基于Spark的Web日志分析處理系統(tǒng).pdf

1、Web日志分析是收集用戶瀏覽網(wǎng)頁時(shí)產(chǎn)生的所有日志信息，并對(duì)這些日志進(jìn)行數(shù)據(jù)轉(zhuǎn)化、數(shù)據(jù)清洗、數(shù)據(jù)挖掘的過程。通過Web日志分析可發(fā)現(xiàn)用戶的訪問行為與規(guī)律，并據(jù)此優(yōu)化網(wǎng)站結(jié)構(gòu)，給用戶帶來更好的體驗(yàn)。但傳統(tǒng)的日志數(shù)據(jù)分析處理大多基于串行處理，面對(duì)海量的大數(shù)據(jù)時(shí)，傳統(tǒng)的日志數(shù)據(jù)分析處理就顯得力不從心。
　　Spark是當(dāng)今大數(shù)據(jù)領(lǐng)域最活躍、最熱門、最高效的大數(shù)據(jù)通用計(jì)算平臺(tái)，是應(yīng)對(duì)大規(guī)模日志數(shù)據(jù)分析與處理的強(qiáng)有力工具。
　　本課題圍

2、繞基于并行計(jì)算的日志數(shù)據(jù)分析處理展開研究開發(fā)。研究了基于Spark平臺(tái)的大數(shù)據(jù)并行處理方法、基于Spark平臺(tái)的新型日志數(shù)據(jù)處理體系結(jié)構(gòu)、基于Spark平臺(tái)及Scala語言的大規(guī)模日志文件分析算法。
　　在理論與技術(shù)研究的基礎(chǔ)上，搭建了基于Spark的大數(shù)據(jù)處理平臺(tái)，通過搜索引擎釆集了實(shí)驗(yàn)用的Web網(wǎng)站日志文件數(shù)據(jù)集，存儲(chǔ)在HDFS分布式文件系統(tǒng)中。應(yīng)用Scala語言編碼實(shí)現(xiàn)了大規(guī)模日志文件分析系統(tǒng)。該系統(tǒng)主要包括日志收集、日志存