| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 大数据索引技术挑战 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.4 本文主要内容 | 第14-15页 |
| 1.5 本文组织结构 | 第15-16页 |
| 第2章 相关知识 | 第16-27页 |
| 2.1 大数据概念 | 第16页 |
| 2.2 Hadoop框架 | 第16-19页 |
| 2.2.1 HDFS分布式文件系统 | 第17-18页 |
| 2.2.2 MapReduce编程模型 | 第18-19页 |
| 2.3 数据索引技术介绍 | 第19-25页 |
| 2.3.1 传统索引技术 | 第19-21页 |
| 2.3.2 基于Hadoop的索引技术 | 第21-22页 |
| 2.3.3 高维数据索引 | 第22-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第3章 基于位置编码索引树 | 第27-36页 |
| 3.1 基于聚类差异性的数据存储策略 | 第27-30页 |
| 3.1.1 资源聚类 | 第27-28页 |
| 3.1.2 基于聚类差异性的数据存储策略 | 第28-30页 |
| 3.2 基于位置编码的索引结构 | 第30-33页 |
| 3.2.1 聚类分层 | 第30-32页 |
| 3.2.2 索引构造 | 第32-33页 |
| 3.3 基于位置编码索引树的KNN查询 | 第33-35页 |
| 3.3.1 数据筛选 | 第33页 |
| 3.3.2 并行KNN查询算法 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 实验与结论 | 第36-41页 |
| 4.1 实验环境 | 第36页 |
| 4.2 实验结果与分析 | 第36-40页 |
| 4.2.1 数据规模对查询效率的影响 | 第37页 |
| 4.2.2 扩展性 | 第37-39页 |
| 4.2.3 K值对查询时间的影响 | 第39-40页 |
| 4.2.4 LB-Tree和传统MapReduce对比分析 | 第40页 |
| 4.3 本章小结 | 第40-41页 |
| 总结与展望 | 第41-43页 |
| 参考文献 | 第43-47页 |
| 攻读硕士期间发表的学术论文 | 第47-48页 |
| 致谢 | 第48页 |