| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 图目录 | 第9-10页 |
| 表目录 | 第10-11页 |
| 第一章 绪论 | 第11-15页 |
| ·选题的背景与意义 | 第11-12页 |
| ·国内外研究现状及分析 | 第12-13页 |
| ·项目简介 | 第13页 |
| ·本文的主要内容 | 第13-14页 |
| ·本文的组织 | 第14-15页 |
| 第二章 Hadoop相关技术 | 第15-30页 |
| ·Hadoop简介 | 第15页 |
| ·HDFS系统 | 第15-20页 |
| ·Hadoop分布式文件系统 | 第15-16页 |
| ·体系结构 | 第16-18页 |
| ·计算与数据存取 | 第18-19页 |
| ·文件系统的基本操作 | 第19-20页 |
| ·Map/Reduce编程框架 | 第20-25页 |
| ·概述 | 第20-21页 |
| ·原理介绍 | 第21-23页 |
| ·Shuffle过程 | 第23-25页 |
| ·Hive | 第25-29页 |
| ·Hive简介 | 第25页 |
| ·Hive与数据库的异同 | 第25-27页 |
| ·Hive原理 | 第27-28页 |
| ·Hive的数据存储 | 第28-29页 |
| ·Hive与Hadoop streaming的比较 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第三章 海量数据处理与统计的需求 | 第30-34页 |
| ·项目目标 | 第30页 |
| ·数据的来源 | 第30-31页 |
| ·多维数据集及统计指标 | 第31-34页 |
| 第四章 海量数据处理与统计的设计和实现 | 第34-56页 |
| ·整体设计 | 第34-35页 |
| ·用户人群的分类 | 第35-37页 |
| ·用户人群分类标准 | 第35页 |
| ·用户人群分类的设计 | 第35-36页 |
| ·用户人群分类的实现 | 第36-37页 |
| ·总体数据的统计 | 第37-40页 |
| ·表的设计与实现 | 第37-40页 |
| ·HDFS上表的连接操作 | 第40页 |
| ·广告类型数据统计 | 第40-42页 |
| ·广告类型概述 | 第40-41页 |
| ·统计方式与实现 | 第41-42页 |
| ·结果的分析与应用 | 第42页 |
| ·cookie重合度统计 | 第42-47页 |
| ·cookie重合度统计的设计 | 第42-44页 |
| ·cookie重合度统计的实现 | 第44-47页 |
| ·结果的分析与应用 | 第47页 |
| ·品牌探针 | 第47-52页 |
| ·广告主词与兴趣点概述 | 第47页 |
| ·品牌探针的设计 | 第47-49页 |
| ·品牌探针的实现 | 第49-50页 |
| ·对应分析算法实现 | 第50-52页 |
| ·全网路统计 | 第52-56页 |
| ·用户对产品认知过程初探 | 第52-53页 |
| ·设计与实现 | 第53-55页 |
| ·结果的应用初步 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| ·本文小结 | 第56页 |
| ·进一步展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-63页 |