| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 缩略词表 | 第7-11页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-13页 |
| 1.1.1 大数据审计 | 第11-12页 |
| 1.1.2 数据仓库及OLAP | 第12页 |
| 1.1.3 分布式系统及Spark | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 研究内容及意义 | 第15页 |
| 1.4 本文结构安排 | 第15-17页 |
| 第二章 联机分析与并行框架技术 | 第17-29页 |
| 2.1 OLAP联机分析 | 第17-22页 |
| 2.1.1 联机分析的定义 | 第17页 |
| 2.1.2 联机分析处理特点 | 第17-19页 |
| 2.1.3 立方体的定义及分类 | 第19-20页 |
| 2.1.4 封闭立方体举例说明 | 第20-22页 |
| 2.2 分布并行式框架Spark | 第22-26页 |
| 2.2.1 Spark介绍 | 第22-23页 |
| 2.2.2 Spark的优势与特点 | 第23-25页 |
| 2.2.3 弹性分布式数据集RDD | 第25页 |
| 2.2.4 Scala及相关API | 第25-26页 |
| 2.3 大数据审计 | 第26-28页 |
| 2.3.1 常用审计方法 | 第26-27页 |
| 2.3.2 大数据审计 | 第27-28页 |
| 2.3.3 Benford法则的定义 | 第28页 |
| 2.3.4 Benford法则的相关应用 | 第28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 封闭立方体的预处理 | 第29-38页 |
| 3.1 封闭立方体 | 第29-30页 |
| 3.1.1 相关概念 | 第29-30页 |
| 3.2 预处理过程中的数据流处理 | 第30-31页 |
| 3.3 封闭立方体的产生算法 | 第31-35页 |
| 3.3.1 完全立方体计算的多路数组聚集(MultiWay法) | 第31页 |
| 3.3.2 BUC：从顶点方体向下计算立方体 | 第31-32页 |
| 3.3.3 基于Spark API的封闭立方体生成算法 | 第32-34页 |
| 3.3.4 封闭立方体的更新算法 | 第34-35页 |
| 3.4 实验及结果分析 | 第35-37页 |
| 3.4.1 实验数据 | 第35-36页 |
| 3.4.2 实验分析 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于封闭立方体格结构的分布式查询算法 | 第38-43页 |
| 4.1 OLAP查询模型 | 第38-40页 |
| 4.1.1 分层封闭立方体查询模型 | 第38-39页 |
| 4.1.2 点查询模型 | 第39页 |
| 4.1.3 封闭元组的数组结构 | 第39-40页 |
| 4.2 基于封闭立方体的查询算法 | 第40-41页 |
| 4.3 对比传统基于Hadoop的查询方法 | 第41页 |
| 4.4 封闭立方体的数据划分 | 第41-42页 |
| 4.5 查询实例 | 第42页 |
| 4.6 查询算法的优势 | 第42页 |
| 4.7 本章小结 | 第42-43页 |
| 第五章 基于封闭立方体技术的大数据审计系统架构及实现 | 第43-51页 |
| 5.1 审计系统架构 | 第43-44页 |
| 5.2 实验平台搭建 | 第44-47页 |
| 5.2.1 环境配置 | 第44-45页 |
| 5.2.2 搭建分布式集群 | 第45-47页 |
| 5.2.3 数据上传及测试环境配置 | 第47页 |
| 5.3 具体的审计案例 | 第47-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-52页 |
| 6.1 本文工作总结 | 第51页 |
| 6.2 未来工作展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-55页 |
