基于Spark的海量数据计算平台设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-15页 |
| 1.1 平台技术背景 | 第9-11页 |
| 1.1.1 海量数据计算技术背景 | 第9-10页 |
| 1.1.2 Webx框架技术背景 | 第10-11页 |
| 1.2 平台技术现状 | 第11-13页 |
| 1.2.1 Hadoop和Spark技术现状 | 第11-12页 |
| 1.2.2 Web框架技术现状 | 第12-13页 |
| 1.2.3 海量数据计算平台技术现状 | 第13页 |
| 1.3 本文的组织结构 | 第13-14页 |
| 1.4 本文的主要工作 | 第14-15页 |
| 2 相关技术和工具 | 第15-24页 |
| 2.1 分布式计算框架Spark | 第15-18页 |
| 2.1.1 分布式文件系统HDFS | 第15-16页 |
| 2.1.2 弹性分布式数据集RDD | 第16-18页 |
| 2.1.3 机器学习算法库MLlib | 第18页 |
| 2.2 Webx技术原理 | 第18-22页 |
| 2.2.1 SpringExt | 第19-20页 |
| 2.2.2 Webx Framework | 第20-22页 |
| 2.2.3 Webx Turbine | 第22页 |
| 2.3 Secure Shell | 第22-24页 |
| 3 需求分析 | 第24-29页 |
| 3.1 设计目标 | 第24-25页 |
| 3.2 功能需求 | 第25-27页 |
| 3.2.1 Spark图形化操作 | 第26页 |
| 3.2.2 海量数据存储管理 | 第26页 |
| 3.2.3 传统机器学习算法迁移 | 第26页 |
| 3.2.4 算法自定义 | 第26页 |
| 3.2.5 结果可视化分析 | 第26页 |
| 3.2.6 留言板反馈Bug | 第26-27页 |
| 3.3 安全需求 | 第27-28页 |
| 3.3.1 权限机制 | 第27页 |
| 3.3.2 数据安全 | 第27-28页 |
| 3.4 性能需求 | 第28页 |
| 3.4.1 平台稳定性 | 第28页 |
| 3.4.2 平台处理速度 | 第28页 |
| 3.5 可行性分析 | 第28-29页 |
| 4 平台设计 | 第29-42页 |
| 4.1 总体设计 | 第29-31页 |
| 4.1.1 平台处理流程 | 第29-30页 |
| 4.1.2 平台逻辑结构 | 第30-31页 |
| 4.2 平台功能模块设计 | 第31-32页 |
| 4.3 数据库设计 | 第32-36页 |
| 4.3.1 概念设计 | 第32-33页 |
| 4.3.2 逻辑视图 | 第33-35页 |
| 4.3.3 XML文档设计 | 第35-36页 |
| 4.4 详细设计 | 第36-42页 |
| 4.4.1 算法信息模块 | 第36-37页 |
| 4.4.2 海量数据存储模块 | 第37-38页 |
| 4.4.3 海量数据运算模块 | 第38-40页 |
| 4.4.4 可视化分析模块 | 第40-42页 |
| 5 平台实现与测试 | 第42-58页 |
| 5.1 平台开发环境 | 第42-43页 |
| 5.2 平台实现 | 第43-52页 |
| 5.2.1 算法信息模块 | 第43-46页 |
| 5.2.2 海量数据存储模块 | 第46-48页 |
| 5.2.3 海量数据运算模块 | 第48-51页 |
| 5.2.4 可视化分析模块 | 第51-52页 |
| 5.3 平台测试 | 第52-58页 |
| 5.3.1 自定义算法测试 | 第52-53页 |
| 5.3.2 数据上传测试 | 第53-54页 |
| 5.3.3 算法运行测试 | 第54-55页 |
| 5.3.4 可视化分析测试 | 第55-56页 |
| 5.3.5 平台计算性能测试 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-62页 |
| 致谢 | 第62-63页 |
