基于Hadoop的电信运营商海量数据处理方法的研究与应用

摘要

随着移动互联网的迅速发展和业务种类的不断丰富，用户在使用电信业务的过程中产生的数据成倍地增长。海量数据的出现及数据结构的改变，给电信运营商管理、分析和处理数据带来了巨大的挑战。传统的数据仓库已经无法有效地存储和处理日益增长和新型的业务数据，而基于 Hadoop分布式技术的发展为解决上述问题提供了有效的技术手段。论文针对基于Hadoop的电信行业海量数据分析的方法，采用理论分析和实验进行了全面的研究。
　　论文首先对基于Hadoop的方法进行了全面的阐述，讨论并分析了Hadoop体系架构中包括HDFS、MapReduce和Hive等关键技术。其次，论文对传统电信运营商海量数据处理方法进行了分析，在对其缺点进行分析基础上阐述了基于Hadoop的改进海量数据处理方法。论文理论分析了基于 Hadoop的海量数据处理模型及优化策略，并搭建了实验环境进行了验证和对比，实验结果表明基于 Hadoop的方法可以有效提高海量数据处理的效率，降低运营成本。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1论文背景与研究意义

1.2论文主要工作和结构安排

第二章 基于Hadoop方法原理及体系架构

2.1 Hadoop简介

2.2 HDFS

2.3 MapReduce

2.4 Hive

2.5本章小结

第三章 电信运营商海量数据处理现状

3.1电信运营商的数据模型和业务分析

3.2电信运营商传统数据处理方法

3.3海量数据带来的机遇

3.4本章小结

第四章 基于Hadoop方法的电信企业海量数据处理方法

4.1基于Hadoop的海量数据处理方法

4.2基于Hadoop方法的实现流程

4.3基于Hadoop方法的优化

4.4本章小结

第五章 基于Hadoop方法的实验及性能分析

5.1基于Hadoop方法的实验环境

5.2实验测试及性能分析

5.3本章小结

第六章 总结与展望

参考文献

附录1 攻读硕士学位期间撰写的论文

附录2 攻读硕士学位期间申请的专利

致谢