| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 论文背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文主要工作 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第二章 日志分析系统关键技术研究 | 第13-21页 |
| 2.1 Hadoop大数据框架 | 第13-16页 |
| 2.1.1 HDFS分布式文件系统 | 第14-15页 |
| 2.1.2 MapReduce计算模型 | 第15-16页 |
| 2.2 Spark并行计算框架 | 第16-19页 |
| 2.2.1 Spark工作机制 | 第17-18页 |
| 2.2.2 Spark生态组件 | 第18-19页 |
| 2.3 分布式消息队列 | 第19-20页 |
| 2.3.1 消息模型 | 第19-20页 |
| 2.3.2 JMS编程模型 | 第20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 日志分析系统的设计与实现 | 第21-45页 |
| 3.1 SIM卡日志分析需求 | 第21-22页 |
| 3.1.1 分布式存储需求 | 第21页 |
| 3.1.2 分布式并行处理需求 | 第21页 |
| 3.1.3 实时处理需求 | 第21-22页 |
| 3.1.4 日志分类处理需求 | 第22页 |
| 3.1.5 自动化检测需求 | 第22页 |
| 3.2 系统整体设计 | 第22-25页 |
| 3.2.1 日志分析流程设计 | 第22-23页 |
| 3.2.2 日志分析系统架构 | 第23-25页 |
| 3.3 系统功能模块详细设计与实现 | 第25-44页 |
| 3.3.1 日志预处理模块 | 第26-34页 |
| 3.3.2 日志查询模块 | 第34-35页 |
| 3.3.3 实时处理模块 | 第35-43页 |
| 3.3.4 可视化模块 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 SIM卡日志异常点检测 | 第45-62页 |
| 4.1 日志处理 | 第45-47页 |
| 4.1.1 MO、MT日志处理 | 第45-46页 |
| 4.1.2 OTA日志处理 | 第46-47页 |
| 4.2 异常点检测 | 第47-57页 |
| 4.2.1 基于高斯分布的异常点检测 | 第47-49页 |
| 4.2.2 基于EWMA的异常点检测 | 第49-51页 |
| 4.2.3 基于聚类的异常点检测 | 第51-55页 |
| 4.2.4 基于Isolation Forest的异常点检测 | 第55-57页 |
| 4.3 异常点检测算法比较 | 第57-60页 |
| 4.4 针对异常的统计分析 | 第60页 |
| 4.5 本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 论文总结 | 第62-63页 |
| 5.2 进一步工作展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录 | 第68-69页 |
| 致谢 | 第69页 |