

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、大數(shù)據(jù)技術(shù)之中核心是數(shù)據(jù)分析,但在真正解決大數(shù)據(jù)問(wèn)題之時(shí),三分之二的工作量都是在大數(shù)據(jù)清洗,大數(shù)據(jù)清洗是開(kāi)始大數(shù)據(jù)處理的基礎(chǔ),所以,高效的大數(shù)據(jù)清洗技術(shù)不僅能有效地提高大數(shù)據(jù)質(zhì)量,也可以加快整體大數(shù)據(jù)處理的流程。
本論文設(shè)計(jì)實(shí)現(xiàn)了一套基于Spark的大數(shù)據(jù)清洗框架,原理是充分利用Spark分布式計(jì)算能力,將彈性分布式數(shù)據(jù)集(Resilient Distributed Datasets,RDDs)的操作,封裝成大數(shù)據(jù)清洗的任務(wù)單
2、元,通過(guò)組合,串聯(lián)成完整的大數(shù)據(jù)清洗流水線,實(shí)現(xiàn)大數(shù)據(jù)清洗。同時(shí)提出了多叉樹(shù)計(jì)算流結(jié)構(gòu),優(yōu)化大數(shù)據(jù)清洗流程。該框架能夠重用大數(shù)據(jù)清洗功能組件,靈活配置清洗流程,充分利用Spark的高速計(jì)算性能,實(shí)現(xiàn)高可擴(kuò)展性,滿足實(shí)際環(huán)境中復(fù)雜的大數(shù)據(jù)清洗需求,徹底解決大數(shù)據(jù)清洗問(wèn)題,加快整體大數(shù)據(jù)處理流程。
實(shí)驗(yàn)證明,基于該大數(shù)據(jù)清洗框架,能夠極大降低清洗流程的耦合性,利用已有的清洗單元,靈活地實(shí)現(xiàn)復(fù)雜的大數(shù)據(jù)清洗,極大降低了大數(shù)據(jù)清洗的成
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于Spark的大數(shù)據(jù)挖掘技術(shù)的研究與實(shí)現(xiàn).pdf
- 基于Spark大數(shù)據(jù)平臺(tái)日志審計(jì)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于Kubernetes的大數(shù)據(jù)流式計(jì)算Spark平臺(tái)設(shè)計(jì)與實(shí)現(xiàn).pdf
- 數(shù)據(jù)清洗技術(shù)研究及清洗框架的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于Spark和Hive的網(wǎng)易移動(dòng)大數(shù)據(jù)支持平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于Spark數(shù)據(jù)分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于Spark的海量數(shù)據(jù)計(jì)算平臺(tái)設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于Ajax的Web框架設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于NDIS的過(guò)濾框架設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于Spark的數(shù)據(jù)管理平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于Spark框架的分布式ETL設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于Thrift框架的離線大數(shù)據(jù)中間件的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于gridsim的模擬框架設(shè)計(jì)與實(shí)現(xiàn)
- 基于復(fù)用技術(shù)的框架設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于GridSim的模擬框架設(shè)計(jì)與實(shí)現(xiàn).pdf
- 電信資源數(shù)據(jù)WEB查詢框架設(shè)計(jì)與實(shí)現(xiàn).pdf
- 電信數(shù)據(jù)稽核監(jiān)控系統(tǒng)框架設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于Spark的情報(bào)大數(shù)據(jù)可視化分析.pdf
- 基于Spark的數(shù)據(jù)分析建模工具的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于mvc的web應(yīng)用框架設(shè)計(jì)與實(shí)現(xiàn)
評(píng)論
0/150
提交評(píng)論