摘要 | 第4-5页 |
Abstract | 第5页 |
专用术语注释表 | 第8-9页 |
第一章 绪论 | 第9-16页 |
1.1 课题研究背景及意义 | 第9-10页 |
1.1.1 研究背景 | 第9-10页 |
1.1.2 研究意义 | 第10页 |
1.2 课题的国内外研究现状 | 第10-14页 |
1.2.1 大数据 | 第10-11页 |
1.2.2 云计算平台体系 | 第11-13页 |
1.2.3 Hadoop 平台 | 第13-14页 |
1.3 论文研究的主要内容 | 第14-15页 |
1.4 论文结构 | 第15-16页 |
第二章 海量数据相关技术 | 第16-27页 |
2.1 分布式系统关键技术 | 第16-21页 |
2.1.1 分布式计算 | 第16-17页 |
2.1.2 分布式文件系统 | 第17-19页 |
2.1.3 分布式存储系统 | 第19-21页 |
2.2 海量数据处理模型 | 第21-26页 |
2.2.1 Google File System | 第22-23页 |
2.2.2 IBM Blue Cloud | 第23页 |
2.2.3 Amazon Web Services | 第23-24页 |
2.2.4 Memcached | 第24-25页 |
2.2.5 Hadoop of Apache | 第25-26页 |
2.3 本章小结 | 第26-27页 |
第三章 Hadoop 平台的设计架构 | 第27-38页 |
3.1 Hadoop 平台的构造模块 | 第27-29页 |
3.1.1 NameNode | 第28页 |
3.1.2 DataNode | 第28页 |
3.1.3 Secondary NameNode | 第28页 |
3.1.4 JobTracker | 第28-29页 |
3.1.5 TaskTracker | 第29页 |
3.2 Hadoop 的分布式文件系统 HDFS | 第29-32页 |
3.2.1 体系结构 | 第29-30页 |
3.2.2 设计前提及目标 | 第30-31页 |
3.2.3 可靠性措施 | 第31-32页 |
3.3 MapReduce 并行编程模型 | 第32-37页 |
3.3.1 Map 阶段 | 第33-34页 |
3.3.2 Shuffle 阶段 | 第34-37页 |
3.3.3 Reduce 阶段 | 第37页 |
3.4 本章小结 | 第37-38页 |
第四章 基于 Hadoop 海量日志文件处理的设计 | 第38-51页 |
4.1 海量日志文件处理的需求目标 | 第38-41页 |
4.1.1 网站分析指标 | 第38-39页 |
4.1.2 网站并发问题描述 | 第39-40页 |
4.1.3 日志格式分析 | 第40页 |
4.1.4 日志处理具体需求 | 第40-41页 |
4.2 程序设计思想 | 第41-47页 |
4.2.1 设计流程图 | 第41-43页 |
4.2.2 流程分析 | 第43-45页 |
4.2.3 调度机制 | 第45-46页 |
4.2.4 容错机制 | 第46-47页 |
4.3 程序详细设计 | 第47-50页 |
4.3.1 格式解析 | 第47-48页 |
4.3.2 时间汇总 | 第48-49页 |
4.3.3 平均时间排序 | 第49-50页 |
4.4 本章小结 | 第50-51页 |
第五章 实验测试与数据分析 | 第51-63页 |
5.1 实验环境需求 | 第51-52页 |
5.1.1 硬件环境 | 第51-52页 |
5.1.2 软件环境 | 第52页 |
5.2 实验集群配置 | 第52-56页 |
5.2.1 SSH 无口令验证配置 | 第52-53页 |
5.2.2 伪分布模式配置 | 第53-55页 |
5.2.3 全分布模式配置 | 第55-56页 |
5.3 实验结果与分析 | 第56-62页 |
5.3.1 传统处理方法与本次设计对比分析 | 第56-57页 |
5.3.2 不同数据节点测试结果分析 | 第57-60页 |
5.3.3 算法健壮性实验分析 | 第60-61页 |
5.3.4 网站并发性能分析 | 第61-62页 |
5.4 本章小结 | 第62-63页 |
第六章 总结与展望 | 第63-65页 |
6.1 研究总结 | 第63-64页 |
6.2 未来的研究展望 | 第64-65页 |
参考文献 | 第65-67页 |
附录 攻读硕士学位期间撰写的论文 | 第67-68页 |
致谢 | 第68页 |