| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第7-16页 |
| 1.1 研究背景及选题意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-14页 |
| 1.3 论文主要工作 | 第14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 大数据相关技术的原理 | 第16-33页 |
| 2.1 Hadoop的原理介绍 | 第16-18页 |
| 2.2 HDFS的原理介绍 | 第18-21页 |
| 2.3 Yarn的原理介绍 | 第21-28页 |
| 2.3.1 Yarn的架构 | 第22-24页 |
| 2.3.2 Yarn的资源管理 | 第24-25页 |
| 2.3.3 Yarn的内存管理 | 第25页 |
| 2.3.4 Yarn的cpu管理 | 第25-26页 |
| 2.3.5 Yarn工作流程 | 第26-28页 |
| 2.4 MapReduce原理 | 第28-32页 |
| 2.4.1 MapReduce的架构 | 第28-29页 |
| 2.4.2 map过程 | 第29页 |
| 2.4.3 reduce过程 | 第29-30页 |
| 2.4.4 Shuffle过程 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 系统的构架与算法原理 | 第33-55页 |
| 3.1 系统需求分析 | 第33页 |
| 3.2 系统总体架构 | 第33-34页 |
| 3.3 集群规划 | 第34-36页 |
| 3.4 客服系统的分析之推荐系统 | 第36-42页 |
| 3.4.1 推荐系统的分析方法及过程 | 第36-38页 |
| 3.4.2 推荐系统的数据预处理 | 第38-42页 |
| 3.5 贝叶斯分类的原理 | 第42-48页 |
| 3.5.1 贝叶斯算法的数学基础 | 第42-45页 |
| 3.5.2 基于Mahout的Bayesian算法原理介绍 | 第45-48页 |
| 3.6 协同过滤算法的原理 | 第48-54页 |
| 3.6.1 基于Mahout的协同过滤算法原理介绍 | 第52-54页 |
| 3.7 本章小结 | 第54-55页 |
| 第四章 系统的设计与实现 | 第55-76页 |
| 4.1 系统环境配置 | 第55-60页 |
| 4.1.1 Hadoop集群配置 | 第56-60页 |
| 4.1.2 Mahout环境配置 | 第60页 |
| 4.1.3 集群启动 | 第60页 |
| 4.2 基于hadoop的贝叶斯分类算法的实现 | 第60-69页 |
| 4.2.1 数据预处理 | 第60-61页 |
| 4.2.2 输入数据 | 第61页 |
| 4.2.3 程序运行 | 第61-68页 |
| 4.2.4 结果分析 | 第68-69页 |
| 4.3 基于hadoop的协同过滤算法的实现 | 第69-74页 |
| 4.3.1 输入数据 | 第69页 |
| 4.3.2 程序运行 | 第69-70页 |
| 4.3.3 结果分析 | 第70-74页 |
| 4.4 系统性能评估 | 第74-75页 |
| 4.5 本章小结 | 第75-76页 |
| 第五章 总结与展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 附录 | 第81-82页 |