面向多场景的大数据集成存储与治理系统的设计与实现 |
论文目录 |
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 中英文缩略词对照表 | 第8-12页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状分析 | 第13-15页 |
| 1.2.1 网络爬虫技术发展现状 | 第13页 |
| 1.2.2 数据集成技术发展现状 | 第13-14页 |
| 1.2.3 数据治理技术发展现状 | 第14-15页 |
| 1.2.4 研究现状中存在的问题 | 第15页 |
| 1.3 论文目标及主要研究内容 | 第15-17页 |
| 1.3.1 定制化网络爬虫子系统的研究与实现 | 第16页 |
| 1.3.2 面向多场景的统一数据集成子系统的研究与实现 | 第16-17页 |
| 1.3.3 统一数据治理子系统的研究与实现 | 第17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第二章 相关技术和系统方案研究 | 第19-25页 |
| 2.1 网络爬虫相关技术和系统方案研究 | 第19-21页 |
| 2.1.1 WebMagic爬虫框架 | 第19-20页 |
| 2.1.2 Connector插件开发 | 第20页 |
| 2.1.3 XPath语言 | 第20-21页 |
| 2.1.4 系统技术方案及可行性分析 | 第21页 |
| 2.2 数据集成相关技术和系统方案研究 | 第21-23页 |
| 2.2.1 数据源变化捕获技术 | 第21-22页 |
| 2.2.2 Kafka Connect | 第22-23页 |
| 2.2.3 系统技术方案及可行性分析 | 第23页 |
| 2.3 数据治理相关技术和系统方案研究 | 第23-25页 |
| 2.3.1 数据湖和数据仓库 | 第23-24页 |
| 2.3.2 大数据仓库Hive | 第24页 |
| 2.3.3 图数据库Neo4j | 第24页 |
| 2.3.4 系统技术方案及可行性分析 | 第24-25页 |
| 第三章 可定制的分布式网络爬虫子系统的设计与实现 | 第25-37页 |
| 3.1 系统需求分析 | 第25-26页 |
| 3.1.1 可定制性需求 | 第25页 |
| 3.1.2 可恢复性需求 | 第25页 |
| 3.1.3 并行性需求 | 第25-26页 |
| 3.2 系统架构设计 | 第26-32页 |
| 3.2.1 模块化定制 | 第26-29页 |
| 3.2.2 全局URL调度 | 第29-30页 |
| 3.2.3 分布式运行 | 第30-32页 |
| 3.3 系统实现 | 第32-37页 |
| 3.3.1 kafka-connect-WebMagic插件的实现 | 第32-35页 |
| 3.3.2 爬虫管理服务模块的设计和实现 | 第35-37页 |
| 第四章 面向多场景的统一数据集成子系统的研究与实现 | 第37-51页 |
| 4.1 系统需求分析 | 第37-39页 |
| 4.1.1 功能性要求 | 第37-38页 |
| 4.1.2 非功能要求 | 第38-39页 |
| 4.2 系统的模块设计 | 第39页 |
| 4.3 系统的模块实现 | 第39-44页 |
| 4.3.1 控制台模块 | 第40页 |
| 4.3.2 管理服务模块 | 第40-41页 |
| 4.3.3 数据抽取、加载模块 | 第41-44页 |
| 4.3.4 数据处理模块 | 第44页 |
| 4.4 系统的功能优化 | 第44-51页 |
| 4.4.1 文件实时数据抽取 | 第44-48页 |
| 4.4.2 语义一致性保证方法 | 第48-51页 |
| 第五章 统一数据治理子系统的研究与实现 | 第51-67页 |
| 5.1 系统需求分析 | 第51页 |
| 5.2 系统模块设计 | 第51-52页 |
| 5.3 系统模块实现 | 第52-67页 |
| 5.3.1 数据源接入模块 | 第52-56页 |
| 5.3.2 数据湖管理模块 | 第56-57页 |
| 5.3.3 元数据管理模块 | 第57-61页 |
| 5.3.4 数据质量管理模块 | 第61-62页 |
| 5.3.5 图谱标签管理模块 | 第62-67页 |
| 第六章 系统部署与测试 | 第67-86页 |
| 6.1 系统部署 | 第67-69页 |
| 6.1.1 系统间集成关系 | 第67-68页 |
| 6.1.2 系统部署环境 | 第68-69页 |
| 6.2 功能测试 | 第69-85页 |
| 6.2.1 爬虫管理服务测试 | 第69-72页 |
| 6.2.2 数据同步服务测试 | 第72-74页 |
| 6.2.3 数据治理服务测试 | 第74-85页 |
| 6.3 本章小结 | 第85-86页 |
| 第七章 总结与展望 | 第86-88页 |
| 7.1 本文工作总结 | 第86-87页 |
| 7.1.1 定制化网络爬虫子系统的实现 | 第86页 |
| 7.1.2 统一数据集成子系统的实现 | 第86-87页 |
| 7.1.3 统一数据治理子系统的实现 | 第87页 |
| 7.2 本文的不足及展望 | 第87-88页 |
| 参考文献 | 第88-92页 |
| 致谢 | 第92-93页 |
| 攻读学位期间取得的研究成果 | 第93页 |
|
| |
