| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题的研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状与趋势 | 第9-11页 |
| 1.3 主要研究内容及结构 | 第11-13页 |
| 第二章 铁道供电系统及其监控信息集成处理模式 | 第13-22页 |
| 2.1 铁路供电系统 | 第13-15页 |
| 2.2 铁路供电调度监控系统 | 第15-18页 |
| 2.3 调度监控系统一体化处理 | 第18-21页 |
| 2.3.1 调度监控信息集成处理 | 第18-20页 |
| 2.3.2 设计模式的融合实现 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 调度监控信息压缩技术 | 第22-31页 |
| 3.1 数据压缩原理与分类 | 第22-24页 |
| 3.1.1 数据压缩原理 | 第22-23页 |
| 3.1.2 有损压缩与无损压缩 | 第23-24页 |
| 3.2 HBase无损压缩方法 | 第24-29页 |
| 3.2.1 Gzip压缩方法 | 第24-26页 |
| 3.2.2 LZO压缩方法 | 第26-28页 |
| 3.2.3 Snappy压缩方法 | 第28-29页 |
| 3.2.4 LZ4压缩方法 | 第29页 |
| 3.3 本章小结 | 第29-31页 |
| 第四章 基于HBase列式云集群的调度监控系统实现 | 第31-52页 |
| 4.1 云计算技术 | 第31-35页 |
| 4.1.1 云计算概念及云服务模式 | 第31-32页 |
| 4.1.2 云计算关键技术与应用特点 | 第32-35页 |
| 4.2 Hadoop云计算模式 | 第35-41页 |
| 4.2.1 HDFS分布式文件系统 | 第36-38页 |
| 4.2.2 MapReduce分布式计算引擎 | 第38-40页 |
| 4.2.3 YARN资源管理框架 | 第40-41页 |
| 4.3 HBase列式云集群 | 第41-45页 |
| 4.3.1 NoSQL数据库 | 第41-43页 |
| 4.3.2 NoSQL列式数据库HBase | 第43-44页 |
| 4.3.3 HBase数据处理模式 | 第44-45页 |
| 4.4 调度监控系统HBase列式云集群搭建 | 第45-48页 |
| 4.5 调度监控系统HBase列式云集群运行测试 | 第48-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第五章 基于HBase列式云集群的调度监控信息查询与压缩实验 | 第52-75页 |
| 5.1 基于Phoenix的调度监控信息查询 | 第52-60页 |
| 5.1.1 Phoenix SQL查询引擎 | 第52-53页 |
| 5.1.2 Phoenix安装与批量加载实验 | 第53-57页 |
| 5.1.3 SCADA实测记录查询实验 | 第57-60页 |
| 5.2 调度监控信息的查询优化 | 第60-66页 |
| 5.2.1 二级索引技术 | 第60-62页 |
| 5.2.2 Phoenix二级索引 | 第62-64页 |
| 5.2.3 二级索引查询优化实验 | 第64-66页 |
| 5.3 调度监控信息HBase压缩处理 | 第66-74页 |
| 5.3.1 HBase压缩算法安装与配置 | 第66-68页 |
| 5.3.2 HBase压缩处理模式 | 第68-71页 |
| 5.3.3 调度监控信息HBase压缩实验 | 第71-72页 |
| 5.3.4 调度监控信息压缩查询优化 | 第72-74页 |
| 5.4 本章小结 | 第74-75页 |
| 第六章 基于Brighthouse的监控信息大比率列压缩存储模型 | 第75-87页 |
| 6.1 监控信息列压缩处理模型 | 第75-77页 |
| 6.2 Brighthouse监控信息压缩实验 | 第77-84页 |
| 6.2.1 SQuirrel图形化管理InfoBright | 第77-79页 |
| 6.2.2 监控信息RangeCoder压缩 | 第79-83页 |
| 6.2.3 监控信息列压缩实验 | 第83-84页 |
| 6.3 Brighthouse监控信息查询实验 | 第84-86页 |
| 6.4 本章小结 | 第86-87页 |
| 第七章 总结 | 第87-89页 |
| 7.1 主要工作回顾 | 第87页 |
| 7.2 本课题今后需进一步研究的地方 | 第87-89页 |
| 参考文献 | 第89-93页 |
| 个人简历 在读期间发表的学术论文 | 第93-94页 |
| 致谢 | 第94页 |
