基于MapReduce大数据表连接查询处理算法优化与设计
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究背景 | 第9-12页 |
| 1.1.1 大数据处理需求 | 第9-10页 |
| 1.1.2 大数据的概念及特点 | 第10-11页 |
| 1.1.3 传统数据库局限性综述 | 第11-12页 |
| 1.2 研究目的及意义 | 第12-14页 |
| 1.3 论文的主要工作 | 第14页 |
| 1.4 论文组织结构安排 | 第14-17页 |
| 第2章 Hadoop相关技术及数据表连接算法 | 第17-31页 |
| 2.1 Hadoop相关技术 | 第17-23页 |
| 2.1.1 Hadoop文件系统 | 第18-20页 |
| 2.1.2 MapReduce编程模型 | 第20页 |
| 2.1.3 MapReduce计算模型 | 第20-23页 |
| 2.2 基于MapReduce的连接算法 | 第23-29页 |
| 2.2.1 基于Reduce的连接 | 第23-25页 |
| 2.2.2 基于MapReduce框架的连接算法 | 第25-29页 |
| 2.3 本章小结 | 第29-31页 |
| 第3章 两表连接优化方法 | 第31-45页 |
| 3.1 ReduceSideJoin算法实现 | 第31-33页 |
| 3.2 RSJ算法局限性分析 | 第33-34页 |
| 3.3 基于分布式缓存机制的两表连接算法的优化 | 第34-38页 |
| 3.3.1 分布式缓存机制原理 | 第34-35页 |
| 3.3.2 Bit-map压缩算法 | 第35-38页 |
| 3.4 DRSJ算法的实现 | 第38-41页 |
| 3.5 DRSJ算法代价分析 | 第41-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第4章 多表连接优化方法 | 第45-59页 |
| 4.1 各多表连接算法综述 | 第45-47页 |
| 4.2 多表连接算法局限性分析 | 第47页 |
| 4.3 总体框架设计 | 第47-50页 |
| 4.4 协调机制的设计 | 第50-56页 |
| 4.4.1 协调模块的设计 | 第50-51页 |
| 4.4.2 流水线模型 | 第51-53页 |
| 4.4.3 多表连接策略 | 第53-56页 |
| 4.5 本章小结 | 第56-59页 |
| 第5章 算法测试与分析 | 第59-69页 |
| 5.1 实验环境的配置及搭建 | 第59-61页 |
| 5.2 实验数据来源 | 第61页 |
| 5.3 两表连接实验 | 第61-63页 |
| 5.4 多表连接实验 | 第63-66页 |
| 5.4.1 网络与I/O代价对比 | 第64-65页 |
| 5.4.2 响应时间对比 | 第65-66页 |
| 5.5 本章小结 | 第66-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间取得的研究成果 | 第75-77页 |
| 致谢 | 第77页 |
