一個(gè)基于Hadoop的Web日志分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf_第1頁(yè)
已閱讀1頁(yè),還剩55頁(yè)未讀 繼續(xù)免費(fèi)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著Internet的迅速發(fā)展和普及,Web相關(guān)組織收集了海量Web日志數(shù)據(jù),其中蘊(yùn)藏著大量有用的信息和知識(shí),而這些信息和知識(shí)可以被用來設(shè)計(jì)產(chǎn)品、判斷客戶生命周期、優(yōu)化Web應(yīng)用程序功能、為用戶提供更個(gè)性化的內(nèi)容以及在Web空間找到最有效的邏輯結(jié)構(gòu)等。因此,海量Web日志數(shù)據(jù)一直具有重要的實(shí)際意義。
  傳統(tǒng)的串行計(jì)算方法已難以處理如此龐大的數(shù)據(jù),而云計(jì)算技術(shù)可以有效處理海量數(shù)據(jù)。Hadoop是Apache軟件基金會(huì)旗下的一個(gè)開源

2、分布式計(jì)算平臺(tái)。以HDFS和MapReduce為核心的Hadoop為用戶提供了系統(tǒng)底層細(xì)節(jié)透明的分布式基礎(chǔ)架構(gòu),為利用云計(jì)算處理海量數(shù)據(jù)提供了有效的支撐。
  本文以作者所在公司的實(shí)習(xí)項(xiàng)目為基礎(chǔ),目標(biāo)是對(duì)海量Web日志進(jìn)行分析,重點(diǎn)是研究Hadoop框架與傳統(tǒng)數(shù)據(jù)挖掘的結(jié)合,最終完成一個(gè)基于Hadoop的Web日志分析系統(tǒng),從而可以從用戶上網(wǎng)數(shù)據(jù)中挖掘出有意義的信息。本文主要工作包括:
  (1)研究了Web日志數(shù)據(jù)挖掘的相

3、關(guān)背景和意義,以及如何將Hadoop應(yīng)用到傳統(tǒng)數(shù)據(jù)挖掘中的方法。
  (2)研究了Web日志挖掘的預(yù)處理過程。
  (3)利用MapReduce實(shí)現(xiàn)統(tǒng)計(jì)模型?;贛apReduce技術(shù),研究并實(shí)現(xiàn)三種并行式Apriori挖掘算法。經(jīng)過對(duì)比分析,結(jié)合Hadoop框架,提出并實(shí)現(xiàn)了一種改進(jìn)的Apriori算法,并在實(shí)際數(shù)據(jù)集上運(yùn)行以驗(yàn)證設(shè)計(jì)的有效性,實(shí)驗(yàn)分析表明所設(shè)計(jì)算法有較高的效率,在實(shí)際應(yīng)用中有較好的可行性。
  (4

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(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(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

評(píng)論

0/150

提交評(píng)論