基于Hadoop平台的时间序列大数据异常检测
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 2 相关理论知识 | 第17-27页 |
| 2.1 Hadoop生态系统概述 | 第17-23页 |
| 2.1.1 HDFS架构 | 第17-18页 |
| 2.1.2 Map Reduce框架 | 第18-20页 |
| 2.1.3 HBase数据库 | 第20-21页 |
| 2.1.4 Zookeeper分布式协调服务 | 第21页 |
| 2.1.5 Opentsdb时间序列数据库 | 第21-23页 |
| 2.2 残差及欧氏距离 | 第23页 |
| 2.2.1 残差 | 第23页 |
| 2.2.2 欧氏距离 | 第23页 |
| 2.3 时间序列模型 | 第23-26页 |
| 2.3.1 线性时间序列模型 | 第23-25页 |
| 2.3.2 隐马尔科夫模型 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 ARIMA模型及其算法的研究 | 第27-37页 |
| 3.1 数据集 | 第27-28页 |
| 3.2 ARIMA模型建模步骤 | 第28页 |
| 3.3 训练集数据预处理 | 第28-32页 |
| 3.3.1 平稳性检验 | 第28-30页 |
| 3.3.2 独立根检验 | 第30页 |
| 3.3.3 确定模型 | 第30-31页 |
| 3.3.4 模型定阶 | 第31-32页 |
| 3.4 ARIMA模型优化 | 第32-36页 |
| 3.4.1 传统单窗口模型 | 第32页 |
| 3.4.2 双滑动窗口ARIMA模型 | 第32-34页 |
| 3.4.3 似然残差概率分布法判断异常点原理 | 第34-36页 |
| 3.4.4 优化前后对比 | 第36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 HMM及其算法的研究 | 第37-46页 |
| 4.1 HMM检测步骤 | 第37-38页 |
| 4.2 HMM三个重要算法 | 第38-40页 |
| 4.2.1 Baum-Welch算法 | 第38页 |
| 4.2.2 Viterbi算法 | 第38-39页 |
| 4.2.3 前向算法 | 第39-40页 |
| 4.3 HMM优化方案 | 第40-41页 |
| 4.3.1 算法下溢优化方法 | 第40页 |
| 4.3.2 概率转移矩阵过大优化方法 | 第40页 |
| 4.3.3 ρ(ο|ψ)值过小优化方法 | 第40-41页 |
| 4.4 训练集学习过程 | 第41-43页 |
| 4.4.1 模型初始化 | 第41页 |
| 4.4.2 Viterbi算法实现 | 第41-42页 |
| 4.4.3 Buam-Welch算法实现 | 第42页 |
| 4.4.4 前向算法实现 | 第42-43页 |
| 4.4.5 训练流程图 | 第43页 |
| 4.5 滑动窗口HMM参数调整 | 第43-44页 |
| 4.6 本章小结 | 第44-46页 |
| 5 分布式时间序列异常检测实现 | 第46-51页 |
| 5.1 数据预处理 | 第46-47页 |
| 5.2 传统欧氏距离分布式算法实现 | 第47-48页 |
| 5.2.1 Map函数实现 | 第47-48页 |
| 5.2.2 Combine函数实现 | 第48页 |
| 5.2.3 Reduce函数实现 | 第48页 |
| 5.3 ARIMA模型分布式实现 | 第48-49页 |
| 5.3.1 Map函数实现 | 第48页 |
| 5.3.2 Combine函数实现 | 第48-49页 |
| 5.3.3 Reduce函数实现 | 第49页 |
| 5.4 HMM分布式实现 | 第49-50页 |
| 5.4.1 Map函数实现 | 第49页 |
| 5.4.2 Combine函数实现 | 第49页 |
| 5.4.3 Reduce函数实现 | 第49-50页 |
| 5.5 实验分析 | 第50页 |
| 5.5.1 实验设计 | 第50页 |
| 5.5.2 实验结果 | 第50页 |
| 5.6 本章小结 | 第50-51页 |
| 6 可视化流量监控平台搭建 | 第51-57页 |
| 6.1 可视化监控平台规划 | 第51-52页 |
| 6.2 可视化监测平台搭建 | 第52-56页 |
| 6.2.1 搭建前准备 | 第52-53页 |
| 6.2.2 平台搭建过程 | 第53-56页 |
| 6.3 本章小结 | 第56-57页 |
| 7 总结与展望 | 第57-59页 |
| 7.1 本文总结 | 第57-58页 |
| 7.2 工作展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间的研究成果目录 | 第62-63页 |
| 致谢 | 第63-64页 |
| 附录A | 第64-69页 |
| Baum-Welch算法实现 | 第64-69页 |
