| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第11-21页 |
| 1.1 大数据应用的研究现状 | 第12-17页 |
| 1.1.1 大数据的特点及本质 | 第12-14页 |
| 1.1.2 大数据的前世今生 | 第14-16页 |
| 1.1.3 大数据及其相关技术发展方向 | 第16-17页 |
| 1.2 数据仓库技术的研究现状及发展前景 | 第17-21页 |
| 1.2.1 数据仓库基本理念与架构 | 第17-20页 |
| 1.2.2 数据仓库的研究现状及发展前景 | 第20-21页 |
| 2 大数据信息分析系统架构分析 | 第21-32页 |
| 2.1 常见数据库系统架构及发展趋势 | 第21-23页 |
| 2.1.1 关系型结构化数据库 | 第21-22页 |
| 2.1.2 非关系型数据库 | 第22页 |
| 2.1.3 非结构化数据库 | 第22-23页 |
| 2.1.4 数据库技术的发展趋势 | 第23页 |
| 2.2 基于大数据的企业级数据仓库概述 | 第23-26页 |
| 2.2.1 企业级数据仓库架构 | 第23-25页 |
| 2.2.2 大数据推动企业级数据仓库的发展 | 第25页 |
| 2.2.3 新形势下企业级数据仓库所面临的机遇与挑战 | 第25-26页 |
| 2.3 大数据信息分析系统架构特点 | 第26-30页 |
| 2.3.1 列式存储 | 第26-28页 |
| 2.3.2 分布式计算 | 第28-29页 |
| 2.3.3 数据挖掘 | 第29页 |
| 2.3.4 OLTP 与 OLAP | 第29-30页 |
| 2.4 应用实例 | 第30-32页 |
| 3 系统性能分析与调优基本原理和方法 | 第32-39页 |
| 3.1 性能测试与分析的重要性 | 第32-33页 |
| 3.1.1 性能即执行效率 | 第32-33页 |
| 3.1.2 系统性能所带来的影响 | 第33页 |
| 3.2 传统应用系统的性能分析与调优 | 第33-39页 |
| 3.2.1 性能测试及分析过程 | 第33-34页 |
| 3.2.2 业内主流系统性能测试工具及其利弊分析 | 第34-37页 |
| 3.2.3 性能调优原则和重要指标 | 第37-39页 |
| 4 大数据信息分析系统的性能分析调优原则 | 第39-47页 |
| 4.1 性能分析与调优难点 | 第39页 |
| 4.2 Vertica数据库性能分析及调优策略简述 | 第39-47页 |
| 4.2.1 合并连接优化 | 第41-42页 |
| 4.2.2 本地连接优化 | 第42-43页 |
| 4.2.3 分组管道优化 | 第43页 |
| 4.2.4 本地分组优化 | 第43-44页 |
| 4.2.5 预连接Projection优化 | 第44页 |
| 4.2.6 参数优化 | 第44-45页 |
| 4.2.7 资源池优化 | 第45-47页 |
| 5 基于大数据的EDW系统性能分析及调优实例解析 | 第47-65页 |
| 5.1 企业信息技术背景 | 第47-48页 |
| 5.2 核心技术概述 | 第48-54页 |
| 5.2.1 企业内部EDW架构设计 | 第48-50页 |
| 5.2.2 EDW的运作机制 | 第50-52页 |
| 5.2.3 ETL数据挖掘技术方案 | 第52-54页 |
| 5.3 现阶段遇到的问题及解决思路 | 第54-56页 |
| 5.3.1 性能瓶颈 | 第55页 |
| 5.3.2 性能分析及调优方案 | 第55-56页 |
| 5.4 性能优化过程 | 第56-65页 |
| 5.4.1 项目目标 | 第56-57页 |
| 5.4.2 测试环境 | 第57-58页 |
| 5.4.3 测试范围以及成功标准 | 第58页 |
| 5.4.4 测试及优化过程详述 | 第58-65页 |
| 6 调优最终成果及结论 | 第65-68页 |
| 6.1 性能调优结果 | 第65-66页 |
| 6.2 性能调优结论及经验总结 | 第66-68页 |
| 7 总结与下阶段工作 | 第68-70页 |
| 参考文献 | 第70-72页 |
| 致谢 | 第72-74页 |
| 攻读学位期间发表的学术论文目录 | 第74-75页 |
| 附件 | 第75页 |