基于分布式存储数据库的银行用户行为分析平台应用与研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究工作的背景和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.2.1 大数据研究及应用现状 | 第8-9页 |
| 1.2.2 用户行为研究的现状 | 第9-10页 |
| 1.3 本文的主要工作 | 第10页 |
| 1.4 本论文的结构安排 | 第10-12页 |
| 2 相关技术基础 | 第12-26页 |
| 2.1 银行数据采集模块相关技术 | 第12-14页 |
| 2.1.1 数据采集技术 | 第12页 |
| 2.1.2 页面埋点技术 | 第12-14页 |
| 2.2 HADOOP云计算平台 | 第14-21页 |
| 2.2.1 HADOOP分布式文件系统HDFS | 第16-17页 |
| 2.2.2 MAPREDUCE并行计算编程模型 | 第17-19页 |
| 2.2.3 HIVE分布式查询及分析技术 | 第19-20页 |
| 2.2.4 HBASE分布式存储数据库 | 第20-21页 |
| 2.3 日志采集与分析平台 | 第21-23页 |
| 2.3.1 金融系统的日志类型 | 第21页 |
| 2.3.2 FLUME技术介绍 | 第21-22页 |
| 2.3.3 STORM实时流式计算技术 | 第22-23页 |
| 2.4 Solr搜索引擎技术 | 第23-24页 |
| 2.5 数据可视化相关技术 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 3 银行大数据平台的分析与整体设计 | 第26-33页 |
| 3.1 系统需求分析 | 第26页 |
| 3.2 系统功能和模块设计 | 第26-28页 |
| 3.2.1 系统的功能设计 | 第26-27页 |
| 3.2.2 系统的模块设计 | 第27-28页 |
| 3.3 系统各模块的设计概要 | 第28-31页 |
| 3.3.1 数据采集模块 | 第28-29页 |
| 3.3.2 数据清洗模块 | 第29页 |
| 3.3.3 实时分析模块 | 第29-30页 |
| 3.3.4 离线分析模块 | 第30页 |
| 3.3.5 分布式存储模块 | 第30-31页 |
| 3.3.6 可视化模块设计概要 | 第31页 |
| 3.4 本章小结 | 第31-33页 |
| 4 分布式存储数据库银行用户行为分析系统的实现 | 第33-46页 |
| 4.1 用户数据采集模块 | 第33-35页 |
| 4.2 数据清洗模块 | 第35-36页 |
| 4.3 Storm实时分析模块 | 第36-38页 |
| 4.3.1 搜索关键词分析 | 第36-37页 |
| 4.3.2 实时独立IP数统计 | 第37页 |
| 4.3.3 实时PV与UV的统计 | 第37-38页 |
| 4.4 HADOOP集群离线分析模块 | 第38-41页 |
| 4.4.1 用户全天在线时长分析 | 第38-39页 |
| 4.4.2 用户全天浏览深度分析 | 第39页 |
| 4.4.3 访客来源TOPN | 第39-40页 |
| 4.4.4 页面停留时长TOPN | 第40-41页 |
| 4.5 分布式存储模块 | 第41-43页 |
| 4.5.1 数据结构的设计与实现 | 第41-42页 |
| 4.5.2 Row Key设计与实现 | 第42-43页 |
| 4.6 可视化模块设计 | 第43页 |
| 4.7 银行用户行为分析平台各参数优化 | 第43-44页 |
| 4.8 本章小节 | 第44-46页 |
| 5 总结与展望 | 第46-48页 |
| 5.1 工作总结 | 第46-47页 |
| 5.2 展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51页 |
