| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 1 绪论 | 第7-11页 |
| 1.1 研究背景及意义 | 第7页 |
| 1.2 国内外研究现状 | 第7-8页 |
| 1.3 本文主要研究内容 | 第8-9页 |
| 1.4 本文组织结构 | 第9-11页 |
| 2 相关技术概述 | 第11-21页 |
| 2.1 分布式计算技术 | 第11页 |
| 2.2 Spark简介 | 第11-14页 |
| 2.2.1 可弹性伸缩分布式数据集RDD | 第12-13页 |
| 2.2.2 Spark SQL | 第13-14页 |
| 2.2.3 Spark Data Frame编程模型 | 第14页 |
| 2.3 分布式文件系统HDFS简介 | 第14-15页 |
| 2.4 开源日志收集系统简介 | 第15-17页 |
| 2.5 文本聚类概念 | 第17-19页 |
| 2.5.1 文本聚类过程 | 第17-18页 |
| 2.5.2 文本聚类技术 | 第18-19页 |
| 2.6 本章小结 | 第19-21页 |
| 3 系统分析与设计 | 第21-29页 |
| 3.1 系统需求分析 | 第21-22页 |
| 3.1.1 Web日志概念 | 第21页 |
| 3.1.2 Web日志分析工具 | 第21-22页 |
| 3.1.3 系统功能模块结构 | 第22页 |
| 3.2 系统体系结构 | 第22-23页 |
| 3.3 系统软件模块结构 | 第23-28页 |
| 3.3.1 日志收集模块 | 第24-25页 |
| 3.3.2 日志存储模块 | 第25-26页 |
| 3.3.3 日志分析模块 | 第26-27页 |
| 3.3.4 数据展示模块 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 4 系统实现 | 第29-39页 |
| 4.1 日志收集模块 | 第29-30页 |
| 4.2 日志存储模块 | 第30-32页 |
| 4.3 日志分析模块 | 第32-37页 |
| 4.3.1 Web日志数据清理模块 | 第32-34页 |
| 4.3.2 Web日志数据特征提取模块 | 第34-35页 |
| 4.3.3 Web日志数据特征正则化模块 | 第35页 |
| 4.3.4 Web日志数据特征分析模块 | 第35-37页 |
| 4.4 数据展示模块 | 第37-38页 |
| 4.5 本章小结 | 第38-39页 |
| 5 Spark平台搭建 | 第39-47页 |
| 5.1 Spark集群配置 | 第39页 |
| 5.2 Spark分布式集群搭建 | 第39-45页 |
| 5.2.1 Hadoop集群搭建 | 第39-43页 |
| 5.2.2 Spark集群搭建 | 第43-45页 |
| 5.3 Spark基本工作流程 | 第45页 |
| 5.4 本章小结 | 第45-47页 |
| 6 系统部署与运行 | 第47-61页 |
| 6.1 数据来源 | 第47-48页 |
| 6.2 数据导入 | 第48-50页 |
| 6.3 系统部署 | 第50-52页 |
| 6.4 系统运行过程与结果分析 | 第52-57页 |
| 6.5 系统效率分析 | 第57-59页 |
| 6.5.1 单机环境 | 第57-58页 |
| 6.5.2 Spark集群环境 | 第58-59页 |
| 6.6 本章小结 | 第59-61页 |
| 7 结论 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-66页 |