| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 论文背景与研究意义 | 第8-9页 |
| 1.1.1 论文的选题背景 | 第8-9页 |
| 1.1.2 论文的研究意义 | 第9页 |
| 1.2 论文主要工作和结构安排 | 第9-11页 |
| 1.2.1 论文的主要工作 | 第9-10页 |
| 1.2.2 论文的结构安排 | 第10-11页 |
| 第二章 基于 Hadoop 方法原理及体系架构 | 第11-21页 |
| 2.1 Hadoop 简介 | 第11-12页 |
| 2.1.1 Hadoop 的特点 | 第11-12页 |
| 2.1.2 Hadoop 的子项目 | 第12页 |
| 2.2 HDFS | 第12-14页 |
| 2.2.1 HDFS 的设计目标 | 第12-13页 |
| 2.2.2 HDFS 的相关概念 | 第13-14页 |
| 2.3 MapReduce | 第14-17页 |
| 2.3.1 MapReduce 编程模型 | 第14-15页 |
| 2.3.2 MapReduce 体系架构 | 第15-16页 |
| 2.3.3 MapReduce 工作流程 | 第16-17页 |
| 2.4 Hive | 第17-20页 |
| 2.4.1 Hive 的定义 | 第17-18页 |
| 2.4.2 Hive 的数据存储 | 第18-19页 |
| 2.4.3 Hive 与关系型数据库的比较 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 电信运营商海量数据处理现状 | 第21-27页 |
| 3.1 电信运营商的数据模型和业务分析 | 第21-23页 |
| 3.1.1 电信运营商的数据模型 | 第21-22页 |
| 3.1.2 电信运营商的业务分析 | 第22-23页 |
| 3.2 电信运营商传统数据处理方法 | 第23-24页 |
| 3.2.1 传统数据处理方法的体系架构 | 第23页 |
| 3.2.2 传统数据处理方法面临的挑战 | 第23-24页 |
| 3.3 海量数据带来的机遇 | 第24-26页 |
| 3.3.1 海量数据在互联网企业的成功应用 | 第24-25页 |
| 3.3.2 海量数据给电信营运商带来的机遇 | 第25-26页 |
| 3.4 本章小结 | 第26-27页 |
| 第四章 基于 Hadoop 方法的电信企业海量数据处理方法 | 第27-40页 |
| 4.1 基于 Hadoop 的海量数据处理方法 | 第27-30页 |
| 4.1.1 基于 Hadoop 方法的设计目标 | 第27页 |
| 4.1.2 基于 Hadoop 方法的逻辑架构 | 第27-29页 |
| 4.1.3 基于 Hadoop 方法的优越性 | 第29-30页 |
| 4.2 基于 Hadoop 方法的实现流程 | 第30-32页 |
| 4.3 基于 Hadoop 方法的优化 | 第32-39页 |
| 4.3.1 Hive 内部的优化方式 | 第32-35页 |
| 4.3.2 外部优化方式 | 第35-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 基于 Hadoop 方法的实验及性能分析 | 第40-56页 |
| 5.1 基于 Hadoop 方法的实验环境 | 第40-50页 |
| 5.1.1 Hadoop 集群配置 | 第40页 |
| 5.1.2 基于 Hadoop 方法实验环境的搭建 | 第40-50页 |
| 5.2 实验测试及性能分析 | 第50-55页 |
| 5.2.1 实验流程 | 第50页 |
| 5.2.2 实验结果及性能分析 | 第50-55页 |
| 5.3 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第60-61页 |
| 附录2 攻读硕士学位期间申请的专利 | 第61-62页 |
| 致谢 | 第62页 |