| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第7-10页 |
| 1.1 选题背景 | 第7-8页 |
| 1.2 国内外研究现状 | 第8页 |
| 1.3 论文研究内容 | 第8-9页 |
| 1.4 论文组织结构 | 第9-10页 |
| 2 关键技术 | 第10-18页 |
| 2.1 Hadoop介绍 | 第10-14页 |
| 2.1.1 HDFS架构 | 第10-11页 |
| 2.1.2 MapReduce介绍 | 第11-12页 |
| 2.1.3 Yarn运行机制 | 第12-14页 |
| 2.2 Hive介绍 | 第14-16页 |
| 2.2.1 Hive的组件 | 第14-15页 |
| 2.2.2 Hive运行机制 | 第15-16页 |
| 2.3 Flume介绍 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 3 需求分析 | 第18-22页 |
| 3.1 数据处理流程分析 | 第18页 |
| 3.2 功能性需求 | 第18-19页 |
| 3.3 非功能性需求 | 第19-20页 |
| 3.4 用例设计 | 第20页 |
| 3.5 本章小结 | 第20-22页 |
| 4 系统设计 | 第22-27页 |
| 4.1 系统总体架构 | 第22页 |
| 4.2 系统功能模块设计 | 第22-26页 |
| 4.2.1 数据采集模块设计 | 第22-23页 |
| 4.2.2 数据处理及存储模块设计 | 第23-25页 |
| 4.2.3 数据同步模块设计 | 第25页 |
| 4.2.4 系统调度模块设计 | 第25-26页 |
| 4.3 本章小结 | 第26-27页 |
| 5 数据处理Hive QL优化 | 第27-43页 |
| 5.1 Hadoop计算框架的特点 | 第27页 |
| 5.2 Hive的优化约定及实际示例 | 第27-35页 |
| 5.2.1 列裁剪（Column Pruning） | 第27-28页 |
| 5.2.2 分区裁剪（Partition Pruning） | 第28-29页 |
| 5.2.3 Hive中的Join操作 | 第29-30页 |
| 5.2.4 Map-Side Join优化 | 第30-31页 |
| 5.2.5 Hive可以避免进行MapReduce的情况 | 第31-32页 |
| 5.2.6 全局排序 | 第32-33页 |
| 5.2.7 笛卡尔积 | 第33-34页 |
| 5.2.8 Hive中mapper和reduce的个数 | 第34页 |
| 5.2.9 Hive中的Group By操作 | 第34-35页 |
| 5.2.10 合并小文件 | 第35页 |
| 5.3 实际Hive QL优化典型案例分析 | 第35-42页 |
| 5.3.1 对虚假号码业务Hive QL的优化分析 | 第35-39页 |
| 5.3.2 Union All的优化 | 第39-40页 |
| 5.3.3 充分利用Map-Side Join | 第40-42页 |
| 5.4 本章小结 | 第42-43页 |
| 6 系统实现与测试 | 第43-60页 |
| 6.1 大数据处理平台搭建 | 第43-47页 |
| 6.1.1 Hadoop版本选择 | 第43-44页 |
| 6.1.2 集群环境 | 第44页 |
| 6.1.3 集群节点分配 | 第44-45页 |
| 6.1.4 服务器环境配置 | 第45-46页 |
| 6.1.5 安装CDH集群 | 第46-47页 |
| 6.2 系统模块实现 | 第47-58页 |
| 6.2.1 数据采集模块的实现 | 第47-51页 |
| 6.2.2 数据处理及存储模块的实现 | 第51-55页 |
| 6.2.3 数据同步模块的实现 | 第55-56页 |
| 6.2.4 系统调度模块的实现 | 第56-58页 |
| 6.3 系统性能测试 | 第58-59页 |
| 6.3.1 测试环境 | 第58页 |
| 6.3.2 性能测试 | 第58-59页 |
| 6.4 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63-65页 |
