| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题来源 | 第9页 |
| 1.2 研究背景与意义 | 第9-12页 |
| 1.3 国内外发展现状 | 第12-16页 |
| 1.4 论文工作与结构 | 第16-18页 |
| 第2章 系统总体架构设计 | 第18-30页 |
| 2.1 系统技术难点 | 第18页 |
| 2.2 现有技术分析 | 第18-27页 |
| 2.2.1 现有架构分析 | 第19-21页 |
| 2.2.2 计算框架分析 | 第21-27页 |
| 2.3 系统整体架构设计 | 第27-29页 |
| 2.3.1 系统整体架构 | 第27-28页 |
| 2.3.2 系统架构分析 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 数据流聚类算法改进与并行化 | 第30-41页 |
| 3.1 CluStream数据流聚类算法 | 第30-31页 |
| 3.2 CluStream算法改进方案 | 第31-38页 |
| 3.2.1 基本概念 | 第33-35页 |
| 3.2.2 在线微聚类算法 | 第35-36页 |
| 3.2.3 离线宏聚类算法 | 第36-38页 |
| 3.3 CluStream改进算法并行化实现 | 第38-39页 |
| 3.3.1 基于Spark Streaming的算法并行化架构 | 第38-39页 |
| 3.3.2 基于Spark Streaming的并行化Clu Stream改进算法 | 第39页 |
| 3.4 本章小结 | 第39-41页 |
| 第4章 城市交通拥堵区域实时分析系统实现 | 第41-64页 |
| 4.1 数据接入模块分析与实现 | 第41-48页 |
| 4.1.1 Kafka消息队列 | 第41-44页 |
| 4.1.2 数据接入模块框架 | 第44-45页 |
| 4.1.3 基于Kafka的数据接入模块实现 | 第45-48页 |
| 4.2 实时处理模块分析与实现 | 第48-52页 |
| 4.2.1 Spark Streaming处理框架 | 第48-50页 |
| 4.2.2 实时处理模块框架 | 第50-51页 |
| 4.2.3 基于Spark Streaming的实时处理模块实现 | 第51-52页 |
| 4.3 数据存储模块分析与实现 | 第52-58页 |
| 4.3.1 MySQL和Redis存储方案分析 | 第52-54页 |
| 4.3.2 数据存储模块框架 | 第54-55页 |
| 4.3.3 基于MySQL和Redis的数据存储模块实现 | 第55-58页 |
| 4.4 数据访问模块分析与实现 | 第58-63页 |
| 4.4.1 Web服务器分析 | 第58-59页 |
| 4.4.2 数据访问和展示模块框架 | 第59-60页 |
| 4.4.3 基于HTTP的数据查询处理 | 第60-61页 |
| 4.4.4 基于WebSocket的数据推送 | 第61-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第5章 系统测试 | 第64-70页 |
| 5.1 测试环境 | 第64-65页 |
| 5.2 系统功能测试 | 第65-66页 |
| 5.3 系统性能测试 | 第66-69页 |
| 5.3.1 CluStream改进算法性能 | 第66-67页 |
| 5.3.2 实时处理模块吞吐量性能 | 第67-68页 |
| 5.3.3 实时数据访问性能 | 第68-69页 |
| 5.4 本章小结 | 第69-70页 |
| 第6章 总结与展望 | 第70-72页 |
| 6.1 工作总结 | 第70-71页 |
| 6.2 研究展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
