| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 缩略语对照表 | 第12-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 研究现状 | 第14-16页 |
| 1.3 本文的解决方案及贡献 | 第16-17页 |
| 1.4 本章小结 | 第17-19页 |
| 第二章 相关工作 | 第19-29页 |
| 2.1 流计算 | 第19-21页 |
| 2.2 大规模流计算系统 | 第21-24页 |
| 2.2.1 Yahoo S4 | 第21-22页 |
| 2.2.2 Apache Spark Streaming | 第22-23页 |
| 2.2.3 Apache Storm | 第23页 |
| 2.2.4 Apache Samza | 第23-24页 |
| 2.3 相关基准测试标准 | 第24-28页 |
| 2.3.1 流数据处理系统 (DSMS) 的基准测试标准 | 第25页 |
| 2.3.2 大规模批处理系统基准测试标准 | 第25-27页 |
| 2.3.3 大规模流计算系统基准测试研究现状 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 问题定义 | 第29-33页 |
| 3.1 挑战分析 | 第29-30页 |
| 3.2 需求定义 | 第30-31页 |
| 3.3 本章小结 | 第31-33页 |
| 第四章 Stream Bench定义 | 第33-47页 |
| 4.1 方法论介绍 | 第33-34页 |
| 4.2 数据集定义和数据生成方式约定 | 第34-39页 |
| 4.2.1 数据集定义 | 第35-36页 |
| 4.2.2 数据生成方式约定 | 第36-39页 |
| 4.3 程序集定义 | 第39-42页 |
| 4.3.1 选定方法 | 第39-40页 |
| 4.3.2 具体定义 | 第40-42页 |
| 4.4 工作流集和度量标准定义 | 第42-46页 |
| 4.4.1 测试方法说明 | 第43页 |
| 4.4.2 分析与定义 | 第43-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 Stream Bench具体实现 | 第47-59页 |
| 5.1 流数据生成的实现 | 第48-50页 |
| 5.1.1 实现 | 第48-49页 |
| 5.1.2 优化 | 第49-50页 |
| 5.2 Apache Spark Streaming平台下的实现 | 第50-55页 |
| 5.2.1 程序集的实现 | 第51-54页 |
| 5.2.2 度量标准获取的方式 | 第54-55页 |
| 5.3 Apache Storm平台下的实现 | 第55-58页 |
| 5.3.1 程序集的实现 | 第56-57页 |
| 5.3.2 度量标准获取的方式 | 第57-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 Stream Bench实验验证 | 第59-73页 |
| 6.1 Spark Streaming和Storm的对比 | 第59-68页 |
| 6.1.1 实验环境 | 第59-60页 |
| 6.1.2 面向性能工作流集测试结果 | 第60-63页 |
| 6.1.3 面向性能多接收者工作流集测试结果 | 第63-65页 |
| 6.1.4 面向故障恢复工作流集测试结果 | 第65-67页 |
| 6.1.5 面向持久性工作流集测试结果 | 第67-68页 |
| 6.2 不同Storm版本的比较 | 第68-69页 |
| 6.3 衡量Spark Streaming可靠Kafka传输新功能的性能开销 | 第69-72页 |
| 6.4 本章小结 | 第72-73页 |
| 第七章 总结与展望 | 第73-75页 |
| 7.1 全文总结 | 第73-74页 |
| 7.2 工作展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 攻读学位期间发表的学术论文目录 | 第81-83页 |
