| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 本文结构 | 第15-16页 |
| 2 相关理论基础 | 第16-31页 |
| 2.1 Hadoop与Map Reduce介绍 | 第16-19页 |
| 2.2 Spark介绍 | 第19-24页 |
| 2.3 聚合查询 | 第24-25页 |
| 2.4 连接查询 | 第25-27页 |
| 2.5 数据倾斜问题介绍 | 第27-30页 |
| 2.6 本章小结 | 第30-31页 |
| 3 聚合查询数据倾斜问题优化 | 第31-41页 |
| 3.1 Spark常用分区算法 | 第31-33页 |
| 3.2 基于分布感知的改进值域分区方案 | 第33-35页 |
| 3.3 水池抽样算法 | 第35-36页 |
| 3.4 I/O代价的定义 | 第36-39页 |
| 3.5 分区算法设计与实现 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 4 二元连接中数据倾斜问题的研究 | 第41-53页 |
| 4.1 基于分布感知的二元等值连接倾斜优化方案介绍 | 第41-43页 |
| 4.2 二元连接I/O代价定义 | 第43-46页 |
| 4.3 簇分割连接算法设计 | 第46-51页 |
| 4.4 连接优化方案在Spark上的实现 | 第51-52页 |
| 4.5 算法开销对比 | 第52页 |
| 4.6 本章小结 | 第52-53页 |
| 5 实验对比与分析 | 第53-68页 |
| 5.1 实验环境 | 第53-55页 |
| 5.2 聚合操作优化方案测试 | 第55-60页 |
| 5.3 二元连接优化方案测试 | 第60-66页 |
| 5.4 本章小结 | 第66-68页 |
| 6 总结与展望 | 第68-70页 |
| 6.1 工作总结 | 第68-69页 |
| 6.2 工作展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |