| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 数据立方体的国内外研究现状 | 第11-15页 |
| 1.2.1 压缩技术现状 | 第11-13页 |
| 1.2.2 索引技术 | 第13-14页 |
| 1.2.3 增量维护算法 | 第14页 |
| 1.2.4 生成算法 | 第14-15页 |
| 1.2.5 磁盘存储 | 第15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-18页 |
| 第二章 相关理论和技术分析 | 第18-32页 |
| 2.1 数据立方体概述 | 第18-22页 |
| 2.1.1 数据立方体定义 | 第18-19页 |
| 2.1.2 数据立方体的基本概念 | 第19页 |
| 2.1.3 数据立方体的基本操作 | 第19-20页 |
| 2.1.4 数据立方体的计算策略 | 第20-21页 |
| 2.1.5 数据立方体的结构模型 | 第21-22页 |
| 2.2 封闭数据立方体 | 第22-23页 |
| 2.3 Hadoop技术综述 | 第23-26页 |
| 2.3.1 Hadoop体系结构 | 第23-25页 |
| 2.3.2 Hadoop分布式文件系统 | 第25-26页 |
| 2.4 Hadoop的并行编程模型MapReduce | 第26-28页 |
| 2.4.1 Hadoop的并行编程模型 | 第26-28页 |
| 2.4.2 Hadoop与关系数据库系统的比较 | 第28页 |
| 2.5 新型分布式内存计算平台Spark | 第28-30页 |
| 2.5.1 Spark简介 | 第28-29页 |
| 2.5.2 Spark运行机制介绍 | 第29-30页 |
| 2.6 本章小结 | 第30-32页 |
| 第三章 MapReduce算法模型分析 | 第32-48页 |
| 3.1 MapReduce编程模型概述 | 第32-37页 |
| 3.1.1 执行流程 | 第32-33页 |
| 3.1.2 容错机制 | 第33-35页 |
| 3.1.3 存储位置 | 第35页 |
| 3.1.4 操作函数 | 第35-37页 |
| 3.2 聚集运算 | 第37-38页 |
| 3.3 MapReduce在关系型数据查询处理 | 第38-42页 |
| 3.3.1 选择运算 | 第39-40页 |
| 3.3.2 投影运算 | 第40页 |
| 3.3.3 等值连接运算 | 第40-42页 |
| 3.4 基于MapReduce的关系型数据聚集运算 | 第42-44页 |
| 3.4.1 分组运算 | 第42-43页 |
| 3.4.2 计数、求和计算 | 第43页 |
| 3.4.3 最大值和最小值运算 | 第43-44页 |
| 3.4.4 排序运算 | 第44页 |
| 3.5 MapReduce算法模型的优点与不足 | 第44-46页 |
| 3.5.1 优势分析 | 第44-45页 |
| 3.5.2 MapReduce不足 | 第45-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第四章 封闭数据立方体算法的研究 | 第48-62页 |
| 4.1 封闭数据立方体的生成 | 第48-51页 |
| 4.2 BTS算法的基于MapReduce的优化算法 | 第51-55页 |
| 4.2.1 对于生成全局封闭数据立方体的计算 | 第51-54页 |
| 4.2.2 对于生成本地封闭数据立方体的计算 | 第54-55页 |
| 4.3 基于Spark的DFS算法的优化 | 第55-56页 |
| 4.4 全局封闭数据立方体上的查询算法 | 第56-58页 |
| 4.5 封闭数据立方体的增量维护讨论 | 第58-59页 |
| 4.6 封闭数据立方体的存储策略 | 第59-60页 |
| 4.7 本章小结 | 第60-62页 |
| 第五章 仿真实验 | 第62-68页 |
| 5.1 仿真环境 | 第62-64页 |
| 5.2 仿真测试内容 | 第64-65页 |
| 5.3 仿真测试结果分析 | 第65-66页 |
| 5.4 本章小结 | 第66-68页 |
| 第六章 结论与展望 | 第68-72页 |
| 6.1 结论 | 第68-69页 |
| 6.2 展望 | 第69-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 附录A 攻读硕士学位期间所发表的论文 | 第78页 |
