| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题背景及研究意义 | 第8页 |
| 1.2 国内外现状研究 | 第8-12页 |
| 1.3 主要内容 | 第12页 |
| 1.4 文章结构 | 第12-14页 |
| 2 相关技术介绍 | 第14-18页 |
| 2.1 大数据处理平台Apache Spark | 第14-16页 |
| 2.2 深度学习框架Keras | 第16-17页 |
| 2.3 本章小结 | 第17-18页 |
| 3 基于Spark的网络数据分析系统关键技术研究 | 第18-33页 |
| 3.1 系统设计目标 | 第18页 |
| 3.2 系统概述与整体架构 | 第18-20页 |
| 3.3 Keras深度学习的并行计算 | 第20-23页 |
| 3.4 Spark Streaming实时计算的性能分析 | 第23-26页 |
| 3.5 Spark Streaming时间间隔的动态调整策略 | 第26-32页 |
| 3.6 本章小结 | 第32-33页 |
| 4 基于Spark的网络数据分析系统的实现 | 第33-45页 |
| 4.1 Keras深度学习的并行计算实现 | 第33-37页 |
| 4.2 Spark Streaming实时计算的性能分析实现 | 第37-39页 |
| 4.3 Spark Streaming时间间隔的动态调整实现 | 第39-43页 |
| 4.4 本章小结 | 第43-45页 |
| 5 系统测试与分析 | 第45-58页 |
| 5.1 系统测试环境 | 第45-46页 |
| 5.2 系统功能测试 | 第46-50页 |
| 5.3 系统性能测试 | 第50-57页 |
| 5.4 本章小结 | 第57-58页 |
| 6 总结与展望 | 第58-60页 |
| 6.1 工作总结 | 第58页 |
| 6.2 研究展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
