IT运维大数据平台日志分析系统研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1. 绪论 | 第8-14页 |
| 1.1 课题研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 日志收集技术 | 第9-10页 |
| 1.2.2 机器日志数据挖掘 | 第10-11页 |
| 1.2.3 日志分析系统 | 第11-12页 |
| 1.3 研究内容 | 第12页 |
| 1.4 组织结构 | 第12-14页 |
| 2. 相关技术研究 | 第14-26页 |
| 2.1 日志挖掘系统的总体流程 | 第14-15页 |
| 2.2 Splunk | 第15-17页 |
| 2.2.1 Splunk平台技术特点 | 第16-17页 |
| 2.2.2 Splunk的通用转发器 | 第17页 |
| 2.3 分布式日志收集技术 | 第17-20页 |
| 2.4 机器日志数据挖掘 | 第20-23页 |
| 2.4.1 数据挖掘 | 第20-21页 |
| 2.4.2 数据挖掘的主要方法 | 第21-22页 |
| 2.4.3 机器日志数据挖掘流程 | 第22-23页 |
| 2.5 数据可视化特性 | 第23-24页 |
| 2.6 本章小结 | 第24-26页 |
| 3. 日志预处理技术 | 第26-36页 |
| 3.1 日志预处理流程 | 第26-30页 |
| 3.1.1 日志收集 | 第26-27页 |
| 3.1.2 日志清洗 | 第27-28页 |
| 3.1.3 用户识别 | 第28-30页 |
| 3.2 日志预处理实施方案 | 第30-34页 |
| 3.2.1 日志收集方案 | 第30-32页 |
| 3.2.2 日志数据清洗 | 第32-34页 |
| 3.2.3 日志用户识别 | 第34页 |
| 3.3 本章小结 | 第34-36页 |
| 4. 基于卡尔曼滤波算法的日志流量预测模型 | 第36-50页 |
| 4.1 基于时间序列的日志流量分析 | 第36-40页 |
| 4.1.1 时间序列分析 | 第36-38页 |
| 4.1.2 Mine处理模块的功能 | 第38页 |
| 4.1.3 基于时间序列的日志流量统计 | 第38-40页 |
| 4.2 基于卡尔曼滤波的日志流量预测模型 | 第40-43页 |
| 4.3 实验结果分析 | 第43-49页 |
| 4.3.1 实验环境 | 第43页 |
| 4.3.2 实验数据 | 第43-44页 |
| 4.3.3 结果分析 | 第44-49页 |
| 4.4 本章小结 | 第49-50页 |
| 5. 日志分析系统总体实现 | 第50-64页 |
| 5.1 整体架构 | 第50-51页 |
| 5.2 实现环境及相关配置 | 第51-55页 |
| 5.2.1 实现环境 | 第51-54页 |
| 5.2.2 相关配置 | 第54-55页 |
| 5.3 日志分析系统功能实现 | 第55-63页 |
| 5.3.1 服务器监控 | 第55-57页 |
| 5.3.2 日志搜索 | 第57-60页 |
| 5.3.3 日志搜索排错过程介绍 | 第60-62页 |
| 5.3.4 日志流量预测 | 第62-63页 |
| 5.4 本章小结 | 第63-64页 |
| 总结与展望 | 第64-66页 |
| 论文总结 | 第64页 |
| 未来工作 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |
