2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩69頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明: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),請進行舉報或認領(lǐng)

文檔簡介

1、互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)等技術(shù)的發(fā)展,使得服務(wù)器上的Web日志急劇膨脹。Web日志記錄了上網(wǎng)用戶訪問Web頁面的瀏覽行為,對網(wǎng)站建設(shè)和提供精準(zhǔn)服務(wù)具有重要的指導(dǎo)意義。但是,原始 Web日志文件中數(shù)據(jù)的通常是不完整、冗余甚至錯誤的,直接使用這些數(shù)據(jù)進行日志分析非常困難,而且有可能得到錯誤的結(jié)果,因此,對 Web日志數(shù)據(jù)進行預(yù)處理是很有必要的。同時,考慮到傳統(tǒng)關(guān)系數(shù)據(jù)庫存儲的約束和單節(jié)點數(shù)據(jù)處理方式的局限性,本文使用Hadoop的分布式處理平臺對

2、Web日志數(shù)據(jù)進行存儲和預(yù)處理操作,主要內(nèi)容包括:
  (1)Web日志數(shù)據(jù)存儲
  面對海量Web日志的急劇增長,傳統(tǒng)存儲技術(shù)面臨建設(shè)成本高、運維復(fù)雜、擴展性有限等問題,而現(xiàn)在流行的云數(shù)據(jù)庫具有動態(tài)可擴展、高伸縮性、高吞吐性能、低成本等優(yōu)勢,因此,本課題考慮將Web日志存儲到Hadoop數(shù)據(jù)庫HBase中,充分利用集群的分布式處理優(yōu)勢。
 ?。?)HBase負載均衡優(yōu)化
  數(shù)據(jù)在HBase中的存儲方式在很大程

3、度上左右著整個集群的性能,直接影響著后續(xù)讀取操作的效率。當(dāng)MapReduce讀取HBase中Web日志數(shù)據(jù)時可能會造成訪問“熱點”問題,本文針對這種情況提出一種改進的負載均衡算法即HBase基于子表限制的負載均衡算法,在子表分配過程中除了考慮HRegionServer的負載情況外,還考慮到切割子表region的分配情況,從而實現(xiàn)最大程度上的集群負載均衡。
 ?。?)用MapReduce對Web日志進行預(yù)處理
  Web日志預(yù)

4、處理操作關(guān)系到Web挖掘的質(zhì)量,而單一節(jié)點的計算能力在處理大規(guī)模增長的Web日志上逐漸顯露出弊端,MapReduce支持大規(guī)模集群操作,本文在分析Web日志預(yù)處理過程后,從HBase中讀取數(shù)據(jù),使用MapReduce計算模型處理Web日志的預(yù)處理操作。
  通過對比實驗,驗證了優(yōu)化后的HBase負載均衡算法在適當(dāng)集群環(huán)境中可以有效解決負載訪問失衡問題,以及驗證了MapReduce在處理Web日志預(yù)處理過程的高效性。最后,本文對預(yù)處

溫馨提示

  • 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論