摘要：为提高企业网络内海量日志数据的分析效率,构建基于Hadoop平台的日志分析模型。对模型框架进行总体设计,提出一种mapreduce编程模式的Apriori并行化算法,基于该算法对历史日志进行数据挖掘分析,计算用户行为的频繁模式,建立用户正常行为规则库,将实时日志与规则库中的规则进行模式匹配,实现对用户异常行为的检测。实验结果表明,该模型算法明显提高了日志分析效率。

摘要：针对因特网环境下并行数据库实现多个大数据表关联存在的计算瓶颈,基于Hadoop集群设计了一个并行关联多个大数据表的简便算法MR_Join。以商业网站凡客诚品的销售数据为例进行实验,验证算法的可行性并做出应用实例。实验结果表明,MR_Join算法可以有效地实现大数据表的快速关联,具有显著的并行效率。

摘要：城市规模越来越大,城市路网越来越复杂,寻找城市路网最短路径计算量大幅度增加。针对传统蚁群算法应用于城市路网最短路径寻找中效率低、易陷入局部最优的问题,论文对传统蚁群算法的信息素挥发因子进行改进,实现信息素挥发因子的自适应确定,同时借助mapreduce编程模式对改进蚁群算法进行并行化处理,获得寻找城市路网最短路径的算法。将获得的城市路网最短路径算法应用于物流配送最短路径寻找实例中,结果表明基于云计算的城市路网最短路径算法能够快速检索到起点与终点的最短路径,这对提高配送效率、节约配送成本具有一定指导价值。