基于Spark的海量数据分析与性能优化
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究内容 | 第11-12页 |
| 1.3 论文结构 | 第12-14页 |
| 第二章 大数据平台和Spark计算框架 | 第14-29页 |
| 2.1 Hadoop简介 | 第14-20页 |
| 2.1.1 海量网络流量环境特点及面对的挑战 | 第14-15页 |
| 2.1.2 Hadoop概述 | 第15-16页 |
| 2.1.3 计算模型MapReduce | 第16-18页 |
| 2.1.4 分布式文件系统HDFS | 第18-20页 |
| 2.2 Spark计算框架 | 第20-28页 |
| 2.2.1 Spark概述 | 第20-21页 |
| 2.2.2 Spark架构 | 第21-23页 |
| 2.2.3 Spark核心概念 | 第23-25页 |
| 2.2.4 Spark作业执行流程 | 第25-26页 |
| 2.2.5 Shuffle | 第26-28页 |
| 2.3 Web缓存 | 第28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 海量网络流量分析 | 第29-35页 |
| 3.1 网络流量采集与解析系统 | 第29-30页 |
| 3.2 数据导入系统 | 第30页 |
| 3.3 网络流量分析 | 第30-33页 |
| 3.3.1 用户访问次数分析 | 第31页 |
| 3.3.2 用户下行流量分析 | 第31-32页 |
| 3.3.3 URL访问次数分析 | 第32-33页 |
| 3.3.4 URL下行流量分析 | 第33页 |
| 3.4 本章小节 | 第33-35页 |
| 第四章 海量网络数据分析优化与实现 | 第35-52页 |
| 4.1 算子的选择 | 第35-39页 |
| 4.2 数据本地性 | 第39-41页 |
| 4.3 持久化 | 第41-47页 |
| 4.4 并行度 | 第47-50页 |
| 4.5 本章小结 | 第50-52页 |
| 第五章 基于Spark的Join操作的优化与实现 | 第52-60页 |
| 5.1 Join操作 | 第52-54页 |
| 5.2 Join的优化实现和分析 | 第54-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表的学术论文目录 | 第64页 |
