首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

面向铁路运维的大数据流式处理技术的研究与应用

致谢第5-6页
摘要第6-8页
ABSTRACT第8-9页
序言第10-13页
1 引言第13-19页
    1.1 课题研究背景及意义第13-14页
        1.1.1 研究背景第13-14页
        1.1.2 研究意义第14页
    1.2 研究现状第14-17页
        1.2.1 铁路大数据研究现状第14-16页
        1.2.2 流式处理研究现状第16-17页
    1.3 本文研究内容第17-18页
    1.4 论文组织安排第18-19页
2 理论及相关技术介绍第19-33页
    2.1 大数据并行处理模式第19-22页
        2.1.1 离线批处理计算第20-21页
        2.1.2 流式计算第21-22页
    2.2 流式处理原理和相关技术第22-31页
        2.2.1 流式处理技术原理第22-23页
        2.2.2 Spark Streaming第23-30页
        2.2.3 Hive和Impala第30-31页
    2.3 流式计算框架对比第31-32页
    2.4 本章小结第32-33页
3 铁路运维数据处理与分析第33-43页
    3.1 业务背景第33-35页
        3.1.1 数据说明第33-35页
        3.1.2 需求与解决方案第35页
    3.2 数据处理与分析第35-42页
        3.2.1 处理环境搭建第36-38页
        3.2.2 传统方式处理第38-39页
        3.2.3 Spark Streaming处理第39-41页
        3.2.4 对比分析第41-42页
    3.3 本章小结第42-43页
4 基于SPARK STREAMING的系统设计实现第43-52页
    4.1 问题分析第43页
    4.2 系统设计第43-46页
        4.2.1 系统架构第43-44页
        4.2.2 数据收集模块设计第44-45页
        4.2.3 数据处理模块设计第45页
        4.2.4 数据应用模块设计第45-46页
    4.3 系统实现第46-51页
        4.3.1 实现环境第46-47页
        4.3.2 数据收集模块实现第47-48页
        4.3.3 数据处理模块实现第48-50页
        4.3.4 数据应用模块实现第50-51页
    4.4 本章小结第51-52页
5 基于SPARK STREAMING的系统优化第52-57页
    5.1 架构优化第52-54页
        5.1.1 Kafka消息队列简介第52-53页
        5.1.2 Kafka整合第53-54页
    5.2 性能优化第54-55页
        5.2.1 Streaming参数调优第54-55页
        5.2.2 结论第55页
    5.3 本章小结第55-57页
6 结论与展望第57-59页
    6.1 工作总结第57-58页
    6.2 工作展望第58-59页
参考文献第59-61页
作者简历及攻读硕士学位期间取得的研究成果第61-63页
学位论文数据集第63页

论文共63页,点击 下载论文
上一篇:分布式驱动电动汽车双馈电机驱动系统研究
下一篇:汽车性能模拟器逼真度关键问题研究