| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第7-14页 |
| 1.1 研究背景与意义 | 第7-9页 |
| 1.1.1 大数据产生背景 | 第7页 |
| 1.1.2 大数据概念和特征 | 第7-8页 |
| 1.1.3 大数据在智能电网调度中的应用 | 第8-9页 |
| 1.1.4 研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 本文的主要内容 | 第12-13页 |
| 1.4 本文结构安排 | 第13页 |
| 1.5 本章小结 | 第13-14页 |
| 2 基础理论及关键技术 | 第14-30页 |
| 2.1 主流的大数据计算框架 | 第14-15页 |
| 2.2 SPARK介绍 | 第15-23页 |
| 2.2.1 Spark核心概念 | 第16-18页 |
| 2.2.2 Spark的基本工作流程 | 第18页 |
| 2.2.3 Spark任务调度 | 第18-20页 |
| 2.2.4 Spark生态系统 | 第20-21页 |
| 2.2.5 Spark部署方式 | 第21-23页 |
| 2.3 SPARK SQL | 第23-26页 |
| 2.3.1 Spark SQL的运行构架 | 第24-25页 |
| 2.3.2 Join实例示例 | 第25-26页 |
| 2.4 SPARK分区的相关理论 | 第26-29页 |
| 2.4.1 Shuffle分析 | 第26-27页 |
| 2.4.2 BloomFilter | 第27-28页 |
| 2.4.3 一致性哈希思想 | 第28页 |
| 2.4.4 水塘抽样算法 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 过滤再分区的大表等值连接算法 | 第30-43页 |
| 3.1 问题背景 | 第30-31页 |
| 3.2 SPARK分区 | 第31-32页 |
| 3.2.1 Spark分区器 | 第31页 |
| 3.2.2 业务数据的自定义分区 | 第31-32页 |
| 3.3 过滤再分区算法设计 | 第32-35页 |
| 3.3.1 过滤算法描述 | 第32-34页 |
| 3.3.2 分区策略描述 | 第34-35页 |
| 3.4 过滤再分区算法分析 | 第35-36页 |
| 3.5 实验及其结果分析 | 第36-42页 |
| 3.6 本章小结 | 第42-43页 |
| 4 基于SPARK的国家电网统计模型设计与应用 | 第43-53页 |
| 4.1 智能电网调度数据中心系统结构 | 第43-45页 |
| 4.2 基于SPARK的电网统计架构设计 | 第45-47页 |
| 4.2.1 电网数据的处理过程 | 第46页 |
| 4.2.2 电网数据的存储设计 | 第46-47页 |
| 4.3 电网调度数据计算设计 | 第47-50页 |
| 4.3.1 电网调度数据的过滤 | 第48-49页 |
| 4.3.2 电网调度数据的分区 | 第49-50页 |
| 4.4 电网调度中心统计报表模块中的应用 | 第50-51页 |
| 4.5 SPARK集群性能优化 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 5 总结与展望 | 第53-55页 |
| 5.1 本文总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录 A. 作者在攻读学位期间取得的科研成果目录： | 第59页 |