声明
致谢
摘要
序言
1 引言
1.1 课题研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 研究现状
1.2.1 铁路大数据研究现状
1.2.2 流式处理研究现状
1.3 本文研究内容
1.4 论文组织安排
2 理论及相关技术介绍
2.1 大数据并行处理模式
2.1.1 离线批处理计算
2.1.2 流式计算
2.2 流式处理原理和相关技术
2.2.1 流式处理技术原理
2.2.2 Spark Streaming
2.2.3 Hive和Impala
2.3 流式计算框架对比
2.4 本章小结
3 铁路运维数据处理与分析
3.1 业务背景
3.1.1 数据说明
3.1.2 需求与解决方案
3.2 数据处理与分析
3.2.1 处理环境搭建
3.2.2 传统方式处理
3.2.3 Spark Streaming处理
3.2.4 对比分析
3.3 本章小结
4 基于Spark Streaming的系统设计实现
4.1 问题分析
4.2 系统设计
4.2.1 系统架构
4.2.2 数据收集模块设计
4.2.3 数据处理模块设计
4.2.4 数据应用模块设计
4.3 系统实现
4.3.1 实现环境
4.3.2 数据收集模块实现
4.3.3 数据处理模块实现
4.3.4 数据应用模块实现
4.4 本章小结
5 基于Spark Streaming的系统优化
5.1 架构优化
5.1.1 Kafka消息队列简介
5.1.2 Kafka整合
5.2 性能优化
5.2.1 Streaming参数调优
5.2.2 结论
5.3 本章小结
6.1 工作总结
6.2 工作展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集