摘要 | 第1-5页 |
Abstract | 第5-7页 |
目录 | 第7-10页 |
第一章 绪论 | 第10-16页 |
·课题研究的背景及意义 | 第10页 |
·研究现状及存在的问题 | 第10-12页 |
·集中式环境下的研究现状及问题 | 第10-11页 |
·分布式环境下的研究现状及问题 | 第11-12页 |
·污水实时监控和处理的研究现状 | 第12-13页 |
·污水实时监控和处理系统发展现状 | 第12页 |
·传统的污水实时监控和处理系统的局限性 | 第12-13页 |
·本文研究内容与结构安排 | 第13-16页 |
·主要研究工作 | 第13-14页 |
·结构安排 | 第14-16页 |
第二章 数据流实时处理理论与研究技术 | 第16-32页 |
·概述 | 第16页 |
·基础理论知识介绍 | 第16-18页 |
·数据流基础知识 | 第16-17页 |
·实时处理基础知识 | 第17-18页 |
·集中式环境下数据流实时处理技术介绍与分析 | 第18-22页 |
·基于滑动窗口机制的数据流模型技术 | 第18-19页 |
·网络数据流实时处理下的内存管理策略 | 第19-22页 |
·分布式环境下数据流实时处理技术介绍与分析 | 第22-27页 |
·基于数据流的公平调度策略 | 第22-24页 |
·实时 MapReduce 技术 | 第24-25页 |
·Storm 数据流处理系统 | 第25-27页 |
·污水实时监控与处理技术研究 | 第27-31页 |
·污水处理背景知识 | 第27-28页 |
·云平台下的污水处理行业标准 | 第28-31页 |
·本章小结 | 第31-32页 |
第三章 MapReduce 下周期性工作流的实时调度优化策略 | 第32-40页 |
·概述 | 第32页 |
·MapReduce工作流程 | 第32页 |
·MapReduce下周期性工作流模型 | 第32-33页 |
·优化策略所做工作 | 第33-35页 |
·Job 分配和 Task 分配 | 第33-34页 |
·转换方式实现作业抢占 | 第34页 |
·执行时间预估值 | 第34-35页 |
·优化调度策略的算法实现与实施 | 第35-36页 |
·实时调度优化算法伪代码 | 第35-36页 |
·优化调度策略的实施过程 | 第36页 |
·实验结果与分析 | 第36-38页 |
·响应时间对比分析实验 | 第36-38页 |
·调度成功率对比 | 第38页 |
·本章小结 | 第38-40页 |
第四章 基于集群拓扑结构的工作流实时调度策略 | 第40-47页 |
·概述 | 第40页 |
·Hadoop默认的调度策略 | 第40-41页 |
·改进的基于集群拓扑结构的工作流实时调度策略 | 第41-43页 |
·Hadoop 集群的拓扑结构 | 第41-42页 |
·预估完成时间隶属函数(MT) | 第42页 |
·集群拓扑距离函数(TD) | 第42-43页 |
·算法的实现 | 第43-44页 |
·Job 优先级策略 | 第43页 |
·算法描述 | 第43-44页 |
·实验及结果分析 | 第44-46页 |
·本章小结 | 第46-47页 |
第五章 污水实时监控和处理系统设计与实现 | 第47-63页 |
·概述 | 第47-48页 |
·集中式环境下数据流实时处理系统面临的问题 | 第47页 |
·优化方法 | 第47-48页 |
·系统功能需求分析 | 第48页 |
·系统整体设计 | 第48-50页 |
·系统拓扑结构 | 第48-49页 |
·功能模块设计 | 第49-50页 |
·系统功能模块实现 | 第50-55页 |
·数据通信模块 | 第50-51页 |
·协议解析和验证模块 | 第51-52页 |
·数据分析和处理模块 | 第52-53页 |
·设备控制模块 | 第53-54页 |
·历史数据存储和查询 | 第54页 |
·系统主界面展示 | 第54-55页 |
·污水实时监控和处理云平台系统实现 | 第55-61页 |
·云平台 MVC 基础框架及实现 | 第55-59页 |
·云平台调度策略算法实现 | 第59页 |
·任务计划与 Map-Reduce | 第59-60页 |
·云平台界面展示 | 第60-61页 |
·污水实时监控和处理系统实验性能分析 | 第61-62页 |
·系统数据处理量和耗时分析 | 第61页 |
·系统数据处理实时性分析 | 第61-62页 |
·本章小结 | 第62-63页 |
主要结论与展望 | 第63-65页 |
主要结论 | 第63页 |
展望 | 第63-65页 |
致谢 | 第65-66页 |
参考文献 | 第66-69页 |
附录: 作者在攻读硕士学位期间发表的论文 | 第69页 |