| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 论文的研究背景 | 第9-11页 |
| 1.2 相关技术国内外研究历史与现状 | 第11-16页 |
| 1.2.1 流计算技术 | 第11-15页 |
| 1.2.2 网站用户行为分析技术 | 第15-16页 |
| 1.3 本文的主要贡献 | 第16-17页 |
| 1.4 论文的结构安排 | 第17-19页 |
| 第二章 关键技术研究 | 第19-25页 |
| 2.1 nodejs技术研究 | 第19-21页 |
| 2.2 redis数据库和mongo数据库技术研究 | 第21-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 流计算框架设计 | 第25-39页 |
| 3.1 系统功能需求分析 | 第25页 |
| 3.2 系统总体设计 | 第25-26页 |
| 3.3 节点管理程序设计 | 第26-32页 |
| 3.3.1 master程序设计 | 第28-30页 |
| 3.3.2 daemon程序设计 | 第30页 |
| 3.3.3 client程序设计 | 第30-32页 |
| 3.4 系统工作流程 | 第32页 |
| 3.5 nodejs多核cpu利用方法 | 第32-33页 |
| 3.6 vrssstream和vrsscore消息分发组件 | 第33-35页 |
| 3.7 系统的容错设计 | 第35-36页 |
| 3.8 流数据生命周期 | 第36-38页 |
| 3.9 本章小结 | 第38-39页 |
| 第四章 用户行为分析节点设计 | 第39-66页 |
| 4.1 节点集群功能需求分析 | 第39页 |
| 4.2 节点集群总体结构设计 | 第39-41页 |
| 4.3 redis数据库结果集数据结构设计 | 第41-43页 |
| 4.4 dayinfo分析节点设计 | 第43-51页 |
| 4.4.1 用户访问量pv的分析依据 | 第45-47页 |
| 4.4.2 新用户uv的分析依据 | 第47-48页 |
| 4.4.3 来源网站和访问页面的分析依据 | 第48-50页 |
| 4.4.4 dayinfo节点内置函数说明 | 第50-51页 |
| 4.5 用户浏览器和设备分析节点设计 | 第51-52页 |
| 4.6 用户地点分析节点设计 | 第52-55页 |
| 4.7 用户关键字分析节点设计 | 第55-56页 |
| 4.8 用户访问深度分析节点设计 | 第56-58页 |
| 4.9 用户停留时间分析节点设计 | 第58-60页 |
| 4.10 socketio消息推送节点设计 | 第60-61页 |
| 4.11 数据持久化节点设计 | 第61-65页 |
| 4.12 本章小结 | 第65-66页 |
| 第五章 数据显示模块设计 | 第66-72页 |
| 5.1 数据显示功能需求 | 第66页 |
| 5.2 前端系统总结构设计 | 第66-67页 |
| 5.3 图表显示方法设计 | 第67-68页 |
| 5.4 mongo数据推送设计 | 第68-69页 |
| 5.5 页面导航菜单设计 | 第69-70页 |
| 5.6 抓包模块设计 | 第70-71页 |
| 5.7 本章小结 | 第71-72页 |
| 第六章 测试 | 第72-83页 |
| 6.1 测试需求和计划 | 第72页 |
| 6.2 测试环境 | 第72-73页 |
| 6.3 http报文模拟模块设计 | 第73页 |
| 6.4 性能测试 | 第73-74页 |
| 6.5 功能测试 | 第74-82页 |
| 6.6 本章小结 | 第82-83页 |
| 第七章 全文总结与展望 | 第83-85页 |
| 7.1 全文总结 | 第83页 |
| 7.2 后续工作展望 | 第83-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-88页 |
| 攻读硕士学位期间取得的成果 | 第88-89页 |