| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究的目的和意义 | 第11-13页 |
| 1.4 论文框架 | 第13-14页 |
| 第二章 相关理论和技术 | 第14-26页 |
| 2.1 日志收集和存储 | 第14-17页 |
| 2.1.1 传统的日志概述和原理 | 第14-15页 |
| 2.1.2 分布式日志收集系统 | 第15-17页 |
| 2.2 流计算技术 | 第17-20页 |
| 2.2.1 传统的基于批处理的MapReduce计算的缺点 | 第17-18页 |
| 2.2.2 流计算 | 第18-20页 |
| 2.3 时间序列数据存储技术 | 第20-21页 |
| 2.4 分布式消息系统 | 第21-25页 |
| 2.4.1 消息队列 | 第21-22页 |
| 2.4.2 传统消息队列ActiveMQ | 第22-23页 |
| 2.4.3 分布式消息队列 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 在线支付风控平台实时分析和监控系统构建 | 第26-52页 |
| 3.1 系统应用场景分析 | 第26-34页 |
| 3.1.1 平台发展 | 第26-30页 |
| 3.1.2 问题分析 | 第30-34页 |
| 3.2 在线支付风控平台的分析和监控的解决方案 | 第34-49页 |
| 3.2.1 架构设计 | 第34-36页 |
| 3.2.2 实时监控数据收集 | 第36-37页 |
| 3.2.3 流式计算平台 | 第37-39页 |
| 3.2.4 分布式消息队列 | 第39-41页 |
| 3.2.5 时序数据存储和高速缓存存储结合 | 第41-48页 |
| 3.2.6 采用JSON数据格式 | 第48-49页 |
| 3.3 在线支付风控平台的分析和监控的平台搭建 | 第49-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 在线支付风控平台实时分析和监控系统的具体实现 | 第52-71页 |
| 4.1 实时日志收集模块的具体实现 | 第52-56页 |
| 4.1.1 Source组建 | 第52-53页 |
| 4.1.2 Channel组件 | 第53-55页 |
| 4.1.3 Sink组件 | 第55-56页 |
| 4.2 原始数据分析模块 | 第56-62页 |
| 4.2.1 KafkaSpout | 第58页 |
| 4.2.2 解析Bolt | 第58-59页 |
| 4.2.3 聚集运算Bolt | 第59-62页 |
| 4.2.4 存储Bolt | 第62页 |
| 4.3 结果数据存储实现 | 第62-64页 |
| 4.4 可配置和自动化的实现 | 第64-65页 |
| 4.5 报表模块实现 | 第65页 |
| 4.6 预警模块实现 | 第65-66页 |
| 4.7 测试评估 | 第66-70页 |
| 4.7.1 测试环境 | 第66-68页 |
| 4.7.2 风控业务解耦 | 第68-69页 |
| 4.7.3 低延迟和高吞吐 | 第69页 |
| 4.7.4 伸缩性 | 第69-70页 |
| 4.7.5 响应时间 | 第70页 |
| 4.7.6 可配置和自动化 | 第70页 |
| 4.7.7 建设成本 | 第70页 |
| 4.8 本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 主要结论 | 第71-72页 |
| 5.2 研究展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 附录 | 第77-83页 |
| 致谢 | 第83-84页 |
| 攻读学位期间发表的学术论文 | 第84-86页 |