| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 图目录 | 第9-11页 |
| 表目录 | 第11-12页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 本文的主要内容 | 第16-17页 |
| 1.4 论文创新点 | 第17页 |
| 1.5 文章组织结构 | 第17-19页 |
| 第二章 基本概念和相关技术 | 第19-38页 |
| 2.1 Drools规则引擎 | 第19-21页 |
| 2.1.1 Drools规则引擎的优点 | 第20页 |
| 2.1.2 Drools规则引擎的缺点 | 第20-21页 |
| 2.2 MapReduce | 第21-23页 |
| 2.2.1 MapReduce概述 | 第21-22页 |
| 2.2.2 MapReduce的处理过程 | 第22-23页 |
| 2.3 规则匹配 | 第23-37页 |
| 2.3.1 规则和事实 | 第23-24页 |
| 2.3.2 规则匹配的过程 | 第24页 |
| 2.3.3 规则匹配算法 | 第24-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第三章 分布式规则处理框架的设计 | 第38-52页 |
| 3.1 规则的分解 | 第38-41页 |
| 3.2 事实的分解 | 第41-43页 |
| 3.3 事实与规则的匹配 | 第43-48页 |
| 3.4 冲突解决策略 | 第48-50页 |
| 3.4.1 优先级策略 | 第49页 |
| 3.4.2 其他策略 | 第49-50页 |
| 3.5 分布式规则处理框架对比分析 | 第50-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第四章 MapReduce模式下事实数据流处理流程的优化 | 第52-59页 |
| 4.1 问题分析 | 第52-53页 |
| 4.2 优化后的MapReduce事实数据流处理模型 | 第53-54页 |
| 4.3 数据平衡策略 | 第54-58页 |
| 4.3.1 数据平衡的判断 | 第54-57页 |
| 4.3.2 数据平衡策略的实现 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 基于MapReduce的信用卡辅助申请系统 | 第59-68页 |
| 5.1 系统需求分析 | 第59-60页 |
| 5.1.1 业务需求分析 | 第59-60页 |
| 5.1.2 系统功能需求分析 | 第60页 |
| 5.2 信用卡辅助申请系统的设计 | 第60-62页 |
| 5.2.1 功能模块设计 | 第60-62页 |
| 5.2.2 数据库设计 | 第62页 |
| 5.3 系统实现 | 第62-67页 |
| 5.3.1 规则管理实现 | 第63-64页 |
| 5.3.2 事实的分解及匹配 | 第64-66页 |
| 5.3.3 中间匹配结果归并 | 第66-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 实验结果评估 | 第68-71页 |
| 6.1 实验环境 | 第68页 |
| 6.2 评估结果及分析 | 第68-70页 |
| 6.3 本章小结 | 第70-71页 |
| 第七章 总结与展望 | 第71-73页 |
| 7.1 工作总结 | 第71-72页 |
| 7.2 工作展望 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76页 |
