基于Storm云平台的电网设备报警数据快速处理的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 智能电网发展现状 | 第10-11页 |
| 1.2.1 国外智能电网研究与发展 | 第10-11页 |
| 1.2.2 国内智能电网研究与发展 | 第11页 |
| 1.3 论文研究内容 | 第11-12页 |
| 1.4 论文的组织结构 | 第12页 |
| 1.5 本章小结 | 第12-13页 |
| 第2章 大数据处理平台 | 第13-20页 |
| 2.1 引言 | 第13-14页 |
| 2.2 批处理平台 | 第14-16页 |
| 2.2.1 Hadoop | 第14-15页 |
| 2.2.2 Impala | 第15页 |
| 2.2.3 Spark | 第15-16页 |
| 2.3 流处理平台 | 第16-18页 |
| 2.3.1 Twitter Storm | 第16-17页 |
| 2.3.2 Yahoo S4 | 第17-18页 |
| 2.4 电力大数据实时处理平台的选取 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第3章 Storm平台简介 | 第20-29页 |
| 3.1 Storm平台架构 | 第20-21页 |
| 3.2 Storm基本概念 | 第21-27页 |
| 3.3 Storm并行模型 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第4章 Storm平台下的电网数据处理 | 第29-41页 |
| 4.1 基于近似熵算法的电网数据特征提取 | 第29-35页 |
| 4.1.1 近似熵理论 | 第29-30页 |
| 4.1.2 Storm框架下近似熵算法的实现 | 第30-35页 |
| 4.2 基于DBSCAN的电网数据实时聚类 | 第35-39页 |
| 4.2.1 DBSCAN算法概述 | 第35-36页 |
| 4.2.2 Storm框架下DBSCAN算法实现 | 第36-39页 |
| 4.3 数据越限检查 | 第39-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第5章 集群部署与性能分析 | 第41-50页 |
| 5.1 Storm集群部署 | 第41-45页 |
| 5.1.1 安装部署Storm外部依赖 | 第41-42页 |
| 5.1.2 搭建Zookeeper集群 | 第42-43页 |
| 5.1.3 安装Storm | 第43-44页 |
| 5.1.4 启动Storm各进程 | 第44-45页 |
| 5.2 Storm集群吞吐能力分析 | 第45-47页 |
| 5.3 数据处理延迟分析 | 第47-49页 |
| 5.4 集群内存使用情况 | 第49页 |
| 5.5 本章小结 | 第49-50页 |
| 第6章 结论与展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第54-55页 |
| 致谢 | 第55页 |
