基于Hadoop的视频日志分析系统的设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.3 本文主要研究内容 | 第13-17页 |
| 第二章 系统相关技术研究 | 第17-29页 |
| 2.1 分布式协调服务技术 | 第17-18页 |
| 2.2 数据存储相关技术 | 第18-20页 |
| 2.3 数据采集相关技术 | 第20-22页 |
| 2.3.1 Flume框架 | 第20-21页 |
| 2.3.2 Kafka框架 | 第21-22页 |
| 2.4 数据计算相关技术 | 第22-24页 |
| 2.4.1 HBase框架 | 第22-23页 |
| 2.4.2 Hive框架 | 第23-24页 |
| 2.5 数据分析相关技术 | 第24-27页 |
| 2.5.1 Canopy聚类算法 | 第24-25页 |
| 2.5.2 K-means聚类算法 | 第25-27页 |
| 2.6 本章小结 | 第27-29页 |
| 第三章 系统需求分析与总体架构 | 第29-41页 |
| 3.1 需求分析 | 第29-30页 |
| 3.1.1 功能需求 | 第29-30页 |
| 3.1.2 性能指标 | 第30页 |
| 3.2 总体设计 | 第30-38页 |
| 3.2.1 设计原则 | 第30-31页 |
| 3.2.2 功能架构 | 第31-32页 |
| 3.2.3 技术架构 | 第32-33页 |
| 3.2.4 模块划分 | 第33-38页 |
| 3.3 部署设计 | 第38-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 系统关键模块设计与实现 | 第41-65页 |
| 4.1 日志收集模块 | 第41-44页 |
| 4.1.1 设计方案 | 第41-42页 |
| 4.1.2 具体实现 | 第42-44页 |
| 4.2 数据处理模块 | 第44-49页 |
| 4.2.1 设计方案 | 第44页 |
| 4.2.2 具体实现 | 第44-49页 |
| 4.3 数据计算模块 | 第49-52页 |
| 4.3.1 设计方案 | 第50页 |
| 4.3.2 具体实现 | 第50-52页 |
| 4.4 数据展示模块 | 第52-58页 |
| 4.4.1 设计方案 | 第53页 |
| 4.4.2 具体实现 | 第53-58页 |
| 4.5 算法分析模块 | 第58-63页 |
| 4.5.1 Canopy设计与实现 | 第60-61页 |
| 4.5.2 K-means设计与实现 | 第61-63页 |
| 4.6 本章小结 | 第63-65页 |
| 第五章 系统测试与结果分析 | 第65-79页 |
| 5.1 系统运行环境 | 第65-66页 |
| 5.2 系统功能测试 | 第66-70页 |
| 5.3 系统性能测试与分析 | 第70-73页 |
| 5.4 用户行为及算法结果分析 | 第73-78页 |
| 5.4.1 不同时段用户行为分析 | 第73-74页 |
| 5.4.2 不同频道用户行为分析 | 第74-75页 |
| 5.4.3 不同区域用户行为分析 | 第75-76页 |
| 5.4.4 K-means聚类结果分析 | 第76-78页 |
| 5.5 本章小结 | 第78-79页 |
| 第六章 结论与展望 | 第79-81页 |
| 6.1 论文工作总结 | 第79页 |
| 6.2 未来工作展望 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85-87页 |
| 个人简历、在学期间发表的论文与研究成果 | 第87页 |
