| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-11页 |
| 1.1 课题研究的背景和意义 | 第8-9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.3 本文的主要工作 | 第10页 |
| 1.4 本文的结构安排 | 第10-11页 |
| 第2章 基础理论与相关知识 | 第11-17页 |
| 2.1 RDF与SPARQL相关知识 | 第11-12页 |
| 2.1.1 RDF | 第11-12页 |
| 2.1.2 SPARQL | 第12页 |
| 2.2 并行化编程模型及优化技术 | 第12-13页 |
| 2.2.1 并行化编程模型-MapReduce简介 | 第12-13页 |
| 2.2.2 MapReduce编程理念和原理 | 第13页 |
| 2.3 分布式实验平台概述 | 第13-16页 |
| 2.3.1 Hbase概述 | 第13-14页 |
| 2.3.2 Spark概述 | 第14-16页 |
| 2.4 本章小结 | 第16-17页 |
| 第3章 系统构架 | 第17-28页 |
| 3.1 系统总体构架 | 第17-18页 |
| 3.2 HBase存储模块 | 第18-22页 |
| 3.2.1 RDF存储模型概述 | 第18-19页 |
| 3.2.2 HBase下的RDF存储分析 | 第19-20页 |
| 3.2.3 HBase下的RDF存储模型的定义 | 第20-22页 |
| 3.3 查询模块 | 第22-27页 |
| 3.3.1 SPARQL查询解析 | 第22-23页 |
| 3.3.2 SPARQL top-k查询 | 第23-24页 |
| 3.3.3 查询计划 | 第24-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第4章 基于Spark的Top-k查询算法 | 第28-43页 |
| 4.1 Top-k查询问题概述 | 第28-29页 |
| 4.1.1 查询模式的划分 | 第28页 |
| 4.1.2 排名函数特点的划分 | 第28-29页 |
| 4.1.3 数据访问方式的划分 | 第29页 |
| 4.2 top-k查询算法概述 | 第29-30页 |
| 4.3 Spark下的Top-k查询方案 | 第30-39页 |
| 4.3.1 STA算法 | 第30-35页 |
| 4.3.2 SSJA算法 | 第35-39页 |
| 4.4 Spark下查询方案的实现 | 第39-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 实验方案结果与分析 | 第43-49页 |
| 5.1 实验环境 | 第43-46页 |
| 5.2 实验数据集 | 第46页 |
| 5.3 实验结果与分析 | 第46-49页 |
| 第6章 总结与展望 | 第49-51页 |
| 6.1 工作总结 | 第49页 |
| 6.2 工作展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录 1 攻读硕士学位期间发表的论文 | 第56-57页 |
| 详细摘要 | 第57-61页 |