支持批量计算与流式计算的大数据系统研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 论文的主要工作 | 第12-13页 |
| 1.4 本文的创新点 | 第13-14页 |
| 1.5 论文的组织结构 | 第14-17页 |
| 第二章 系统理论模型 | 第17-27页 |
| 2.1 大数据应用场景选择 | 第17页 |
| 2.2 商空间理论概述 | 第17-21页 |
| 2.2.1 商空间定义 | 第17-19页 |
| 2.2.2 构造商空间 | 第19-21页 |
| 2.3 数据表示模型 | 第21-25页 |
| 2.3.1 证券数据三维模型 | 第21-22页 |
| 2.3.2 时间维多粒度表示 | 第22-23页 |
| 2.3.3 空间维多粒度表示 | 第23-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 大数据双模式计算架构设计 | 第27-37页 |
| 3.1 大数据成熟度模型 | 第27-32页 |
| 3.1.1 大数据成熟度模型研究 | 第27-29页 |
| 3.1.2 二维大数据成熟度模型 | 第29-32页 |
| 3.2 双模式计算架构的分析与设计 | 第32-36页 |
| 3.2.1 批量计算模式 | 第32-33页 |
| 3.2.2 流式计算模式 | 第33页 |
| 3.2.3 大数据双模式计算架构 | 第33-35页 |
| 3.2.4 双模式计算架构工作流程 | 第35-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第四章 架构应用中的算法及模型 | 第37-49页 |
| 4.1 多源异步数据融合算法 | 第37-39页 |
| 4.2 数据拟合算法 | 第39-42页 |
| 4.3 多粒度数据生成算法 | 第42-44页 |
| 4.3.1 细粒度数据生成粗粒度数据 | 第43-44页 |
| 4.3.2 细粒度数据融合到粗粒度数据 | 第44页 |
| 4.4 业务重要度模型 | 第44-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第五章 系统设计与实现 | 第49-61页 |
| 5.1 系统功能介绍 | 第49-50页 |
| 5.2 系统设计 | 第50-53页 |
| 5.2.1 用例设计 | 第50-52页 |
| 5.2.2 操作流程设计 | 第52-53页 |
| 5.3 系统主要模块实现 | 第53-58页 |
| 5.3.1 多源数据采集的实现 | 第53-54页 |
| 5.3.2 多粒度数据生成 | 第54-55页 |
| 5.3.3 指标计算 | 第55-56页 |
| 5.3.4 板块分析 | 第56-57页 |
| 5.3.5 用户操作界面 | 第57-58页 |
| 5.4 实例验证及结果分析 | 第58-59页 |
| 5.5 本章小结 | 第59-61页 |
| 总结与展望 | 第61-63页 |
| 本文工作总结 | 第61页 |
| 进一步工作展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士学位期间取得的学术成果 | 第69-71页 |
| 致谢 | 第71页 |
