摘要 | 第4-5页 |
ABSTRACT | 第5页 |
第一章 绪论 | 第9-15页 |
1.1 研究背景与意义 | 第9-11页 |
1.1.1 电信业数据分析的意义 | 第9页 |
1.1.2 电信业数据分析现状 | 第9-10页 |
1.1.3 海量数据的挑战 | 第10-11页 |
1.2 与本文相关的技术研究现状 | 第11-14页 |
1.2.1 分布式计算技术 | 第11-12页 |
1.2.2 数据库优化技术 | 第12-13页 |
1.2.3 并行环境中的作业调度 | 第13-14页 |
1.3 本文的研究内容及安排 | 第14-15页 |
第二章 Hadoop平台介绍 | 第15-23页 |
2.1 Hadoop整体架构 | 第15-20页 |
2.1.1 MapReduce编程模型 | 第15-18页 |
2.1.2 HDFS | 第18-20页 |
2.2 Hadoop应用 | 第20-22页 |
2.2.1 Hadoop使用现状 | 第20-21页 |
2.2.2 HIVE | 第21-22页 |
2.3 本章总结 | 第22-23页 |
第三章 基于MapReduce的信令分析 | 第23-35页 |
3.1 信令分析内容 | 第23-25页 |
3.1.1 呼叫详细记录 | 第23-24页 |
3.1.2 信令分析的方法 | 第24-25页 |
3.2 信令分析系统的数据处理 | 第25-32页 |
3.2.1 HIVE的命令处理器 | 第25-27页 |
3.2.2 数据预处理 | 第27-29页 |
3.2.3 筛选操作 | 第29-30页 |
3.2.4 聚合操作 | 第30-31页 |
3.2.5 关联操作 | 第31-32页 |
3.3 信令分析系统的优化 | 第32-33页 |
3.4 本章总结 | 第33-35页 |
第四章 分布式信令分析系统的任务调度器 | 第35-43页 |
4.1 静态调度算法 | 第35-36页 |
4.2 动态调度算法 | 第36-37页 |
4.3 基于LLF的MapReduce任务调度算法 | 第37-42页 |
4.4 本章总结 | 第42-43页 |
第五章 基于MapReduce的信令分析系统的实现 | 第43-55页 |
5.1 信令分析系统设计 | 第43-46页 |
5.1.1 查询系统的设计 | 第43-45页 |
5.1.2 分布式平台的实现 | 第45-46页 |
5.1.3 LLF调度器的实现 | 第46页 |
5.2 系统性能分析 | 第46-50页 |
5.2.1 实验设计 | 第46-47页 |
5.2.2 实验环境 | 第47-49页 |
5.2.3 实验结果 | 第49-50页 |
5.3 任务调度分析 | 第50-53页 |
5.3.1 实验设计 | 第50-51页 |
5.3.2 实验环境 | 第51页 |
5.3.3 实验结果 | 第51-53页 |
5.4 本章总结 | 第53-55页 |
第六章 结束语 | 第55-57页 |
6.1 总结 | 第55页 |
6.2 今后研究展望 | 第55-57页 |
参考文献 | 第57-61页 |
致谢 | 第61-63页 |
作者攻读学位期间发表的学术论文目录 | 第63页 |