移动互联网大规模流量数据分布式处理与流量分析
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的组织结构 | 第12-14页 |
| 第二章 分布式处理 | 第14-21页 |
| 2.1 MapReduc编程模型 | 第14-16页 |
| 2.2 图分布式计算 | 第16-19页 |
| 2.3 广度优先遍历 | 第19-21页 |
| 第三章 流量数据及其基本特性 | 第21-31页 |
| 3.1 网络流量数据与建图 | 第21-22页 |
| 3.2 流量图的度分布 | 第22-24页 |
| 3.3 流量图的特性 | 第24-31页 |
| 3.3.0 流量图基本属性 | 第24-25页 |
| 3.3.1 用户和流量的分布轮廓 | 第25-26页 |
| 3.3.2 流量图的度分布 | 第26-28页 |
| 3.3.3 流量图的强度分布 | 第28-30页 |
| 3.3.4 服务器集中度的增长特性 | 第30-31页 |
| 第四章 分布式聚类算法与服务器识别 | 第31-44页 |
| 4.1 DBSCAN算法的分布式实现 | 第31-34页 |
| 4.2 服务器的特性 | 第34-40页 |
| 4.2.1 不同类型应用流量图的基本属性 | 第34-35页 |
| 4.2.2 服务器提供的应用数 | 第35页 |
| 4.2.3 服务器拓扑结构的相似性与多样性 | 第35-38页 |
| 4.2.4 应用内部的聚类特性 | 第38-39页 |
| 4.2.5 服务器行为 | 第39-40页 |
| 4.3 分布式kmeans与结果分析 | 第40-44页 |
| 4.3.1 分布式kmeans算法的实现与应用 | 第40-41页 |
| 4.3.2 结果分析 | 第41-44页 |
| 第五章 总结与展望 | 第44-45页 |
| 5.1 总结 | 第44页 |
| 5.2 对未来的展望 | 第44-45页 |
| 参考文献 | 第45-47页 |
| 致谢 | 第47页 |
