| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外发展现状与动态 | 第12-15页 |
| 1.2.1 国内银行资产负债管理的研究现状 | 第12-13页 |
| 1.2.2 国外银行资产负债管理的研究现状 | 第13-14页 |
| 1.2.3 国内分布式ETL研究现状 | 第14页 |
| 1.2.4 国外分布式ETL研究现状 | 第14-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 第2章 关键技术分析 | 第17-21页 |
| 2.1 分布式ETL技术 | 第17-18页 |
| 2.2 Map Reduce框架 | 第18-19页 |
| 2.3 My SQL技术 | 第19-20页 |
| 2.4 小结 | 第20-21页 |
| 第3章 银行资产负债管理数据的分布式ETL需求分析 | 第21-35页 |
| 3.1 银行资产负债管理的业务需求 | 第21-24页 |
| 3.1.1 活期业务 | 第21页 |
| 3.1.2 定期业务 | 第21页 |
| 3.1.3 贷款业务 | 第21-22页 |
| 3.1.4 总账业务 | 第22页 |
| 3.1.5 投资业务 | 第22-23页 |
| 3.1.6 拆借业务 | 第23页 |
| 3.1.7 远期协议业务 | 第23-24页 |
| 3.1.8 掉期业务 | 第24页 |
| 3.2 银行资产负债管理的业务数据处理需求 | 第24-32页 |
| 3.2.1 银行资产负债管理的数据来源 | 第24-26页 |
| 3.2.2 信用卡数据的处理 | 第26页 |
| 3.2.3 其他业务数据的处理 | 第26-32页 |
| 3.3 银行资产负债管理数据的分布式ETL功能需求 | 第32-34页 |
| 3.4 小结 | 第34-35页 |
| 第4章 银行资产负债管理数据的分布式ETL设计 | 第35-44页 |
| 4.1 总体框架设计 | 第35页 |
| 4.2 分布式ETL中事实设计 | 第35-38页 |
| 4.3 分布式ETL中维度设计 | 第38-40页 |
| 4.4 银行资产负债管理数据抽取的设计 | 第40-41页 |
| 4.5 银行资产负债管理数据转换的设计 | 第41-42页 |
| 4.6 银行资产负债管理数据加载的设计 | 第42-43页 |
| 4.7 小结 | 第43-44页 |
| 第5章 银行资产负债管理数据的分布式ETL实现 | 第44-52页 |
| 5.1 基于Hadoop分布式ETL实现 | 第44-46页 |
| 5.1.1 软硬件配置 | 第44-45页 |
| 5.1.2 实现原理 | 第45-46页 |
| 5.2 分布式ETL中数据抽取算法实现 | 第46页 |
| 5.3 分布式ETL中事实处理 | 第46页 |
| 5.4 分布式ETL中维度处理 | 第46-50页 |
| 5.5 测试与分析 | 第50-51页 |
| 5.5.1 测试数据量 | 第50页 |
| 5.5.2 维度数据的测试与分析 | 第50-51页 |
| 5.5.3 事实数据的测试与分析 | 第51页 |
| 5.6 小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |