發(fā)布時(shí)間：2021-07-28 22:33

　　隨著我國(guó)葡萄酒行業(yè)的發(fā)展,傳統(tǒng)方式的葡萄酒企業(yè)信息管理模式已經(jīng)無法滿足企業(yè)的需求,針對(duì)大數(shù)據(jù)量葡萄酒信息數(shù)據(jù)的處理,以及企業(yè)信息資源管理水平和工作效率的提高,本文設(shè)計(jì)實(shí)現(xiàn)了基于分布式的葡萄酒信息分析系統(tǒng)。該系統(tǒng)高效的實(shí)現(xiàn)了葡萄酒信息的整合以及信息管理的規(guī)范化和標(biāo)準(zhǔn)化,提高了企業(yè)對(duì)人員和葡萄酒相關(guān)信息管理的工作效率。本系統(tǒng)以葡萄酒行業(yè)、數(shù)據(jù)挖掘和大數(shù)據(jù)云計(jì)算技術(shù)為背景,設(shè)計(jì)實(shí)現(xiàn)了基于分布式的葡萄酒信息分析系統(tǒng)。該系統(tǒng)主要包括七個(gè)功能模塊:前臺(tái)信息展示模塊、首頁(yè)歡迎模塊、數(shù)據(jù)管理模塊、信息管理模塊、預(yù)測(cè)分析模塊、用戶管理模塊和數(shù)據(jù)信息可視化分析模塊。前臺(tái)信息展示模塊主要負(fù)責(zé)向用戶展示酒莊的葡萄酒產(chǎn)品、招聘信息和聯(lián)系方式等信息;首頁(yè)歡迎模塊負(fù)責(zé)展示系統(tǒng)的概要信息,如酒莊附近的天氣狀況、當(dāng)前時(shí)間、酒莊地圖、銷售信息、銷售區(qū)域、葡萄酒庫(kù)存量以及用戶信息等;數(shù)據(jù)管理模塊主要負(fù)責(zé)葡萄酒數(shù)據(jù)的導(dǎo)入和導(dǎo)出系統(tǒng);信息管理模塊主要負(fù)責(zé)對(duì)酒莊天氣信息、酒莊環(huán)境信息、葡萄酒成分信息、葡萄酒信息、庫(kù)存信息、出入庫(kù)信息以及銷售信息進(jìn)行管理;信息預(yù)測(cè)分析模塊主要負(fù)責(zé)對(duì)酒莊48小時(shí)內(nèi)天氣狀況、熱詞搜索度以及葡萄酒等級(jí)質(zhì)... 

【文章來源】：寧夏大學(xué)寧夏回族自治區(qū) 211工程院校

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１?ＨＤＦＳ的體系結(jié)構(gòu)??ＭａＲｅｄｕｃｅ一，

寧夏大學(xué)碩士學(xué)位論文?第二章關(guān)鍵技術(shù)與相關(guān)理論??問題。主要思想包括任務(wù)的分解（Ｍａｐ）與結(jié)果的匯總（Ｒｅｄｕｃｅ）。其中Ｍａｐ操作是把一個(gè)大的??任務(wù)分解成許多個(gè)小的任務(wù)，Ｒｅｄｕｃｅ操作是將分解后的小任務(wù)分別進(jìn)行計(jì)算處理，并將處理的??結(jié)果進(jìn)行匯總。??ＭａｐＲｅｄｕｃｅ編程模型的原理是利用一個(gè)輸入的ｋｅｙ／ｖａｌｕｅ鍵值對(duì)集合來產(chǎn)生一個(gè)輸出的??ｋｅｙ／ｖａｌｕｅ鍵值對(duì)集合。ＭａｐＲｅｄｕｃｅ是由兩個(gè)函數(shù)ｍａｐ和ｒｅｄｕｃｅ函數(shù)來實(shí)現(xiàn)的，用戶自定義的??ｍａｐ函數(shù)把數(shù)據(jù)分割成ｋｅｙ／ｖａｌｕｅ鍵值對(duì)的形式，ＭａｐＲｅｄｕｃｅ把所有具有相同Ｋｅｙ值的ｖａｌｕｅ??數(shù)據(jù)集合合并在一起再傳送給ｒｅｄｕｃｅ函數(shù)。ＭａｐＲｅｄｕｃｅ采用的是分而治之處理思想，即任務(wù)的??分解和結(jié)果集的匯總。這種數(shù)據(jù)的處理方式在很大程度上提高了數(shù)據(jù)的處理效率。因此，??ＭａｐＲｅｄｕｃｅ框架具有以下優(yōu)點(diǎn)：??１、可擴(kuò)展性：可動(dòng)態(tài)的改變計(jì)算機(jī)器節(jié)點(diǎn)的個(gè)數(shù)，實(shí)現(xiàn)了真正意義上的彈性計(jì)算。??２、高容錯(cuò)能力：在設(shè)計(jì)之初把錯(cuò)誤的發(fā)生作為正常情況考慮進(jìn)去，即每個(gè)數(shù)據(jù)節(jié)點(diǎn)都有相應(yīng)??的備份，當(dāng)其中一個(gè)節(jié)點(diǎn)出現(xiàn)宕機(jī)，不會(huì)影響任務(wù)的正常執(zhí)行。??３、支持負(fù)載均衡：采用公平調(diào)度算法來保證集群任務(wù)處理的均衡性。ＭａｐＲｅｄｕｃｅ數(shù)據(jù)處理過??程如圖２－２所７Ｋ：??輸入?Ｍａｐｐｅｒｓ?屮＿數(shù)遞?Ｒｅｄｕｃｅｒｓ?輸座??

的編程思路。它最大的優(yōu)點(diǎn)就是能夠?qū)崿F(xiàn)用戶的異步請(qǐng)求操作，即在不刷新頁(yè)面的情況下直接??與服務(wù)器進(jìn)行通信，從而提高服務(wù)器的響應(yīng)時(shí)間。ＡＪＡＸ通過網(wǎng)絡(luò)通信技術(shù)發(fā)送和接收來自服務(wù)??器的Ｈｔｔｐ異步請(qǐng)求／響應(yīng)，然后利用顯示技術(shù)對(duì)響應(yīng)進(jìn)行處理。ＡＪＡＸ其工作原理如圖２－３所??示：??＿Ｌ：ＣＳＳ?（ＳＩ?Ｄａｌ．ａ?＿??????＾?二??Ｉ用戶接口?ｐ?＾?Ａ．＂引宰：??ＪａｖａＳｃｒｉｐｔ?ｃａｌｌ?ｉｉｌｔｐ?ｒｅｑｕｅｓｌＬＪ／＾ａｔａ?????Ｉ?服務(wù)器?？??瀏覽器??圖２－３?Ａｊａｘ工作原理??－８－??

【參考文獻(xiàn)】：
期刊論文
[1]深度學(xué)習(xí)的研究進(jìn)展與發(fā)展[J]. 史加榮,馬媛媛.  計(jì)算機(jī)工程與應(yīng)用. 2018(10)
[2]基于BP和樸素貝葉斯的時(shí)間序列分類模型[J]. 王會(huì)青,郭芷榕,白瑩瑩.  計(jì)算機(jī)應(yīng)用研究. 2019(08)
[3]支持向量機(jī)模型與應(yīng)用綜述[J]. 劉方園,王水花,張煜東.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(04)
[4]基于改進(jìn)的深度卷積神經(jīng)網(wǎng)絡(luò)的人體動(dòng)作識(shí)別方法[J]. 陳勝娣,魏維,何冰倩,陳思宇,劉基緣.  計(jì)算機(jī)應(yīng)用研究. 2019(03)
[5]機(jī)器學(xué)習(xí)算法在數(shù)據(jù)挖掘中的應(yīng)用[J]. 楊金勞.  電子技術(shù)與軟件工程. 2018(04)
[6]基于B/S結(jié)構(gòu)的醫(yī)院管理系統(tǒng)的開發(fā)與設(shè)計(jì)[J]. 王杉珊.  電子設(shè)計(jì)工程. 2017(23)
[7]人工智能在神經(jīng)醫(yī)學(xué)中的應(yīng)用綜述[J]. 李詩(shī)語,王峰,曹彬,梅琪.  計(jì)算機(jī)科學(xué). 2017(S2)
[8]一種改進(jìn)的增量式貝葉斯文本分類算法[J]. 吳國(guó)文,莊千料.  計(jì)算機(jī)應(yīng)用與軟件. 2017(06)
[9]采用ECharts可視化技術(shù)實(shí)現(xiàn)的數(shù)據(jù)體系監(jiān)控系統(tǒng)[J]. 冀瀟,李楊.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2017(06)
[10]并行機(jī)器學(xué)習(xí)算法基礎(chǔ)體系前沿進(jìn)展綜述[J]. 劉斌,何進(jìn)榮,耿耀君,王最.  計(jì)算機(jī)工程與應(yīng)用. 2017(11)

碩士論文
[1]基于Spark的分布式協(xié)同過濾及工具研究[D]. 趙磊.南京大學(xué) 2017
[2]基于葡萄酒品基礎(chǔ)數(shù)據(jù)的綜合分析系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 劉瑜.山東大學(xué) 2013
[3]Spring框架技術(shù)分析及應(yīng)用研究[D]. 翟劍錕.中國(guó)科學(xué)院大學(xué)(工程管理與信息技術(shù)學(xué)院) 2013
[4]基于Hadoop的數(shù)據(jù)分析系統(tǒng)設(shè)計(jì)和實(shí)現(xiàn)[D]. 劉彤.北京郵電大學(xué) 2012
[5]基于Hadoop平臺(tái)的數(shù)據(jù)分析和應(yīng)用[D]. 姜文.北京郵電大學(xué) 2011



本文編號(hào)：3308775