摘要 | 第2-4页 |
abstract | 第4-6页 |
第一章 引言 | 第9-15页 |
1.1 研究背景及意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-12页 |
1.2.1 签到系统的分类及总结 | 第10-12页 |
1.2.2 存在的问题 | 第12页 |
1.3 本文的主要工作 | 第12-13页 |
1.4 本文的组织结构 | 第13-15页 |
第二章 系统的技术架构及功能框架 | 第15-23页 |
2.1 经典的SSH框架 | 第15-18页 |
2.1.1 SpringMVC介绍 | 第15-16页 |
2.1.2 Spring介绍 | 第16-18页 |
2.1.3 Hibernate介绍 | 第18页 |
2.2 系统有关的分布式工具及介绍 | 第18-21页 |
2.2.1 Hadoop介绍 | 第18-19页 |
2.2.2 HDFS介绍 | 第19页 |
2.2.3 ElasticSearch介绍 | 第19-20页 |
2.2.4 Kibana介绍 | 第20-21页 |
2.3 系统功能结构框架 | 第21-22页 |
2.4 本章小结 | 第22-23页 |
第三章 系统需求及实现原理 | 第23-28页 |
3.1 用户需求 | 第23页 |
3.1.1 普通员工用户 | 第23页 |
3.1.2 管理员用户 | 第23页 |
3.2 技术需求 | 第23-24页 |
3.3 系统需求 | 第24页 |
3.3.1 系统用户 | 第24页 |
3.3.2 组织机构 | 第24页 |
3.3.3 系统自动提醒签到 | 第24页 |
3.4 部分功能实现原理 | 第24-27页 |
3.4.1 普通用户查看当月任务页面 | 第24页 |
3.4.2 随机签到机制 | 第24-25页 |
3.4.3 值班统计管理 | 第25-26页 |
3.4.4 手机拍照定位功能 | 第26页 |
3.4.5 签到点位置的管理 | 第26页 |
3.4.6 系统自动提醒签到功能 | 第26页 |
3.4.7 拍照签到的同时自动上传当前时间 | 第26-27页 |
3.5 本章小结 | 第27-28页 |
第四章 系统设计与实现 | 第28-43页 |
4.1 系统设计及使用流程 | 第28-36页 |
4.1.1 系统设计流程 | 第28-33页 |
4.1.2 用户使用流程 | 第33-36页 |
4.2 设计方案 | 第36-40页 |
4.2.1 系统具体的实现 | 第36-37页 |
4.2.2 系统总体设计方案 | 第37-40页 |
4.3 功能介绍 | 第40-42页 |
4.3.1 签到功能 | 第40-41页 |
4.3.2 签退功能 | 第41页 |
4.3.3 查看个人考勤信息 | 第41页 |
4.3.4 系统自动提醒签到功能 | 第41页 |
4.3.5 考勤信息统计功能 | 第41-42页 |
4.3.6 值班记录查看功能 | 第42页 |
4.3.7 账号开通及权限分配功能 | 第42页 |
4.4 本章小结 | 第42-43页 |
第五章 海量考勤数据引发的问题及解决方案 | 第43-51页 |
5.1 海量考勤数据引发的问题分析 | 第43-44页 |
5.2 海量考勤数据解决方案 | 第44-48页 |
5.2.1 HDFS用于海量考勤数据的存储和数据维护 | 第44-45页 |
5.2.2 ElasticSearch解决海量考勤数据下考勤统计信息的检索问题 | 第45-46页 |
5.2.3 Kibana用于结合ElasticSearch展示考勤数据 | 第46-48页 |
5.3 实验环境及结果分析 | 第48-50页 |
5.3.1 实验环境 | 第48-49页 |
5.3.2 实验结果分析 | 第49-50页 |
5.4 本章小结 | 第50-51页 |
第六章 考勤数据的统计及预测 | 第51-57页 |
6.1 系统数据统计功能 | 第51-52页 |
6.2 模型建立及实验 | 第52-56页 |
6.2.1 ARIMA模型介绍 | 第52页 |
6.2.2 ARIMA模型建立过程 | 第52-53页 |
6.2.3 实验过程及数据分析 | 第53-55页 |
6.2.4 数据分析工具及应用程序 | 第55-56页 |
6.3 本章小结 | 第56-57页 |
第七章 总结及展望 | 第57-59页 |
7.1 本文结论 | 第57页 |
7.2 展望 | 第57-59页 |
参考文献 | 第59-61页 |
致谢 | 第61-62页 |