| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究的背景和意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 ETL研究概述 | 第13-15页 |
| 1.2.2 Spark概述 | 第15-16页 |
| 1.3 论文的主要研究内容 | 第16页 |
| 1.4 论文的组织结构 | 第16-18页 |
| 第2章 相关技术 | 第18-22页 |
| 2.1 ETL过程与分布式ETL | 第18-19页 |
| 2.1.1 ETL过程 | 第18页 |
| 2.1.2 分布式ETL技术 | 第18-19页 |
| 2.2 Spark简介 | 第19-21页 |
| 2.2.1 Spark集群 | 第19-20页 |
| 2.2.2 Spark数据模型—RDD | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 基于Spark的分布式ETL研究 | 第22-31页 |
| 3.1 引言 | 第22-23页 |
| 3.2 基于Spark的分布式ETL | 第23-24页 |
| 3.3 基于Spark的并行转换 | 第24-28页 |
| 3.3.1 基于分区的并行管道处理 | 第26-27页 |
| 3.3.2 分区预聚合处理 | 第27-28页 |
| 3.4 实验与结果分析 | 第28-29页 |
| 3.5 本章小结 | 第29-31页 |
| 第4章 基于Spark的性能优化 | 第31-41页 |
| 4.1 性能调优概述 | 第31-33页 |
| 4.2 基于数据倾斜的调优 | 第33-38页 |
| 4.2.1 数据倾斜 | 第33-35页 |
| 4.2.2 针对数据倾斜的调优策略 | 第35-38页 |
| 4.3 实验与结果分析 | 第38-39页 |
| 4.4 本章小结 | 第39-41页 |
| 第5章 基于Spark的ETL应用 | 第41-54页 |
| 5.1 应用背景及需求 | 第41-42页 |
| 5.2 数据仓库星型结构的设计 | 第42-47页 |
| 5.2.1 维度表设计 | 第43-46页 |
| 5.2.2 事实表设计 | 第46-47页 |
| 5.3 传统的决策系统架构设计与基于SSIS的ETL实现 | 第47-50页 |
| 5.3.1 传统的决策系统架构设计 | 第47-48页 |
| 5.3.2 基于SSIS的ETL实现 | 第48-50页 |
| 5.4 基于Spark的决策系统架构设计 | 第50-51页 |
| 5.5 ETL实验与结果分析 | 第51-52页 |
| 5.6 比较与分析 | 第52-53页 |
| 5.7 本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 6.1 本文总结 | 第54页 |
| 6.2 工作展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读学位期间的研究成果目录 | 第60-61页 |
| 致谢 | 第61页 |