IPTVQOS日志分析方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 引言 | 第7-13页 |
| 1.1 IPTVQos日志分析背景 | 第8-9页 |
| 1.2 IPTVQos日志分析面临的问题 | 第9-11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.3.1 对于视频流的监控 | 第11页 |
| 1.3.2 对于用户端体验的监控 | 第11-12页 |
| 1.3.3 模拟拨测 | 第12页 |
| 1.3.4 网元监控 | 第12页 |
| 1.3.5 综合分析 | 第12页 |
| 1.4 本文的组织结构 | 第12-13页 |
| 第2章 IPTVQos分析的关键技术 | 第13-35页 |
| 2.1 可选大数据软硬件平台 | 第13-18页 |
| 2.1.1 Hadoop | 第13-14页 |
| 2.1.2 Exadata | 第14-15页 |
| 2.1.3 Vertica | 第15-17页 |
| 2.1.4 MangoDB | 第17-18页 |
| 2.1.5 方案选择 | 第18页 |
| 2.2 Hadoop组件功能 | 第18-34页 |
| 2.2.1 HDFS | 第19-21页 |
| 2.2.2 MapReduce | 第21-23页 |
| 2.2.3 HBase | 第23-29页 |
| 2.2.4 Hive | 第29-31页 |
| 2.2.5 Sqoop | 第31-33页 |
| 2.2.6 Zookeeper | 第33-34页 |
| 2.2.7 RHadoop | 第34页 |
| 2.3 本章小结 | 第34-35页 |
| 第3章 关键问题算法研究 | 第35-43页 |
| 3.1 算法总述 | 第35页 |
| 3.1.1 告警数据原因分析 | 第35页 |
| 3.1.2 异常上报数据剔除 | 第35页 |
| 3.2 具体问题分析 | 第35-42页 |
| 3.2.1 海量属性值遍历 | 第35-37页 |
| 3.2.2 海量计算耗时 | 第37页 |
| 3.2.3 字段级联关系 | 第37-38页 |
| 3.2.4 缺乏排序依据 | 第38-39页 |
| 3.2.5 排名智能分析 | 第39-40页 |
| 3.2.6 异常上报数据剔除分析 | 第40-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第4章 实验测试与分析 | 第43-53页 |
| 4.1 告警数据原因分析 | 第43-49页 |
| 4.2 异常上报数据剔除 | 第49-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 附录 1-告警原因分析代码 | 第57-66页 |
| 附录 2-异常上报数据剔除代码 | 第66-71页 |
| 致谢 | 第71-72页 |
