基于HBase的人口收入水平的預(yù)測(cè)研究.pdf

1、隨著大數(shù)據(jù)時(shí)代的到來(lái)，各個(gè)行業(yè)和領(lǐng)域開始利用大數(shù)據(jù)處理技術(shù)，將海量數(shù)據(jù)中的信息和知識(shí)挖掘出來(lái)，為人類的社會(huì)活動(dòng)提供依據(jù)。大數(shù)據(jù)技術(shù)不僅可以存儲(chǔ)海量的數(shù)據(jù)集，而且提供分布式的并行架構(gòu)處理技術(shù)，從而提高了數(shù)據(jù)的吞吐量。面對(duì)國(guó)內(nèi)的海量人口收入數(shù)據(jù)集，利用大數(shù)據(jù)處理技術(shù)將會(huì)提高數(shù)據(jù)的處理速度和效率。
　　本文在分析了當(dāng)前的主流大數(shù)據(jù)處理技術(shù)之后，選擇了Hadoop作為大數(shù)據(jù)處理平臺(tái)，HBase作為大數(shù)據(jù)集的存儲(chǔ)數(shù)據(jù)庫(kù)，通過(guò)使用MapRed

2、uce的編程模型來(lái)實(shí)現(xiàn)人口收入數(shù)據(jù)的處理，主要實(shí)現(xiàn)了如下工作:
　　分析了開源的Hadoop平臺(tái)的相關(guān)技術(shù)，重點(diǎn)研究了HBase列式存儲(chǔ)數(shù)據(jù)庫(kù)，包括數(shù)據(jù)模型、表的設(shè)計(jì)、表的操作以及數(shù)據(jù)的導(dǎo)入方式，并通過(guò)安裝Hadoop和HBase實(shí)現(xiàn)了人口收入數(shù)據(jù)的數(shù)據(jù)存儲(chǔ)。
　　研究了樸素貝葉斯算法在人口收入數(shù)據(jù)方面的應(yīng)用。針對(duì)存儲(chǔ)在HBase中的人口收入數(shù)據(jù)集，通過(guò)實(shí)現(xiàn)樸素貝葉斯算法的MapReduce來(lái)實(shí)現(xiàn)數(shù)據(jù)的處理，主要包括數(shù)據(jù)的離