| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 Hadoop研究现状 | 第11-12页 |
| 1.2.2 Web日志预处理研究概况 | 第12-14页 |
| 1.3 研究内容和组织结构 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第2章 Hadoop技术 | 第16-29页 |
| 2.1 HBase | 第17-21页 |
| 2.1.1 HBase体系结构 | 第17-18页 |
| 2.1.2 HBase逻辑视图 | 第18-19页 |
| 2.1.3 HBase物理存储 | 第19-21页 |
| 2.2 MapReduce | 第21-26页 |
| 2.2.1 MapReduce计算模型 | 第22-25页 |
| 2.2.2 MapReduce工作原理 | 第25-26页 |
| 2.3 Hadoop处理Web日志的优势 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 Web日志数据在HBase中的存储及优化 | 第29-37页 |
| 3.1 Web日志概述 | 第29-30页 |
| 3.2 Web日志存储 | 第30-32页 |
| 3.3 Web日志存储性能优化 | 第32-36页 |
| 3.3.1 HBase负载均衡算法 | 第32-34页 |
| 3.3.2 基于子表限制的负载均衡优化算法 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于MapReduce的Web日志预处理 | 第37-50页 |
| 4.1 Web预处理 | 第37-41页 |
| 4.1.1 数据清理 | 第37-38页 |
| 4.1.2 用户识别 | 第38-39页 |
| 4.1.3 会话识别 | 第39-40页 |
| 4.1.4 路径补充 | 第40-41页 |
| 4.2 MapReduce框架下的Web日志预处理 | 第41-48页 |
| 4.2.1 数据清理 | 第41-42页 |
| 4.2.2 用户识别 | 第42-43页 |
| 4.2.3 会话识别 | 第43-46页 |
| 4.2.4 路径补充 | 第46-48页 |
| 4.3 本章小结 | 第48-50页 |
| 第5章 实验及数据分析 | 第50-62页 |
| 5.1 实验环境的搭建与配置 | 第50-55页 |
| 5.1.1 实验环境搭建 | 第50-51页 |
| 5.1.2 集群环境配置 | 第51-55页 |
| 5.2 HBase负载均衡优化实验 | 第55-57页 |
| 5.3 基于Hadoop的Web日志预处理实验 | 第57-60页 |
| 5.3.1 Hadoop对Web日志预处理的高效性 | 第57-59页 |
| 5.3.2 MapReduce处理优化后预处理算法的有效性 | 第59-60页 |
| 5.4 本章小结 | 第60-62页 |
| 结论 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 作者简介 | 第69页 |
| 攻读硕士期间发表论文和参加科研情况说明 | 第69-70页 |
