| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文研究内容 | 第10页 |
| 1.4 本文组织结构 | 第10-12页 |
| 第2章 相关技术研究综述 | 第12-26页 |
| 2.1 数据流处理技术概述 | 第12-16页 |
| 2.1.1 数据流应用概述 | 第12-13页 |
| 2.1.2 数据流的特征和模型 | 第13-14页 |
| 2.1.3 数据流处理基本技术 | 第14-16页 |
| 2.2 数据流聚类算法 | 第16-19页 |
| 2.2.1 CluStream算法 | 第16-18页 |
| 2.2.2 StreamKM++算法 | 第18-19页 |
| 2.3 分布式数据流处理框架 | 第19-23页 |
| 2.3.1 Storm | 第19-20页 |
| 2.3.2 SMOA | 第20-21页 |
| 2.3.3 Spark Streaming | 第21-23页 |
| 2.4 本章小节 | 第23-26页 |
| 第3章 基于Spark Streaming的流聚类算法 | 第26-52页 |
| 3.1 基于Spark Streaming分布式的流聚类框架设计 | 第26-28页 |
| 3.2 基于SSBuf树的StreamCKS在线流聚类算法的实现 | 第28-38页 |
| 3.2.1 SSBuf树结构与数据流处理策略 | 第28-30页 |
| 3.2.2 基于SSBuf树的在线聚类算法 | 第30-35页 |
| 3.2.3 基于SSBuf树的在线聚类算法的并行化实现 | 第35-38页 |
| 3.3 基于Canopy和K‐Means的StreamCKS离线流聚类算法的实现 | 第38-50页 |
| 3.3.1 K‐Means算法在Spark中的并行化实现 | 第38-41页 |
| 3.3.2 结合Canopy的K‐Means聚类算法 | 第41-46页 |
| 3.3.3 CK‐Means算法在Spark中的并行化实现 | 第46-50页 |
| 3.4 本章小结 | 第50-52页 |
| 第4章 实验平台设计与结果分析 | 第52-66页 |
| 4.1 实验环境的搭建 | 第52-56页 |
| 4.1.1 基础环境的配置 | 第52-53页 |
| 4.1.2 集群管理平台的搭建 | 第53-55页 |
| 4.1.3 在YARN上搭建Spark集群环境 | 第55-56页 |
| 4.2 实验数据 | 第56-58页 |
| 4.3 测试结果与分析 | 第58-65页 |
| 4.3.1 参数与流速的影响分析 | 第58-60页 |
| 4.3.2 聚类质量结果与分析 | 第60-63页 |
| 4.3.3 可扩展性结果与分析 | 第63-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第5章 总结与展望 | 第66-70页 |
| 5.1 总结 | 第66-67页 |
| 5.2 问题与展望 | 第67-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-78页 |
| 个人简历 | 第78页 |
