| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 国内外的研究现状 | 第10页 |
| 1.3 本文的主要工作 | 第10-11页 |
| 1.4 本文的组织结构 | 第11-12页 |
| 第二章 HADOOP、HAMA和SPARK计算平台 | 第12-28页 |
| 2.1 Hadoop计算平台 | 第12-15页 |
| 2.1.1 Hadoop系统架构介绍 | 第12-14页 |
| 2.1.2 Hadoop的编程模式 | 第14-15页 |
| 2.2 Hama计算平台 | 第15-17页 |
| 2.2.1 Hama系统架构介绍 | 第15-16页 |
| 2.2.2 Hama的编程模式 | 第16-17页 |
| 2.3 Spark计算平台 | 第17-24页 |
| 2.3.1 Spark系统架构介绍 | 第18-21页 |
| 2.3.2 Spark的编程模式 | 第21-24页 |
| 2.4 YARN | 第24-27页 |
| 2.4.1 YARN基本组成结构 | 第25-26页 |
| 2.4.2 YARN工作流程 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 图排序算法并行化 | 第28-36页 |
| 3.1 图排序算法 | 第28页 |
| 3.2 HITS算法 | 第28-31页 |
| 3.2.1 算法主要思想 | 第28-29页 |
| 3.2.2 算法应用场景 | 第29页 |
| 3.2.3 算法优缺点 | 第29页 |
| 3.2.4 算法并行化分析 | 第29页 |
| 3.2.5 HITS、RWR与PageRank的异同 | 第29-30页 |
| 3.2.6 图排序算法最新进展 | 第30-31页 |
| 3.3 Hadoop实现HITS算法 | 第31页 |
| 3.4 Hama实现HITS算法 | 第31-32页 |
| 3.5 Spark实现HITS算法 | 第32-34页 |
| 3.6 本章小结 | 第34-36页 |
| 第四章 图聚类算法并行化 | 第36-47页 |
| 4.1 图聚类算法 | 第36页 |
| 4.2 CNM算法 | 第36-38页 |
| 4.2.1 算法主要思想 | 第37-38页 |
| 4.2.2 算法应用场景 | 第38页 |
| 4.2.3 算法优缺点 | 第38页 |
| 4.3 Hadoop实现CNM算法 | 第38-41页 |
| 4.4 Hama实现CNM算法 | 第41页 |
| 4.5 Spark实现CNM算法 | 第41-45页 |
| 4.5.1 基于真实数据集的准确性分析 | 第43-44页 |
| 4.5.2 基于人工数据集的性能分析 | 第44-45页 |
| 4.6 本章小结 | 第45-47页 |
| 第五章 图属性分析算法并行化 | 第47-53页 |
| 5.1 图属性分析算法 | 第47页 |
| 5.2 聚集系数算法 | 第47-48页 |
| 5.2.1 算法主要思想 | 第47-48页 |
| 5.2.2 算法应用场景 | 第48页 |
| 5.2.3 算法优缺点 | 第48页 |
| 5.3 Hadoop实现聚集系数算法 | 第48-49页 |
| 5.4 Hama实现聚集系数算法 | 第49-50页 |
| 5.5 Spark实现聚集系数算法 | 第50-51页 |
| 5.6 本章小结 | 第51-53页 |
| 第六章 基于SPARK的并行数据分析系统 | 第53-61页 |
| 6.1 并行数据分析系统 | 第53-54页 |
| 6.2 系统架构 | 第54-55页 |
| 6.2.1 图存储层 | 第55页 |
| 6.2.2 并行计算层 | 第55页 |
| 6.2.3 挖掘算法层 | 第55页 |
| 6.2.4 UI层 | 第55页 |
| 6.3 核心算法及工作流引擎介绍 | 第55-59页 |
| 6.3.1 并行紧密度中心指数算法 | 第55-57页 |
| 6.3.2 并行LPA算法 | 第57-58页 |
| 6.3.3 工作流引擎及动态组件更新技术 | 第58-59页 |
| 6.4 系统性能 | 第59-60页 |
| 6.5 本章小结 | 第60-61页 |
| 第七章 总结 | 第61-62页 |
| 7.1 论文总结 | 第61页 |
| 7.2 下一步工作方向 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的学术论文 | 第65页 |