| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 论文结构 | 第12-14页 |
| 第二章 网络流量分析现状 | 第14-19页 |
| 2.1 网络流量分析方法 | 第14-15页 |
| 2.1.1 单机分析网络流量 | 第14页 |
| 2.1.2 分布式系统分析网络流量 | 第14-15页 |
| 2.2 分布式系统网络流量分析框架 | 第15-17页 |
| 2.3 分布式系统网络流量分析中存在的问题 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 Hive与Pig架构对比和性能优化 | 第19-35页 |
| 3.1 MapReduce计算框架介绍 | 第19-20页 |
| 3.2 Hive与Pig架构分析与对比 | 第20-22页 |
| 3.3 Hive与Pig性能优化分析 | 第22-34页 |
| 3.3.1 合并小文件优化 | 第22-25页 |
| 3.3.2 中间结果输出压缩 | 第25-27页 |
| 3.3.3 Join优化策略 | 第27-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 Spark SQL性能优化 | 第35-46页 |
| 4.1 Spark综述 | 第35-38页 |
| 4.1.1 Spark计算模型 | 第35-36页 |
| 4.1.2 Spark系统架构 | 第36-37页 |
| 4.1.3 Spark对比MapReduce的优势 | 第37-38页 |
| 4.2 Spark SQL介绍 | 第38-39页 |
| 4.3 Spark SQL性能优化 | 第39-44页 |
| 4.3.1 在Spark SQL中使用Cache | 第39-41页 |
| 4.3.2 StorageLevel对Spark SQL的性能影响 | 第41-43页 |
| 4.3.3 数据序列化的优化 | 第43-44页 |
| 4.4 本章小结 | 第44-46页 |
| 第五章 RCFile与Parquet文件格式对比 | 第46-54页 |
| 5.1 分布式存储与网络流量分析优化 | 第46-47页 |
| 5.2 Sequence File | 第47-48页 |
| 5.3 RCFile文件格式 | 第48-49页 |
| 5.4 Parquet文件格式 | 第49-50页 |
| 5.5 各文件格式进行对比 | 第50-53页 |
| 5.5.1 几种存储文件大小的比较与分析 | 第50-52页 |
| 5.5.2 文件格式与压缩 | 第52-53页 |
| 5.6 本章小结 | 第53-54页 |
| 第六章 Hive SQL,Impala与Spark SQL性能对比 | 第54-69页 |
| 6.1 综述 | 第54-57页 |
| 6.2 文件格式影响查询速度 | 第57-60页 |
| 6.2.1 压缩对于查询速度的影响 | 第58-59页 |
| 6.2.2 文件格式影响查询时间(忽略压缩问题) | 第59-60页 |
| 6.3 文件格式对于CPU和内存的影响 | 第60-64页 |
| 6.3.1 文件格式对于CPU的影响 | 第60-63页 |
| 6.3.2 文件格式对于内存的影响 | 第63-64页 |
| 6.4 不同查询工具生成Parquet格式对Impala查询的影响 | 第64-67页 |
| 6.4.1 三种Parquet格式的CPU累积时间对比 | 第64-65页 |
| 6.4.2 三种Parquet格式的内存消耗对比 | 第65-66页 |
| 6.4.3 三种Parquet格式的加载数据量对比 | 第66-67页 |
| 6.5 结论 | 第67页 |
| 6.6 本章小结 | 第67-69页 |
| 第七章 总结与展望 | 第69-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间发表的学术论文目录 | 第76页 |
