首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

基于Spark的可扩展电力大数据智能分析平台及其应用

摘要第5-6页
Abstract第6-7页
第一章 绪论第11-16页
    1.1 大数据与智能电网的兴起第11-12页
    1.2 国内外研究现状第12-13页
    1.3 研究目的和意义第13-14页
    1.4 论文完成的工作第14-15页
    1.5 论文组织结构第15-16页
第二章 构建电力大数据智能分析平台的相关技术第16-27页
    2.1 Spark分布式计算框架第16-20页
        2.1.1 Spark简介第16页
        2.1.2 Spark整体组织架构第16-19页
        2.1.3 Spark工作原理第19页
        2.1.4 Spark与MapReduce对比分析第19-20页
    2.2 分布式文件系统HDFS第20-22页
        2.2.1 HDFS简介第20-21页
        2.2.2 HDFS工作原理第21-22页
    2.3 分布式消息队列Kafka第22-23页
        2.3.1 Kafka简介第22页
        2.3.2 Kafka工作原理第22-23页
    2.4 分布式存储数据库第23-25页
        2.4.1 列式存储数据库HBase第23-24页
        2.4.2 嵌套式存储数据格式Parquet第24-25页
    2.5 分布式协调服务Zookeeper第25-26页
        2.5.1 Zookeeper简介第25页
        2.5.2 Zookeeper工作原理第25-26页
    2.6 本章小结第26-27页
第三章 基于Spark的电力大数据智能分析平台的设计第27-42页
    3.1 平台需求分析第27-28页
        3.1.1 平台总体需求分析第27页
        3.1.2 平台扩展性可用性需求分析第27-28页
    3.2 平台总体架构设计第28-31页
        3.2.1 Lambda架构原理第29页
        3.2.2 基于Lambda的平台架构设计第29-31页
    3.3 数据仓库的设计第31-35页
        3.3.1 数据中间件的设计第31-33页
        3.3.2 数据存储的设计第33-35页
    3.4 计算层的设计第35-38页
        3.4.1 批处理层的设计第35-37页
        3.4.2 流计算层的设计第37-38页
    3.5 业务算法层的设计第38-40页
    3.6 应用服务层的设计第40-41页
    3.7 本章小结第41-42页
第四章 基于Spark的电力大数据智能分析平台的实现第42-57页
    4.1 数据中间件的关键技术实现第42-47页
        4.1.1 中间件“数据丢失”的隐患第42页
        4.1.2 基于DO方案的中间件“数据零丢失”实现第42-44页
        4.1.3 验证分析第44-47页
    4.2 数据存储层的关键技术实现第47-53页
        4.2.1 基于WAL的数据容灾机制第47-49页
        4.2.2 基于ECS的数据一致性机制第49-51页
        4.2.3 验证分析第51-53页
    4.3 计算层的关键技术实现第53-56页
        4.3.1 流与动态表第53页
        4.3.2 动态表与批处理层第53-55页
        4.3.3 验证分析第55-56页
    4.4 本章小结第56-57页
第五章 SSHA平台的部署与性能分析第57-63页
    5.1 硬件部署第57页
    5.2 软件部署第57-59页
    5.3 平台运行测试与分析第59-62页
        5.3.1 验证SSHA平台的正确性和可用性第59-61页
        5.3.2 验证SSHA平台的高效性第61-62页
    5.4 本章小结第62-63页
第六章 基于SSHA平台的超声波局部放电信号识别系统第63-73页
    6.1 超声波局部放电信号识别系统的框架第63-69页
        6.1.1 数据预处理模块第64-67页
        6.1.2 超声波局部放电信号识别模型第67-69页
    6.2 系统实验与结果分析第69-72页
        6.2.1 实验数据来源第69页
        6.2.2 实验结果分析第69-72页
    6.3 本章小结第72-73页
总结与展望第73-75页
参考文献第75-78页
攻读硕士学位期间取得的研究成果第78-79页
致谢第79-80页
附件第80页

论文共80页,点击 下载论文
上一篇:基于确定学习理论的步态识别与步态对称性研究
下一篇:基于非负矩阵分解的聚类算法研究