| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 云计算与Hadoop平台研究现状 | 第10-12页 |
| 1.2.2 FFT研究现状 | 第12-13页 |
| 1.3 论文组织结构 | 第13-14页 |
| 第2章 Hadoop开源云计算平台 | 第14-21页 |
| 2.1 Hadoop平台背景 | 第14-17页 |
| 2.1.1 Hadoop简介 | 第14-16页 |
| 2.1.2 应用场景 | 第16-17页 |
| 2.2 Hadoop平台核心组件 | 第17-20页 |
| 2.2.1 Hadoop分布式文件系统 | 第17-18页 |
| 2.2.2 Hadoop分布式并行计算框架 | 第18-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 基于MapReduce的振动数据预处理 | 第21-31页 |
| 3.1 预处理方法简介 | 第21-23页 |
| 3.2 MapReduce计算框架 | 第23-26页 |
| 3.2.1 设计目标 | 第23页 |
| 3.2.2 MapReduce整体架构 | 第23-25页 |
| 3.2.3 MapReduce作业的生命周期 | 第25-26页 |
| 3.3 MapReduce算法设计模式 | 第26-27页 |
| 3.3.1 本地内聚 | 第26-27页 |
| 3.3.2 二元组和三元组 | 第27页 |
| 3.4 并行数据平滑算法 | 第27-29页 |
| 3.5 数据预处理并行算法实验分析 | 第29-30页 |
| 3.6 本章小结 | 第30-31页 |
| 第4章 基于MapReduce的FFT算法实现 | 第31-50页 |
| 4.1 FFT理论基础 | 第31-40页 |
| 4.1.1 离散傅里叶变换 | 第31-32页 |
| 4.1.2 FFT算法基本原理 | 第32-36页 |
| 4.1.3 FFT算法特点 | 第36-38页 |
| 4.1.4 FFT算法串并行分析 | 第38-40页 |
| 4.2 基于MapReduce的并行FFT算法设计 | 第40-49页 |
| 4.2.1 信号数据补齐并行算法 | 第42-45页 |
| 4.2.2 变址运算并行算法 | 第45-46页 |
| 4.2.3 蝶形运算并行算法 | 第46-49页 |
| 4.2.4 格式化数据输出并行算法 | 第49页 |
| 4.3 本章小结 | 第49-50页 |
| 第5章 实验与结果分析 | 第50-56页 |
| 5.1 实验平台与配置 | 第50-54页 |
| 5.1.1 SSH、JDK以及Hadoop的安装与配置 | 第50-52页 |
| 5.1.2 Hadoop的完全分布式配置 | 第52-54页 |
| 5.2 实验结果与分析 | 第54-56页 |
| 第6章 结论与展望 | 第56-58页 |
| 6.1 本文总结 | 第56-57页 |
| 6.2 工作展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第61-62页 |
| 致谢 | 第62页 |