| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景与意义 | 第9-11页 |
| ·电信业数据分析的意义 | 第9页 |
| ·电信业数据分析现状 | 第9-10页 |
| ·海量数据的挑战 | 第10-11页 |
| ·与本文相关的技术研究现状 | 第11-14页 |
| ·分布式计算技术 | 第11-12页 |
| ·数据库优化技术 | 第12-13页 |
| ·并行环境中的作业调度 | 第13-14页 |
| ·本文的研究内容及安排 | 第14-15页 |
| 第二章 Hadoop平台介绍 | 第15-23页 |
| ·Hadoop整体架构 | 第15-20页 |
| ·MapReduce编程模型 | 第15-18页 |
| ·HDFS | 第18-20页 |
| ·Hadoop应用 | 第20-22页 |
| ·Hadoop使用现状 | 第20-21页 |
| ·HIVE | 第21-22页 |
| ·本章总结 | 第22-23页 |
| 第三章 基于MapReduce的信令分析 | 第23-35页 |
| ·信令分析内容 | 第23-25页 |
| ·呼叫详细记录 | 第23-24页 |
| ·信令分析的方法 | 第24-25页 |
| ·信令分析系统的数据处理 | 第25-32页 |
| ·HIVE的命令处理器 | 第25-27页 |
| ·数据预处理 | 第27-29页 |
| ·筛选操作 | 第29-30页 |
| ·聚合操作 | 第30-31页 |
| ·关联操作 | 第31-32页 |
| ·信令分析系统的优化 | 第32-33页 |
| ·本章总结 | 第33-35页 |
| 第四章 分布式信令分析系统的任务调度器 | 第35-43页 |
| ·静态调度算法 | 第35-36页 |
| ·动态调度算法 | 第36-37页 |
| ·基于LLF的MapReduce任务调度算法 | 第37-42页 |
| ·本章总结 | 第42-43页 |
| 第五章 基于MapReduce的信令分析系统的实现 | 第43-55页 |
| ·信令分析系统设计 | 第43-46页 |
| ·查询系统的设计 | 第43-45页 |
| ·分布式平台的实现 | 第45-46页 |
| ·LLF调度器的实现 | 第46页 |
| ·系统性能分析 | 第46-50页 |
| ·实验设计 | 第46-47页 |
| ·实验环境 | 第47-49页 |
| ·实验结果 | 第49-50页 |
| ·任务调度分析 | 第50-53页 |
| ·实验设计 | 第50-51页 |
| ·实验环境 | 第51页 |
| ·实验结果 | 第51-53页 |
| ·本章总结 | 第53-55页 |
| 第六章 结束语 | 第55-57页 |
| ·总结 | 第55页 |
| ·今后研究展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 作者攻读学位期间发表的学术论文目录 | 第63页 |