| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 主要存在问题 | 第10-11页 |
| 1.4 主要研究内容 | 第11-12页 |
| 1.5 本文组织结构 | 第12-13页 |
| 第2章 关键技术研究 | 第13-28页 |
| 2.1 NoSQL概述 | 第13-15页 |
| 2.1.1 NoSQL发展历史和现状 | 第14-15页 |
| 2.2 MongoDB及其功能概述 | 第15-24页 |
| 2.2.1 MongoDB简介 | 第15-17页 |
| 2.2.2 MongoDB Replication概述 | 第17-21页 |
| 2.2.3 MongoDB的Auto-Sharding功能概述 | 第21-23页 |
| 2.2.4 MongoDB MapReduce概述 | 第23-24页 |
| 2.3 Ruby和DSL | 第24-25页 |
| 2.3.1 Ruby简介 | 第24页 |
| 2.3.2 DSL(Domain Specific Language)简介 | 第24-25页 |
| 2.4 Docker虚拟化技术概述 | 第25-27页 |
| 2.4.1 虚拟化技术 | 第25页 |
| 2.4.2 Docker虚拟化技术简介 | 第25页 |
| 2.4.3 Docker和传统虚拟化技术对比 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 海量数据分析引擎的分析与设计 | 第28-36页 |
| 3.1 系统设计目标 | 第28页 |
| 3.2 关键问题分析与解决 | 第28-31页 |
| 3.2.1 Docker数据管理 | 第28-29页 |
| 3.2.2 MongoDB最终一致性 | 第29-30页 |
| 3.2.3 MongoDB高可靠性架构 | 第30-31页 |
| 3.3 系统设计 | 第31-35页 |
| 3.3.1 海量数据分析引擎系统功能模块 | 第31页 |
| 3.3.2 系统架构图 | 第31-32页 |
| 3.3.3 海量数据分析引擎配置模块流程图 | 第32-33页 |
| 3.3.4 海量数据分析引擎数据ETL模块流程图 | 第33-34页 |
| 3.3.5 海量数据分析引擎核心模块类图 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 海量数据分析引擎的实现 | 第36-47页 |
| 4.1 Docker虚拟化实现 | 第36-39页 |
| 4.1.1 准备Docker环境 | 第36-37页 |
| 4.1.2 构建MongoDB的Docker镜像 | 第37-39页 |
| 4.2 MongoDB集群化实现 | 第39-43页 |
| 4.2.1 启动三个mongod容器 | 第39-40页 |
| 4.2.2 配置集群 | 第40-43页 |
| 4.3 Mongoid通过MapReduce处理海量数据实现 | 第43-44页 |
| 4.4 海量数据分析引擎核心功能实现 | 第44-46页 |
| 4.4.1 数据分析引擎cron处理模块 | 第45页 |
| 4.4.2 数据分析引擎配置模块 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 海量数据分析引擎数据分析与测试 | 第47-50页 |
| 5.1 测试环境搭建 | 第47-48页 |
| 5.1.1 测试环境 | 第47页 |
| 5.1.2 测试用例构建 | 第47-48页 |
| 5.2 测试结果与分析 | 第48-49页 |
| 5.2.1 基于Docker的MongoDB集群 | 第48-49页 |
| 5.2.2 海量数据分析引擎测试配置文件 | 第49页 |
| 5.2.3 实验结果对比 | 第49页 |
| 5.3 本章小结 | 第49-50页 |
| 第6章 总结与展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第56页 |
