大數(shù)據(jù)技術(shù)衍生出的應(yīng)用為我們的生活不斷地提供著便利,但其在產(chǎn)后訪視方面的應(yīng)用并不活躍。產(chǎn)后訪視指為產(chǎn)婦和新生兒進(jìn)行健康檢查,指導(dǎo)產(chǎn)婦及其家人正確護(hù)理新生兒的活動(dòng),旨在提高產(chǎn)婦的情緒管理和自我控制能力。但我國(guó)產(chǎn)后訪視工作還存在不足之處:訪視流程較為繁復(fù)、沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)、用戶群體較為單一;對(duì)于不斷增長(zhǎng)的訪視數(shù)據(jù),缺乏靈活的定制分析和挖掘。針對(duì)目前產(chǎn)后訪視工作存在的不足,本論文致力于規(guī)范產(chǎn)后訪視的信息采集流程,搭建起一個(gè)大數(shù)據(jù)分析平臺(tái)和任務(wù)調(diào)度平臺(tái),更好的指導(dǎo)訪視工作的開(kāi)展。系統(tǒng)借助JakartaEE體系架構(gòu)實(shí)現(xiàn)了對(duì)于訪視信息的采集;大數(shù)據(jù)分析平臺(tái)中的Hadoop負(fù)責(zé)數(shù)據(jù)的存儲(chǔ);Spark計(jì)算引擎負(fù)責(zé)數(shù)據(jù)的處理與分析。用戶可在任務(wù)調(diào)度平臺(tái)中定制離線或?qū)崟r(shí)的統(tǒng)計(jì)分析任務(wù),遠(yuǎn)程觸發(fā)執(zhí)行Spark的業(yè)務(wù)分析代碼。其中采用Spark技術(shù)棧中的SparkStreaming負(fù)責(zé)實(shí)時(shí)流的計(jì)算,SparkCore與SparkSQL協(xié)作完成對(duì)于離線訪視數(shù)據(jù)的統(tǒng)計(jì)分析,對(duì)于訪視數(shù)據(jù)的挖掘采用SparkMLlib進(jìn)行。分析和計(jì)算結(jié)果存儲(chǔ)于關(guān)系型數(shù)據(jù)庫(kù)或Redis中,最后通過(guò)可視化控件對(duì)其進(jìn)行渲染和多維度展現(xiàn),為統(tǒng)計(jì)分析人員帶來(lái)了便利。論文采用決策樹(shù)分類(lèi)模型對(duì)訪視數(shù)據(jù)集進(jìn)行訓(xùn)練,得到產(chǎn)婦月子期間心理狀態(tài)的預(yù)測(cè)樹(shù),極大方便了訪視計(jì)劃的制定。實(shí)現(xiàn)了分布式集群中NameNode節(jié)點(diǎn)的失效備援,降低了集群崩潰的風(fēng)險(xiǎn);研究了容易影響系統(tǒng)性能的配置項(xiàng)、算子、數(shù)據(jù)傾斜等問(wèn)題并給出優(yōu)化措施。論文對(duì)訪視信息采集以及Spark任務(wù)分析系統(tǒng)的功能進(jìn)行了白盒測(cè)試和黑盒測(cè)試,通過(guò)壓力測(cè)試對(duì)Spark統(tǒng)計(jì)分析任務(wù)的并發(fā)性能進(jìn)行了檢驗(yàn);在不同分類(lèi)模型下對(duì)心里狀態(tài)數(shù)據(jù)集進(jìn)行了訓(xùn)練,得出了最優(yōu)的產(chǎn)婦月子期間心理狀態(tài)預(yù)測(cè)模型,并對(duì)準(zhǔn)確率進(jìn)行了對(duì)比分析,截至目前,產(chǎn)后訪視信息采集子系統(tǒng)已服務(wù)于成都市天府新區(qū),為訪視工作提供了很大的便利。業(yè)務(wù)數(shù)據(jù)的傳輸與處理流程也為后續(xù)訪視系統(tǒng)與推薦系統(tǒng)的結(jié)合提供了理論基礎(chǔ)和技術(shù)可能,對(duì)產(chǎn)后訪視的后續(xù)發(fā)展有著深遠(yuǎn)意義。
【學(xué)位單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：TP311.13;TH77
【部分圖文】：

Broker 指代組成 Kafka 集群中的服務(wù)器節(jié)點(diǎn)；Producer 是消息的發(fā)布者，它能發(fā)布消息到 Topics 進(jìn)程上[20]；Consumer：消息的接收者，它是可以從 Topics 接消息的進(jìn)程；Topic 指的是消息隊(duì)列，一個(gè) Topic 是被分割成多個(gè) Partition 并分式的存儲(chǔ)在不同的 Broker 上的。Kafka 主要采用 Zookeeper 來(lái)協(xié)助其管理集群,ZooKeeper 可以管理和協(xié)調(diào)afka 集群的 Brokers，某個(gè) Broker 的刪除或者加入都是由 Zookeeper 來(lái)協(xié)助通知他節(jié)點(diǎn)的。此外，Zookeeper 還可以保存生產(chǎn)者和消費(fèi)者的狀態(tài)信息。對(duì)于產(chǎn)后訪視的業(yè)務(wù)數(shù)據(jù)的收集和移動(dòng)依賴于 Flume。它是一個(gè)分布式、可靠高可用的服務(wù)，可以有效地收集、聚合和移動(dòng)大量的日志數(shù)據(jù)[21]。它主要由三個(gè)分構(gòu)成，分別是 Source 源、Sink 接收端、Channel 通道。在 Flume 中，外部輸入為 Source 源，系統(tǒng)的輸出成為 Sink 接收端，Channel 通道把 source 和 Sink 鏈接一起，以上這些運(yùn)行在 Flume 的一個(gè)稱為 Agent 代理的守護(hù)進(jìn)程中。Event 事件 Flume 最基本的傳輸單元，包括零個(gè)或多個(gè) Event 頭和一個(gè) Event 體系，其從服器產(chǎn)生，經(jīng)由 Source，Channel，Sink，最終保存到如 HDFS、Avro、HBase 這樣文件系統(tǒng)中。Flume 架構(gòu)圖如圖 2-7 所示。

圖 4-2 ZooKeeper 協(xié)助實(shí)現(xiàn) NameNode 主備的時(shí)序圖如表 4-2 所示為 HA 失效備援部署，所有節(jié)點(diǎn)需要事先配置好 jdk。當(dāng)為 Active的 NameNode 節(jié)點(diǎn)宕機(jī)或者超時(shí)響應(yīng)時(shí)候，StandBy 節(jié)點(diǎn)由于 fencing 機(jī)制會(huì)發(fā)送指令殺死原先 Active 的 NameNode 進(jìn)程，然后由 ZooKeeper 失效備援控制將StandBy 節(jié)點(diǎn)的狀態(tài)變?yōu)?Active。在最短的故障時(shí)間內(nèi)為系統(tǒng)提供正常的服務(wù)。若某 DataNode 節(jié)點(diǎn)宕機(jī)，會(huì)發(fā)送郵件提醒管理員，后續(xù)需要重啟 DataNode 或新增DataNode 節(jié)點(diǎn)。6.搶奪鎖7.創(chuàng)建新的"/NameNode"8.啟動(dòng)備用節(jié)點(diǎn)9.執(zhí)行腳本10.以StandBy方式啟動(dòng)

（a） （b）圖 4-4 產(chǎn)婦與新生兒訪視效果圖。（a）訪視記錄維護(hù)圖；（b）訪視信息采集圖.3.2 Spark 作業(yè)管理訪視數(shù)據(jù)的統(tǒng)計(jì)分析指的是管理員根據(jù)產(chǎn)婦與新生兒的訪視記錄以及普通的點(diǎn)擊流進(jìn)行的一系列統(tǒng)計(jì)分析活動(dòng)。任務(wù)統(tǒng)計(jì)分析子系統(tǒng)不僅需要搭建一備的大數(shù)據(jù)分析平臺(tái)供各個(gè) Spark 作業(yè)執(zhí)行，還需要有一個(gè)完善的任務(wù)申請(qǐng)、、查看任務(wù)與分析結(jié)果模塊來(lái)執(zhí)行 Spark-Submit 命令觸發(fā)執(zhí)行具體業(yè)務(wù)邏輯。關(guān)于任務(wù)申請(qǐng)、觸發(fā)執(zhí)行、查看與分析結(jié)果模塊設(shè)計(jì)到的類(lèi)，我們用采集系務(wù)處理類(lèi)圖對(duì) AnalysisController、IAnalysisService、AnalysisServiceImplaskInfo 、AnalysisMapper、RequestResult<T>類(lèi)的屬性、方法以及類(lèi)之間的關(guān)系了說(shuō)明。AnalysisController 類(lèi)負(fù)責(zé)與任務(wù)有關(guān)的 URL 請(qǐng)求與分發(fā)處理，其中定義nalysisService 任務(wù)分析處理的接口對(duì)象 analysisService；定義了全局任務(wù)
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄒青;;國(guó)外產(chǎn)后訪視工作的研究進(jìn)展[J];中華護(hù)理雜志;2017年02期

2 玉榮;李憲平;;社區(qū)護(hù)士產(chǎn)后訪視工作體會(huì)[J];中國(guó)冶金工業(yè)醫(yī)學(xué)雜志;2017年02期

3 李桂賢;;社區(qū)產(chǎn)后訪視護(hù)理服務(wù)對(duì)新生兒黃疸的干預(yù)作用[J];中國(guó)當(dāng)代醫(yī)藥;2016年10期

4 何平;;社區(qū)屬地化產(chǎn)后訪視新模式實(shí)施效果評(píng)估[J];上海醫(yī)藥;2016年14期

5 果麗娜;高爽;張良芬;;海淀街道社區(qū)329例產(chǎn)婦產(chǎn)后訪視次數(shù)需求的影響因素分析[J];中國(guó)婦幼健康研究;2016年08期

6 丁藝;;社區(qū)孕產(chǎn)婦產(chǎn)后訪視管理情況分析與對(duì)策[J];中醫(yī)藥管理雜志;2015年13期

7 盛琴;;護(hù)理督導(dǎo)在產(chǎn)后訪視中的應(yīng)用分析[J];內(nèi)蒙古中醫(yī)藥;2015年09期

8 李元瓊;陳麗;李芳;;社區(qū)產(chǎn)后訪視對(duì)提高母嬰健康水平的影響[J];世界最新醫(yī)學(xué)信息文摘;2015年44期

9 田晶杰;;加強(qiáng)產(chǎn)后訪視促進(jìn)婦幼保健工作[J];健康之路;2017年06期

10 王婕;胡桂風(fēng);丁學(xué)玲;呂志芳;;91名產(chǎn)婦產(chǎn)后訪視時(shí)間和次數(shù)需求的調(diào)查分析[J];中國(guó)婦幼保健;2014年25期

相關(guān)碩士學(xué)位論文 前6條

1 單智;基于Spark的產(chǎn)后訪視系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2018年

2 徐麗娜;產(chǎn)后服務(wù)對(duì)象避孕節(jié)育現(xiàn)狀與需求相關(guān)調(diào)查研究[D];天津醫(yī)科大學(xué);2015年

3 龍素瓊;云南陸良農(nóng)村婦女產(chǎn)后保健需求研究[D];杭州師范大學(xué);2013年

4 李治軍;重慶項(xiàng)目縣農(nóng)村婦女孕產(chǎn)期保健現(xiàn)狀及影響因素研究[D];重慶醫(yī)科大學(xué);2008年

5 楊東玲;利用手機(jī)短信和因特網(wǎng)促進(jìn)母乳喂養(yǎng)的社區(qū)干預(yù)研究[D];復(fù)旦大學(xué);2012年

6 王苓;山西省孕產(chǎn)婦死亡影響因素流行病學(xué)研究[D];山西醫(yī)科大學(xué);2005年

本文編號(hào)：2881466