| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景、意义 | 第11-12页 |
| 1.2 现状研究 | 第12-15页 |
| 1.2.1 高并发网络请求策略的研究现状 | 第12-13页 |
| 1.2.2 数据采集模式研究现状和使用情况 | 第13-15页 |
| 1.3 数据采集主要面临的主要问题 | 第15-16页 |
| 1.4 论文主要工作和研究内容 | 第16-17页 |
| 1.5 本文组织结构 | 第17-18页 |
| 第二章 信息采集平台设计和分析 | 第18-28页 |
| 2.0 引言 | 第18-19页 |
| 2.1 平台架构分析 | 第19页 |
| 2.2 移动终端设计和分析 | 第19-21页 |
| 2.2.1 基于iOS和android系统的APP数据采集 | 第19页 |
| 2.2.2 基于微信企业号的Web数据采集 | 第19-20页 |
| 2.2.3 Web Services技术 | 第20-21页 |
| 2.3 网络请求调度负载均衡器 | 第21-23页 |
| 2.3.1 算法分析 | 第21-23页 |
| 2.3.2 实验验证 | 第23页 |
| 2.4 数据处理 | 第23-27页 |
| 2.4.1 HDFS体系及数据存储 | 第24-27页 |
| 2.5 本章总结 | 第27-28页 |
| 第三章 基于高并发网络请求的计算机集群负载均衡 | 第28-41页 |
| 3.1 引言 | 第28页 |
| 3.2 负载均衡技术分析 | 第28-30页 |
| 3.2.1 负载均衡原理和特点 | 第28-30页 |
| 3.2.2 负载均衡技术分类 | 第30页 |
| 3.3 负载均衡集群技术 | 第30-32页 |
| 3.3.1 集群中的调度算法分析 | 第31-32页 |
| 3.3.2 负载均衡调度执行时遇到的问题 | 第32页 |
| 3.4 基于请求任务预测的负载均衡模型 | 第32-33页 |
| 3.4.1 服务器集群中的任务负载分析 | 第32-33页 |
| 3.5 基于请求任务预测的负载均衡调度 | 第33-37页 |
| 3.5.1 算法分析 | 第33-35页 |
| 3.5.2 算法改进 | 第35-37页 |
| 3.6 实验验证 | 第37-40页 |
| 3.6.1 负载均衡模型 | 第37-38页 |
| 3.6.2 参数设置 | 第38-39页 |
| 3.6.3 性能分析 | 第39-40页 |
| 3.7 本章小结 | 第40-41页 |
| 第四章 基于马尔科夫预测的调度模型分析 | 第41-51页 |
| 4.1 引言 | 第41页 |
| 4.2 多维Markov链的应用 | 第41-42页 |
| 4.3 排队论的应用 | 第42-44页 |
| 4.3.1 集中式负载均衡排队论模型 | 第43页 |
| 4.3.2 分布式负载均衡排队论模型 | 第43-44页 |
| 4.4 多维Markov排队模型 | 第44-50页 |
| 4.4.1 策略分析 | 第44-48页 |
| 4.4.2 算法思想 | 第48-49页 |
| 4.4.3 性能分析 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 全国零售户信息采集系统设计 | 第51-62页 |
| 5.1 引言 | 第51页 |
| 5.2 系统设计方案与思路 | 第51-55页 |
| 5.2.1 系统体系架构 | 第51-54页 |
| 5.2.2 系统技术架构 | 第54-55页 |
| 5.3 数据采集平台建设 | 第55-57页 |
| 5.3.1 基于移动终端设备的采集平台架构 | 第55-56页 |
| 5.3.2 采集系统软硬件准备 | 第56-57页 |
| 5.4 数据中心建设 | 第57-59页 |
| 5.4.1 基于Hadoop的大数据中心架构 | 第57-58页 |
| 5.4.2 数据平台建设 | 第58页 |
| 5.4.3 软硬件配置 | 第58-59页 |
| 5.5 系统展示 | 第59-61页 |
| 5.5.1 基于手机APP移动终端采集软件展示 | 第59-60页 |
| 5.5.2 品牌分析 | 第60-61页 |
| 5.5.3 零售户价值分析 | 第61页 |
| 5.6 本章总结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 全文总结 | 第62-63页 |
| 6.2 研究展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读学位期间的研究成果 | 第67页 |