基于企业营业日志的大数据分析与辅助决策研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 主要研究内容 | 第10页 |
| 1.3 本文组织结构 | 第10-13页 |
| 第二章 日志大数据分析关键技术研究 | 第13-33页 |
| 2.1 日志数据收集架构概述 | 第13-20页 |
| 2.1.1 现有主流日志数据收集技术分析 | 第13-16页 |
| 2.1.2 Flume概述及优势 | 第16-20页 |
| 2.2 日志数据SQL分析架构概述 | 第20-24页 |
| 2.2.1 NoSQL技术介绍 | 第20-22页 |
| 2.2.2 现有主流分布式文件系统SQL技术对比 | 第22-23页 |
| 2.2.3 Phoenix概述及优势 | 第23-24页 |
| 2.3 基于Spark的日志数据计算框架概述 | 第24-29页 |
| 2.3.1 现有主流分布式计算框架分析 | 第24-27页 |
| 2.3.2 Spark实时计算模块 | 第27-28页 |
| 2.3.3 Spark SQL分析模块 | 第28-29页 |
| 2.3.4 Spark机器学习模块 | 第29页 |
| 2.4 日志消息队列技术架构概述 | 第29-31页 |
| 2.4.1 现有主流消息队列技术分析 | 第29-30页 |
| 2.4.2 Kafka概述与优势 | 第30-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第三章 市场细分营销的辅助决策分析研究 | 第33-39页 |
| 3.1 基于客户人群的市场细分辅助决策分析 | 第33-35页 |
| 3.1.1 算法分析 | 第33-34页 |
| 3.1.3 具体流程 | 第34-35页 |
| 3.2 基于商场类别的市场细分辅助决策分析 | 第35-36页 |
| 3.2.1 算法分析 | 第35-36页 |
| 3.2.2 具体流程 | 第36页 |
| 3.3 基于特殊日期的市场细分辅助决策分析 | 第36-38页 |
| 3.3.1 算法分析 | 第37页 |
| 3.3.2 具体流程 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 系统设计与具体实现 | 第39-55页 |
| 4.1 系统设计目标 | 第39页 |
| 4.2 关键问题分析及解决 | 第39-42页 |
| 4.2.1 日志收集模块与存储模块的整合设计 | 第40页 |
| 4.2.2 日志收集模块与分析模块的整合设计 | 第40-41页 |
| 4.2.3 日志分析模块与存储模块的整合设计 | 第41-42页 |
| 4.3 系统总体设计 | 第42-44页 |
| 4.3.1 系统架构设计 | 第42-43页 |
| 4.3.2 系统工作流设计 | 第43-44页 |
| 4.4 详细设计与具体实现 | 第44-53页 |
| 4.4.1 日志收集模块 | 第44-48页 |
| 4.4.2 日志分析模块 | 第48-51页 |
| 4.4.3 日志存储模块 | 第51-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第五章 数据处理与结果分析 | 第55-63页 |
| 5.1 实验环境及数据 | 第55-57页 |
| 5.1.1 实验环境 | 第55-57页 |
| 5.1.2 实验数据 | 第57页 |
| 5.2 系统性能测试与对比 | 第57-58页 |
| 5.3 实验结果与分析 | 第58-62页 |
| 5.3.1 基于客户人群的市场细分实验结果与分析 | 第59-60页 |
| 5.3.2 基于商场类别的市场细分实验结果与分析 | 第60-61页 |
| 5.3.3 基于特殊日期的市场细分实验结果与分析 | 第61-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 本文总结 | 第63-64页 |
| 6.2 不足与展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间发表的学术论文目录 | 第70页 |
