| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 本文的主要内容和结构 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第2章 云计算相关技术介绍 | 第14-26页 |
| 2.1 云计算的概念和分类 | 第14-17页 |
| 2.2 云计算相关技术 | 第17-21页 |
| 2.2.1 体系结构 | 第18页 |
| 2.2.2 快速部署 | 第18-19页 |
| 2.2.3 资源调度 | 第19页 |
| 2.2.4 核心技术 | 第19-21页 |
| 2.3 MapReduce 编程框架 | 第21-23页 |
| 2.3.1 MapReduce 编程模式 | 第21页 |
| 2.3.2 MapReduce 计算过程 | 第21-23页 |
| 2.3.3 MapReduce 研究意义 | 第23页 |
| 2.4 Hadoop 云计算平台 | 第23-25页 |
| 2.4.1 Hadoop 概述 | 第23-24页 |
| 2.4.2 Hadoop 构造模块 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 并行关联规则算法 | 第26-32页 |
| 3.1 关联规则的基本概念 | 第26-27页 |
| 3.2 并行计算的基本概念 | 第27-28页 |
| 3.3 并行关联规则算法 | 第28-30页 |
| 3.3.1 CD 算法 | 第28页 |
| 3.3.2 DD 算法 | 第28-29页 |
| 3.3.3 CaD 算法 | 第29页 |
| 3.3.4 APM 算法 | 第29-30页 |
| 3.3.5 DHP 算法 | 第30页 |
| 3.3.6 PDM 算法 | 第30页 |
| 3.4 本章小结 | 第30-32页 |
| 第4章 基于 MapReduce 的并行关联规则算法研究 | 第32-43页 |
| 4.1 Apriori 算法 | 第32-36页 |
| 4.1.1 Apriori 算法执行过程 | 第32-35页 |
| 4.1.2 Apriori 算法性能分析 | 第35页 |
| 4.1.3 Apriori 算法并行化描述 | 第35-36页 |
| 4.2 AprioriTid 算法 | 第36-37页 |
| 4.3 Partition 算法 | 第37-38页 |
| 4.4 基于 MapReduce 的 AprioriTid-Partition 并行算法的设计 | 第38-42页 |
| 4.4.1 Map 函数设计 | 第40页 |
| 4.4.2 Reduce 函数设计 | 第40-41页 |
| 4.4.3 AprioriTid-Partition 算法描述 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 实验和社区数据分析 | 第43-51页 |
| 5.1 实验环境 | 第43-45页 |
| 5.1.1 主机设置 | 第43-44页 |
| 5.1.2 Hadoop 节点配置 | 第44-45页 |
| 5.2 实验结果 | 第45-50页 |
| 5.2.1 实验数据准备 | 第45页 |
| 5.2.2 数据对比试验 | 第45-46页 |
| 5.2.3 节点对比实验 | 第46-48页 |
| 5.2.4 社区实验分析 | 第48-50页 |
| 5.3 本章小结 | 第50-51页 |
| 总结与展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 作者简介 | 第55页 |
| 攻读硕士期间发表的论文和科研成果 | 第55-56页 |
