面向非结构化文本大数据预处理中间件系统的设计与实现
摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第9-16页 |
1.1 课题来源 | 第9页 |
1.2 研究背景、目的和意义 | 第9-10页 |
1.3 研究现状综述 | 第10-14页 |
1.3.1 文本预处理技术 | 第11-12页 |
1.3.2 大数据挖掘技术 | 第12-14页 |
1.4 论文主要内容及组织结构 | 第14-16页 |
第2章 分布式预处理中间件系统框架设计 | 第16-24页 |
2.1 分布式计算框架 | 第16-20页 |
2.1.1 Hadoop计算框架 | 第16-18页 |
2.1.2 Spark计算框架 | 第18-19页 |
2.1.3 问题描述 | 第19-20页 |
2.2 基于Hadoop的预处理中间件系统 | 第20-23页 |
2.2.1 整体设计 | 第21页 |
2.2.3 数据管理子系统 | 第21-22页 |
2.2.4 任务调度器 | 第22页 |
2.2.5 预处理算法库 | 第22-23页 |
2.3 本章小结 | 第23-24页 |
第3章 基于Hbase的数据管理系统设计 | 第24-41页 |
3.1 Hbase构架 | 第24-26页 |
3.2 Hbase数据表Schema设计 | 第26-30页 |
3.2.1 Key-Value特性分析 | 第26-27页 |
3.2.2 Key-Value设计 | 第27-30页 |
3.3 数据管理系统框架设计 | 第30-31页 |
3.4 数据管理系统模块设计 | 第31-40页 |
3.4.1 数据库管理模块 | 第31-34页 |
3.4.2 键生成模块 | 第34-35页 |
3.4.3 数据写入模块 | 第35-36页 |
3.4.4 数据查询模块 | 第36-40页 |
3.4.5 数据删除模块 | 第40页 |
3.5 本章小结 | 第40-41页 |
第4章 基于Spark的预处理算法库设计 | 第41-55页 |
4.1 分布式编程框架 | 第41-44页 |
4.1.1 传统MapReduce编程框架 | 第41-43页 |
4.1.2 Spark编程框架 | 第43-44页 |
4.2 预处理算法分布式化设计 | 第44-54页 |
4.2.1 JavaRDD功能概述 | 第44-45页 |
4.2.2 网页去噪功能的分布式化 | 第45-47页 |
4.2.3 中文分词功能的分布式化 | 第47-49页 |
4.2.4 去停用词功能的分布式化 | 第49-50页 |
4.2.5 特征选择功能的分布式化 | 第50-54页 |
4.3 本章小结 | 第54-55页 |
第5章 系统实现与性能测试 | 第55-66页 |
5.1 实现环境及平台搭建 | 第55-57页 |
5.1.1 硬件支持 | 第55-56页 |
5.1.2 软件支持 | 第56页 |
5.1.3 网络环境 | 第56-57页 |
5.1.4 集群部署与参数配置 | 第57页 |
5.2 系统模块实现 | 第57-61页 |
5.2.1 数据管理系统实现 | 第57-60页 |
5.2.2 预处理算法库实现 | 第60-61页 |
5.3 系统测试与性能对比 | 第61-65页 |
5.3.1 单机与分布式速度对比测试 | 第61-62页 |
5.3.2 并行加速比测试 | 第62-64页 |
5.3.3 可扩展性测试 | 第64-65页 |
5.4 本章小结 | 第65-66页 |
第6章 总结与展望 | 第66-68页 |
6.1 工作总结 | 第66页 |
6.2 未来展望 | 第66-68页 |
致谢 | 第68-69页 |
参考文献 | 第69-71页 |