| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究内容 | 第10页 |
| 1.3 论文组织结构 | 第10-13页 |
| 第二章 相关技术介绍 | 第13-25页 |
| 2.1 Hadoop | 第13-14页 |
| 2.2 Storm | 第14-16页 |
| 2.3 Spark | 第16-19页 |
| 2.4 选择Spark的原因 | 第19-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第三章 平台总体架构设计 | 第25-31页 |
| 3.1 平台总体设计 | 第25页 |
| 3.2 实时视频流ETL | 第25-27页 |
| 3.3 分布式实时视频流处理引擎 | 第27-28页 |
| 3.4 分布式文件系统 | 第28-29页 |
| 3.5 本章小结 | 第29-31页 |
| 第四章 实时视频流ETL系统的实现 | 第31-41页 |
| 4.1 视频数据抽取与转换 | 第31-32页 |
| 4.2 消息存储 | 第32-34页 |
| 4.3 消息并行消费 | 第34-36页 |
| 4.4 实时视频流ETL的性能 | 第36-38页 |
| 4.4.1 顺序写磁盘与随机写内存 | 第36-37页 |
| 4.4.2 消息队列的性能 | 第37-38页 |
| 4.5 本章小结 | 第38-41页 |
| 第五章 分布式实时视频流处理引擎的实现 | 第41-55页 |
| 5.1 SparkStreaming实时处理的实现 | 第41-44页 |
| 5.1.1 视频流并行读取 | 第41-43页 |
| 5.1.2 SparkStreaming实时处理 | 第43-44页 |
| 5.2 实时人脸识别案例验证 | 第44-51页 |
| 5.2.1 人脸数据集提取 | 第45-49页 |
| 5.2.2 人脸识别 | 第49-51页 |
| 5.3 SparkSQL的实现 | 第51-54页 |
| 5.3.1 建表 | 第52页 |
| 5.3.2 上层业务 | 第52-53页 |
| 5.3.3 SparkSQL使用的一些要点 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 分布式文件系统的实现 | 第55-63页 |
| 6.1 分布式文件系统HDFs | 第55-56页 |
| 6.2 分布内存文件系统Tachyon | 第56-61页 |
| 6.2.1 Tachyon的使用 | 第56-57页 |
| 6.2.2 Tachyon的内存模型 | 第57-60页 |
| 6.2.3 Tachyon的安全性能 | 第60-61页 |
| 6.3 本章小结 | 第61-63页 |
| 第七章 结束语 | 第63-65页 |
| 7.1 论文总结 | 第63页 |
| 7.2 下一步工作方向 | 第63-65页 |
| 参考文献 | 第65-67页 |
| 致谢 | 第67页 |