摘要 | 第5-6页 |
Abstract | 第6页 |
第一章 引言 | 第9-13页 |
1.1 .研究背景 | 第9-10页 |
1.2 .国内外研究现状 | 第10-11页 |
1.3 .研究目标和研究内容 | 第11页 |
1.4 .论文的组织结构 | 第11-13页 |
第二章 相关技术 | 第13-18页 |
2.1 .分布式发布订阅消息系统Kafka技术 | 第13-14页 |
2.2 .用户兴趣数据提取技术 | 第14-15页 |
2.2.1 .正文提取技术 | 第14-15页 |
2.2.2 .中文分词技术 | 第15页 |
2.2.3 .关键词提取技术 | 第15页 |
2.3 .用户消费习惯数据提取技术 | 第15页 |
2.4 .内存数据库Redis技术 | 第15-16页 |
2.5 .Openresty技术 | 第16-17页 |
2.6 .本章小结 | 第17-18页 |
第三章 需求分析与总体设计 | 第18-25页 |
3.1 .系统需求分析 | 第18-23页 |
3.1.1 .iServer功能需求分析 | 第18-22页 |
3.1.2.1 流程和功能模块 | 第18-19页 |
3.1.2.2 主要功能需求 | 第19-22页 |
3.1.2 .非功能性需求分析 | 第22-23页 |
3.2 .iServer总体设计 | 第23-24页 |
3.2.1 .iServer总体设计 | 第23页 |
3.2.2 .iServer总体工作逻辑图 | 第23-24页 |
3.3 .本章小结 | 第24-25页 |
第四章 详细设计与实现 | 第25-44页 |
4.1 .用户兴趣数据提取方案的设计与实现 | 第25-32页 |
4.1.1 .用户兴趣数据提取方案的设计 | 第25-26页 |
4.1.2 .网页正文提取的实现 | 第26-27页 |
4.1.3 .中文分词IKAnalyzer的实现 | 第27页 |
4.1.4 .基于TF-IDF算法的关键词提取的实现 | 第27-29页 |
4.1.5 .基于KNN算法的实现 | 第29-30页 |
4.1.6 .类实现 | 第30-32页 |
4.2 .数据的实时传输方案的设计与实现 | 第32-38页 |
4.2.1 .数据的实时传输方案 | 第32-33页 |
4.2.2 .用户IP数据和地理位置数据的实现 | 第33页 |
4.2.3 .用户广告点击数据的实现 | 第33-34页 |
4.2.4 .第三方DMP用户兴趣数据的实现 | 第34-36页 |
4.2.5 .RedisAPI的实现 | 第36-37页 |
4.2.6 .类实现 | 第37-38页 |
4.3 .用户消费习惯数据提取方案的设计与实现 | 第38页 |
4.3.1 .用户消费习惯数据提取方案的设计 | 第38页 |
4.3.2 .用户消费习惯数据提取方案的实现 | 第38页 |
4.4 .用户数据的查询方案的设计与实现 | 第38-43页 |
4.4.1 .用户数据的查询方案的设计 | 第38-39页 |
4.4.2 .Redis | 第39-40页 |
4.4.3 .Redis数据类型 | 第40-41页 |
4.4.4 .Redis集群(Rediscluster) | 第41-43页 |
4.4.5 .Openresty的实现 | 第43页 |
4.5 .本章小结 | 第43-44页 |
第五章 测试与分析 | 第44-54页 |
5.1 .功能性测试 | 第44-47页 |
5.1.1 .用户兴趣数据提取测试 | 第44-46页 |
5.1.2 .数据实时传输测试 | 第46页 |
5.1.3 .用户消费习惯数据提取测试 | 第46-47页 |
5.1.4 .用户数据查询测试 | 第47页 |
5.2 .非功能性测试 | 第47-52页 |
5.2.1 .Redis测试环境 | 第48-51页 |
5.2.1.1 .用户兴趣数据读性能测试 | 第48-49页 |
5.2.1.2 .用户兴趣数据写性能测试 | 第49-50页 |
5.2.1.3 .Redis集群高可用测试 | 第50-51页 |
5.2.2 .Kafka测试环境 | 第51-52页 |
5.2.2.1 .Kafkaproducer性能测试 | 第51页 |
5.2.2.2 .Kafkaconsumer性能测试 | 第51-52页 |
5.2.2.3 .Kafka高可用测试 | 第52页 |
5.3 .本章小结 | 第52-54页 |
第六章 结论与展望 | 第54-56页 |
6.1 .结论 | 第54页 |
6.2 .展望 | 第54-56页 |
致谢 | 第56-57页 |
参考文献 | 第57-59页 |