| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-16页 |
| ·研究目的及意义 | 第12-13页 |
| ·研究内容 | 第13页 |
| ·本文工作 | 第13-14页 |
| ·本文组织结构 | 第14-16页 |
| 第2章 重要知识及相关研究 | 第16-29页 |
| ·并行编程模型研究 | 第16-19页 |
| ·并行编程模型概述 | 第16-17页 |
| ·并行编程模型的现状及发展趋势 | 第17-19页 |
| ·并行程序开发模式 | 第19-23页 |
| ·基于共享存储的并行编程——OpenMP | 第19-20页 |
| ·基于消息传递的并行编程 | 第20-21页 |
| ·OpenMP+MPI混合编程 | 第21页 |
| ·基于数据并行的并行编程——HPF | 第21-22页 |
| ·并行库 | 第22页 |
| ·串行程序并行化 | 第22-23页 |
| ·云计算及其并行编程模型研究 | 第23-28页 |
| ·云计算概述 | 第23-26页 |
| ·云计算中并行编程模型的现状及发展趋势 | 第26-28页 |
| ·小结 | 第28-29页 |
| 第3章 MapReduce并行编程模型 | 第29-39页 |
| ·MapReduce模型产生的背景 | 第29页 |
| ·MapReduce模型的原理 | 第29页 |
| ·Google的MapReduce实现框架 | 第29-30页 |
| ·MapReduce中的shuffle分析 | 第30-32页 |
| ·MapReduce模型的实现 | 第32-34页 |
| ·Hadoop | 第32-33页 |
| ·Phoenix | 第33页 |
| ·Mars | 第33-34页 |
| ·HPMR | 第34页 |
| ·提高MapReduce性能的几种技巧 | 第34-38页 |
| ·设置合适的map和reduce任务数量值 | 第35-36页 |
| ·选用最合适的Writable | 第36页 |
| ·使用LZO压缩 | 第36-37页 |
| ·添加Combiner | 第37-38页 |
| ·小结 | 第38-39页 |
| 第4章 基于MapReduce的单源最短路径算法的研究与实现 | 第39-47页 |
| ·单源最短路径算法 | 第39-41页 |
| ·单源最短路径概述 | 第39页 |
| ·传统的解决方法 | 第39-41页 |
| ·相关定义描述 | 第41-42页 |
| ·关键问题的解决方法 | 第42页 |
| ·基于MapReduce的单源最短路径算法的设计与实现 | 第42-46页 |
| ·总体设计框架 | 第42-43页 |
| ·Map过程 | 第43-44页 |
| ·Reduce过程 | 第44-45页 |
| ·MapReduce的迭代过程 | 第45-46页 |
| ·小结 | 第46-47页 |
| 第5章 基于MapReduce的单源最短路径算法的性能测试 | 第47-53页 |
| ·并行算法的性能评估 | 第47-48页 |
| ·加速比 | 第47页 |
| ·效率 | 第47-48页 |
| ·可扩放性 | 第48页 |
| ·实验环境 | 第48-49页 |
| ·实验结果及其分析 | 第49-52页 |
| ·加速比性能测试 | 第50-51页 |
| ·效率性能评测 | 第51-52页 |
| ·可扩放性性能评测 | 第52页 |
| ·小结 | 第52-53页 |
| 第6章 结论 | 第53-55页 |
| ·本文总结 | 第53-54页 |
| ·未来工作及其展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 附录A 攻读硕士期间发表的论文 | 第60-61页 |
| 附录B (攻读硕士期间参与的项目列表) | 第61页 |
