Данная работа посвящена разработке подхода к выявлению паттернов в последовательностях категориальных данных для непрерывного производства. Исследование последних тенденций развития производственной сферы подтверждает необходимость разработки подходов, применимых для анализа значительных объемов данных в потоке. Представленный в работе подход включает в себя методы распределенной обработки, которые дают возможность проводить анализ данных в потоке для обеспечения адекватного времени отклика.

• ВВЕДЕНИЕ
• ГЛАВА 1 ПОСТАНОВКА ЗАДАЧИ
  • 1.1 Цели и задачи исследования
  • 1.2 Исходные данные
  • 1.3 Выводы по главе 1
• ГЛАВА 2 ТЕОРЕТИЧЕСКИЕ ОСНОВЫ РАССМАТРИВАЕМЫХ СИСТЕМ И ПОДХОДОВ
  • 2.1 Требования, предъявляемые к системам анализа потоковых данных
  • 2.2 Существующие подходы к анализу потоковых данных
    • 2.2.1 Закон Амдала
    • 2.2.2 Результаты исследования масштабируемости методов анализа данных в последовательностях
  • 2.3 Алгоритм анализа категориальных последовательностей PrefixSpan
  • 2.4 Модель параллельных вычислений MapReduce
  • 2.5 Выводы по главе 2
• ГЛАВА 3 РЕАЛИЗАЦИЯ СИСТЕМЫ С ИСПОЛЬЗОВАНИЕМ СТЕКА ПРОМЫШЛЕННЫХ ТЕХНОЛОГИЙ
  • 3.1 Сравнение технологий для реализации компонентов системы
    • 3.1.1 Настройка кластеров. Облачные вычисления в Amazon EMR
    • 3.1.2 Распределенные вычисления на кластерах. Технология Apache Spark
  • 3.3 Выводы по главе 3
• ГЛАВА 4 АРХИТЕКТУРА СИСТЕМЫ РАСПРЕДЕЛЕННОГО АНАЛИЗА ПОТОКОВЫХ ДАННЫХ
  • 4.1 Реализация потоковой обработки данных на распределенной платформе Apache Spark
  • 4.2 Описание архитектуры разработанной системы
  • 4.3 Оценка производительности работы системы
  • 4.4 Выводы по главе 4
• ЗАКЛЮЧЕНИЕ
• СПИСОК ИСТОЧНИКОВ
• ПРИЛОЖЕНИЕ 1 ЛИСТИНГ ПРОГРАММЫ РАСПРЕДЕЛЕННОГО АНАЛИЗА