| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 相关研究与现状 | 第11-13页 |
| 1.3 论文结构 | 第13-16页 |
| 第二章 大数据处理相关技术 | 第16-22页 |
| 2.1 Spark大数据处理框架 | 第16-18页 |
| 2.2 Spark Streaming流式数据处理框架 | 第18-19页 |
| 2.3 Kafka消息系统 | 第19-20页 |
| 2.4 本章小结 | 第20-22页 |
| 第三章 批处理异常检测算法 | 第22-38页 |
| 3.1 STL分解 | 第22-25页 |
| 3.1.1 Loess平滑 | 第23页 |
| 3.1.2 内循环 | 第23-24页 |
| 3.1.3 外循环 | 第24-25页 |
| 3.2 ESD检验 | 第25页 |
| 3.3 基于STL和ESD的异常检测算法 | 第25-27页 |
| 3.4 实验 | 第27-37页 |
| 3.4.1 算法参数 | 第27-28页 |
| 3.4.2 算法评估 | 第28-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 异常检测算法流式改造 | 第38-46页 |
| 4.1 流式异常检测算法流程 | 第38-39页 |
| 4.2 模型初始化 | 第39-40页 |
| 4.3 加窗处理 | 第40-42页 |
| 4.4 模型更新 | 第42-43页 |
| 4.5 异常检测 | 第43-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 在线异常检测系统设计与实现 | 第46-64页 |
| 5.1 总体框架 | 第46-47页 |
| 5.2 输入系统 | 第47-51页 |
| 5.2.1 Kafka集群 | 第48-49页 |
| 5.2.2 Kafka生产者 | 第49-51页 |
| 5.3 检测系统 | 第51-58页 |
| 5.3.1 Spark集群 | 第51-52页 |
| 5.3.2 总体结构 | 第52-53页 |
| 5.3.3 Reader组件 | 第53-54页 |
| 5.3.4 Detector组件 | 第54-56页 |
| 5.3.5 Model组件 | 第56-57页 |
| 5.3.6 Writer组件 | 第57-58页 |
| 5.4 输出系统 | 第58-60页 |
| 5.4.1 库表设计 | 第59页 |
| 5.4.2 web服务端 | 第59页 |
| 5.4.3 web客户端 | 第59-60页 |
| 5.5 系统分析 | 第60-62页 |
| 5.6 本章小结 | 第62-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 全文工作总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-68页 |
| 致谢 | 第68页 |