品牌推荐系统后台数据管理和任务调度技术研究与实现
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 主要研究工作 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第二章 品牌推荐系统概述和相关技术研究 | 第14-25页 |
| 2.1 品牌推荐系统概述 | 第14-15页 |
| 2.2 分布式计算平台Hadoop | 第15-18页 |
| 2.3 YARN的任务调度机制 | 第18-22页 |
| 2.3.1 资源调度器 | 第18-19页 |
| 2.3.2 容量调度器 | 第19-21页 |
| 2.3.3 公平调度器 | 第21-22页 |
| 2.4 分布式数据库 | 第22页 |
| 2.5 分布式日志收集 | 第22-23页 |
| 2.6 推荐算法 | 第23-25页 |
| 第三章 品牌推荐系统的数据管理 | 第25-41页 |
| 3.1 数据库设计 | 第26-30页 |
| 3.1.1 HBase键结构设计原则 | 第26-28页 |
| 3.1.2 用户序日志表的设计 | 第28页 |
| 3.1.3 时间序日志表的设计 | 第28-30页 |
| 3.1.4 推荐结果表的设计 | 第30页 |
| 3.2 日志收集与存储 | 第30-34页 |
| 3.2.1 系统需求 | 第30页 |
| 3.2.2 日志收集工具 | 第30-31页 |
| 3.2.3 日志收集子系统的设计 | 第31-32页 |
| 3.2.4 日志的上传 | 第32-33页 |
| 3.2.5 日志的转存 | 第33-34页 |
| 3.3 批量导入数据 | 第34-35页 |
| 3.4 推荐结果的生成 | 第35-38页 |
| 3.4.1 数据预处理 | 第36-37页 |
| 3.4.2 推荐过程 | 第37-38页 |
| 3.4.3 推荐结果导入数据库 | 第38页 |
| 3.5 数据的查询 | 第38-41页 |
| 第四章 品牌推荐系统的任务管理和调度 | 第41-53页 |
| 4.1 系统中的任务 | 第41-42页 |
| 4.2 任务调度策略 | 第42-46页 |
| 4.3 任务调度的设计与实现 | 第46-47页 |
| 4.4 推测执行机制的研究和改进 | 第47-53页 |
| 4.4.1 现有的推测执行机制 | 第47-49页 |
| 4.4.2 现有推测执行机制的不足 | 第49-50页 |
| 4.4.3 推测执行机制的改进 | 第50-53页 |
| 第五章 实验与测试 | 第53-64页 |
| 5.1 实验环境 | 第53-57页 |
| 5.1.1 Hadoop和HBase集群的搭建 | 第53-56页 |
| 5.1.2 日志收集子系统的搭建 | 第56-57页 |
| 5.1.3 数据来源 | 第57页 |
| 5.2 系统测试 | 第57-64页 |
| 5.2.1 日志收集 | 第57-58页 |
| 5.2.2 日志的上传和转存 | 第58-60页 |
| 5.2.3 日志的查询 | 第60-61页 |
| 5.2.4 推荐结果的查询 | 第61-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间发表的学术论文目录 | 第70页 |
