| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 引言 | 第9-19页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 云环境下的数据并行计算系统研究现状 | 第11-12页 |
| 1.2.2 云环境下的高级查询语言研究现状 | 第12-13页 |
| 1.2.3 云环境下查询优化技术的研究现状 | 第13-14页 |
| 1.2.4 研究现状总结 | 第14页 |
| 1.3 论文研究目标与意义 | 第14-15页 |
| 1.4 论文研究内容 | 第15-16页 |
| 1.5 论文的创新点与难点 | 第16-17页 |
| 1.5.1 论文创新点 | 第16页 |
| 1.5.2 论文难点 | 第16-17页 |
| 1.6 论文组织结构 | 第17-19页 |
| 第2章 MapReduce与MapReduce上层的高级查询工具介绍 | 第19-27页 |
| 2.1 MapReduce概述 | 第19-22页 |
| 2.1.1 MapReduce编程模型 | 第20-22页 |
| 2.2 MapReduce上层的高级查询工具概述 | 第22-26页 |
| 2.2.1 Hive | 第22-24页 |
| 2.2.2 Pig | 第24-26页 |
| 2.3 小结 | 第26-27页 |
| 第3章 基于结果复用的查询优化机制 | 第27-39页 |
| 3.1 查询空间划分技术 | 第27-32页 |
| 3.1.1 传统的查询空间划分算法 | 第28页 |
| 3.1.2 基于聚类的查询空间划分算法 | 第28-32页 |
| 3.2 多查询结果复用关系图的构建 | 第32-35页 |
| 3.3 基于多查询结果复用关系图的查询处理算法 | 第35页 |
| 3.4 实验与分析 | 第35-37页 |
| 3.5 小结 | 第37-39页 |
| 第4章 基于结构复用的执行计划优化机制 | 第39-49页 |
| 4.1 查询执行计划优化技术 | 第39-41页 |
| 4.1.1 传统的执行计划优化方法 | 第40-41页 |
| 4.1.2 基于最优子结构的执行计划优化方法 | 第41页 |
| 4.2 基于MapReduce的查询代价模型 | 第41-44页 |
| 4.2.1 代价模型的建立 | 第42-43页 |
| 4.2.2 模型参数的确定 | 第43-44页 |
| 4.3 基于代价模型的结构复用优化算法 | 第44-47页 |
| 4.3.1 基于DAG图的查询执行计划模型 | 第44-46页 |
| 4.3.2 基于最优子结构复用的关键路径优化算法 | 第46-47页 |
| 4.4 实验与分析 | 第47-48页 |
| 4.5 小结 | 第48-49页 |
| 第5章 云环境下基于MapReduce的查询优化系统 | 第49-61页 |
| 5.1 Multi-Q系统 | 第49-52页 |
| 5.2 实验环境 | 第52-54页 |
| 5.2.1 硬件环境 | 第52页 |
| 5.2.2 软件环境 | 第52-53页 |
| 5.2.3 实验数据集 | 第53-54页 |
| 5.3 系统实现 | 第54-55页 |
| 5.4 性能对比 | 第55-58页 |
| 5.4.1 查询结果复用优化机制性能测试 | 第55-56页 |
| 5.4.2 查询结构复用优化机制性能测试 | 第56-57页 |
| 5.4.3 总体性能测试 | 第57-58页 |
| 5.5 小结 | 第58-61页 |
| 第6章 结束语 | 第61-63页 |
| 6.1 论文总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67-77页 |
| 附录A. Hadoop集群配置详情 | 第67-71页 |
| 附录B. Hive配置详情 | 第71-74页 |
| 附录C. TPC-H数据集的导入及测试 | 第74-77页 |
| 致谢 | 第77-79页 |
| 攻读硕士学位期间相关研究工作 | 第79-81页 |
| 作者简历 | 第81页 |