的技术实现越级产生频繁项集,大大缩短了频繁项集的生成过程,提高了算法的效率,利用Hadoop并行计算框架实现关联算法的并行化,进一步提高了数据的挖掘效率。针对海量告警信息的存储压力,本文提出了混合非全量编码压缩算法,该算法利用告警数据具有大量重复属性的特点,对传统的哈夫曼压缩算法进行了改进,算法的核心思想是把词组作为数据压缩的基本单位,结合了哈夫曼编码、字典序编码和非编码三种模式,对数据库实现压缩,压缩过程中一个属性作为一个词组,取得了较好的压缩效果,由于全局压缩一个词组只有一种编码,所以在不解压的情况下可以直接通过搜索内容的编码搜索原始数据在数据库中的位置,实现对数据的不解压检索访问。本文通过网络告警数据对改进的关联算法和压缩算法进行了验证,证实了改进关联算法在挖掘效率上的提升,也验证了改进的压缩算法可以有效压缩数据,并实现非全文解压对原始数据的搜索与访问。最后结合数据关联分析和数据压缩两种算法对网管告警信息处理进行了重新设计,以提高告警数据的处理效率。