| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 Hadoop及其优化研究现状 | 第10-11页 |
| 1.2.2 大数据在工业应用 | 第11-12页 |
| 1.3 研究的目的与意义 | 第12-13页 |
| 1.4 本文的组织架构 | 第13-14页 |
| 第二章 Hadoop及数据压缩相关技术研究 | 第14-21页 |
| 2.1 Hadoop相关技术 | 第14-18页 |
| 2.1.1 分布式文件系统HDFS | 第14-16页 |
| 2.1.2 MapReduce编程模型 | 第16-17页 |
| 2.1.3 Hadoop集群架构 | 第17-18页 |
| 2.2 数据压缩 | 第18-21页 |
| 第三章 数据采集与存储方案 | 第21-28页 |
| 3.1 引言 | 第21页 |
| 3.2 数据采集方案 | 第21-23页 |
| 3.3 大数据平台存储方案 | 第23-24页 |
| 3.4 数据采集与存储方案的实现 | 第24-28页 |
| 3.4.1 数据采集与存储的总流程 | 第25页 |
| 3.4.2 实时数据的采集与存储的实现 | 第25-26页 |
| 3.4.3 历史数据的迁移及存储 | 第26-28页 |
| 第四章 系统的设计与实现 | 第28-38页 |
| 4.1 系统软件总体架构及功能 | 第28-30页 |
| 4.2 系统的设计与实现 | 第30-37页 |
| 4.2.1 关键业务的设计与实现 | 第31-33页 |
| 4.2.2 预警模块的设计与实现 | 第33-37页 |
| 4.3 总结 | 第37-38页 |
| 第五章 基于Hadoop的数据压缩策略及其优化 | 第38-55页 |
| 5.1 数据分析 | 第38页 |
| 5.2 基于Hadoop的数据压缩策略 | 第38-43页 |
| 5.2.1 行列存储模式 | 第38-41页 |
| 5.2.2 基于Hadoop的数据压缩策略 | 第41-43页 |
| 5.3 数据压缩策略的优化 | 第43-47页 |
| 5.3.1 存在的问题 | 第44-45页 |
| 5.3.2 基于信息熵的聚类算法 | 第45-47页 |
| 5.4 基于Hadoop的数据压缩策略及其优化的实现 | 第47-49页 |
| 5.4.1 基于Hadoop的数据压缩优化的实现 | 第47-48页 |
| 5.4.2 基于Hadoop的数据压缩策略的实现 | 第48-49页 |
| 5.5 实验结果及分析 | 第49-55页 |
| 5.5.1 基于Hadoop的数据压缩策略的实验结果及分析 | 第49-52页 |
| 5.5.2 基于Hadoop的数据压缩策略的优化的实验结果及分析 | 第52-53页 |
| 5.5.3 数据压缩策略对MapReduce任务的影响及分析 | 第53-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 论文工作总结 | 第55页 |
| 6.2 未来工作展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60页 |
