| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 引言 | 第9-11页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 课题研究背景和意义 | 第11-12页 |
| 1.2 国内外的研究状况及发展趋势 | 第12-13页 |
| 1.3 课题研究内容 | 第13-14页 |
| 1.4 论文结构 | 第14-15页 |
| 第二章 相关技术研究 | 第15-27页 |
| 2.1 融合通信 | 第15-16页 |
| 2.2 分布式技术 | 第16-17页 |
| 2.3 Hadoop | 第17-22页 |
| 2.3.1 HDFS | 第18-20页 |
| 2.3.2 MapReduce | 第20-22页 |
| 2.4 HBase/Hive | 第22-24页 |
| 2.5 数据挖掘理论 | 第24-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 K-means算法研究优化 | 第27-37页 |
| 3.1 K-means算法 | 第27-30页 |
| 3.1.1 K-means算法概念 | 第27-28页 |
| 3.1.2 K-means算法流程 | 第28-29页 |
| 3.1.3 K-means算法缺陷 | 第29-30页 |
| 3.2 PAM算法 | 第30-32页 |
| 3.2.1 PAM算法简介 | 第30页 |
| 3.2.2 PAM算法的思想 | 第30-31页 |
| 3.2.3 K-means算法和PAM算法对比 | 第31-32页 |
| 3.3 基于PAM的K-means改进算法 | 第32-36页 |
| 3.3.1 改进后K-means算法思想 | 第32-33页 |
| 3.3.2 改进后K-means算法流程 | 第33页 |
| 3.3.3 改进后K-means算法的简单验证 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 分布式存储引擎的设计 | 第37-51页 |
| 4.1 需求分析 | 第37-39页 |
| 4.1.1 应用场景分析 | 第37-38页 |
| 4.1.2 设计目标 | 第38-39页 |
| 4.2 架构设计 | 第39-40页 |
| 4.3 功能模块设计 | 第40-50页 |
| 4.3.1 HBase/Hive集成设计模块 | 第40-45页 |
| 4.3.2 HBase并行加载模块 | 第45-47页 |
| 4.3.3 基于改进K-means算法的数据挖掘模块 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 分布式存储引擎的实现 | 第51-61页 |
| 5.1 Hive-HBase集成实现 | 第51-56页 |
| 5.1.1 整合实现 | 第51-53页 |
| 5.1.2 Hive-HBase查询处理 | 第53-56页 |
| 5.2 基于改进型K-means算法的数据挖掘模块实现 | 第56-60页 |
| 5.2.1 KmeansDrive类 | 第57页 |
| 5.2.2 KmeansMapper类 | 第57-59页 |
| 5.2.3 KmeansCombine类 | 第59页 |
| 5.2.4 KmeansReducer类 | 第59-60页 |
| 5.3 本章小结 | 第60-61页 |
| 第六章 分布式存储引擎的实验与分析 | 第61-69页 |
| 6.1 实验环境要求和配置 | 第61-62页 |
| 6.2 功能和性能测试 | 第62-68页 |
| 6.2.1 功能测试 | 第62-64页 |
| 6.2.2 性能测试 | 第64-68页 |
| 6.3 本章小结 | 第68-69页 |
| 结束语 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 发表文章 | 第72-73页 |
| 致谢 | 第73页 |