摘要 | 第4-5页 |
Abstract | 第5-6页 |
专用术语注释表 | 第9-10页 |
第一章 绪论 | 第10-15页 |
1.1 研宄背景及研究意义 | 第10页 |
1.2 国内外研究现状 | 第10-12页 |
1.3 研究内容及主人工作 | 第12-13页 |
1.4 论文安排 | 第13-15页 |
第二章 云环境下流式数据预处理 | 第15-28页 |
2.1 云计算技术 | 第15-16页 |
2.2 云计算处理技术 | 第16-18页 |
2.2.1 云计算数据处理方式分类 | 第16页 |
2.2.2 数据处理流程 | 第16-18页 |
2.3 流式数据处理模型 | 第18-20页 |
2.4 HDFS体系结构 | 第20-26页 |
2.4.1 流式数据持久化工具 | 第20-21页 |
2.4.2 HDFS体系架构 | 第21-24页 |
2.4.3 HDFS副本分配技术 | 第24-25页 |
2.4.4 HDFS持久化何题 | 第25-26页 |
2.5 Spark Streaming | 第26-27页 |
2.5.1 Spark Streaming优化机制 | 第26-27页 |
2.5.2 问题分析 | 第27页 |
2.6 本章小结 | 第27-28页 |
第三章 基于动态副本分配技术的数据流存储预处理技术 | 第28-40页 |
3.1 研宄背景 | 第28页 |
3.2 动态副本分配技术分析 | 第28-29页 |
3.3 流式数据持久化算法 | 第29-35页 |
3.3.1 HDFS默认持久化算法 | 第29-30页 |
3.3.2 动态副本持久化算法描述 | 第30-31页 |
3.3 3 动态副本持久化算法约束 | 第31-32页 |
3.3.4 动态副本持久化算法原理 | 第32-35页 |
3.4 仿真结果分析 | 第35-39页 |
3.4.1 住址环境 | 第35页 |
3.4.2 数据可靠性分析 | 第35-37页 |
3.4.3 集群性能分析 | 第37-38页 |
3.4.4 集群负载均衡分析 | 第38-39页 |
3.5 本章小结 | 第39-40页 |
第四章 基于Spark动态块调整的流式数据计算预处理技术 | 第40-52页 |
4.1 研究背景 | 第40页 |
4.2 Spark Streaming参数定义 | 第40-42页 |
4.3 流式数据处理系统设计 | 第42-44页 |
4.3.1 控制器 | 第42-43页 |
4.3.2 模型估计器 | 第43-44页 |
4.3.3 负载分类器 | 第44页 |
4.4 流式数据处理算法 | 第44-47页 |
4.5 仿真性能分析 | 第47-51页 |
4.5.1 仿真环境 | 第47页 |
4.5.2 任务处理实时性分析 | 第47-49页 |
4.5.3 CPU使用率分析 | 第49-50页 |
4.5.4 内存使用率分析 | 第50-51页 |
4.6 本章小结 | 第51-52页 |
第五章 原型系统设计与实现 | 第52-65页 |
5.1 应用场景描述 | 第52页 |
5.2 原型系统设计 | 第52-58页 |
5.2.1 系统架构图 | 第52-53页 |
5.2.2 数据采集模块设计 | 第53-54页 |
5.2.3 数据处理模块设计 | 第54-56页 |
5.2.4 数据存储模块设计 | 第56-58页 |
5.3 实验环境搭建 | 第58-60页 |
5.3.1 实验环境 | 第58-59页 |
5.3.2 实验步骤 | 第59-60页 |
5.4 实验结果及分析 | 第60-62页 |
5.4.1 数据可靠性分析 | 第60-62页 |
5.4.2 数据处理实时性分析 | 第62页 |
5.5 原型系统功能介绍 | 第62-64页 |
5.5.1 冷链产品状态信息查询模块 | 第62-63页 |
5.5.2 异常状态信息查询模块 | 第63-64页 |
5.5.3 冷链物流车状态信息查询模块 | 第64页 |
5.6 本章小结 | 第64-65页 |
第六章 总结与展望 | 第65-67页 |
6.1 论文总结 | 第65-66页 |
6.2 工作展望 | 第66-67页 |
参考文献 | 第67-70页 |
附录1 攻读硕士学位期间撰写的论文 | 第70-71页 |
附录2 攻读硕士学位期间申请的专利 | 第71-72页 |
附录3 攻读硕士学位期间参加的科研项目 | 第72-73页 |
附录4 攻读硕士学位期间所获荣誉 | 第73-74页 |
致谢 | 第74页 |