| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-17页 |
| ·研究背景 | 第9-11页 |
| ·研究目的及意义 | 第11-13页 |
| ·本文主要工作 | 第13-14页 |
| ·本文组织结构 | 第14-17页 |
| 第2章 相关工作 | 第17-27页 |
| ·云数据管理基本特征 | 第17页 |
| ·Map-Reduce编程模型 | 第17-20页 |
| ·Map-Reduce编程模型执行流程 | 第17-19页 |
| ·Map-Reduce的容错性 | 第19-20页 |
| ·Map-Reduce编程模型开源实现Hadoop | 第20-21页 |
| ·Hadoop的不足 | 第20-21页 |
| ·Hadoop版本 | 第21页 |
| ·相关工作 | 第21-25页 |
| ·云数据管理技术 | 第21-22页 |
| ·时空数据管理技术 | 第22-25页 |
| ·云环境下时空数据管理技术 | 第25页 |
| ·本章小结 | 第25-27页 |
| 第3章 Map-Filter-Reduce云计算框架 | 第27-41页 |
| ·问题描述及分析 | 第27-29页 |
| ·系统框架 | 第29-33页 |
| ·框架设计 | 第29-32页 |
| ·框架容错性分析 | 第32页 |
| ·框架可扩展性分析 | 第32-33页 |
| ·调度策略 | 第33-40页 |
| ·Lazy调度策略 | 第33-34页 |
| ·Eager调度策略 | 第34-36页 |
| ·Hybrid调度策略 | 第36-38页 |
| ·Prepositive调度策略 | 第38-39页 |
| ·调度策略的比较 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于Map-Filter-Reduce框架的时空查询 | 第41-51页 |
| ·Top-k处理 | 第41-43页 |
| ·算法思想 | 第41页 |
| ·算法描述 | 第41-43页 |
| ·算法正确性分析 | 第43页 |
| ·k最近邻处理 | 第43-46页 |
| ·算法思想 | 第43-44页 |
| ·算法描述 | 第44-45页 |
| ·算法正确性分析 | 第45-46页 |
| ·skyline处理 | 第46-49页 |
| ·算法思想 | 第46页 |
| ·算法描述 | 第46-49页 |
| ·算法正确性分析 | 第49页 |
| ·本章小结 | 第49-51页 |
| 第5章 实验及结果分析 | 第51-61页 |
| ·实验环境及实验设计 | 第51-52页 |
| ·实验环境 | 第51页 |
| ·实验数据集 | 第51-52页 |
| ·实验方案 | 第52页 |
| ·实验数据及结果分析 | 第52-60页 |
| ·图例说明 | 第52-53页 |
| ·Top-k查询分析 | 第53-57页 |
| ·k最近邻查询分析 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 第6章 结束语 | 第61-63页 |
| ·内容总结 | 第61页 |
| ·未来展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 攻读硕士期间发表的论文和参加的项目 | 第69页 |
