| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| Contents | 第10-13页 |
| 第一章 绪论 | 第13-19页 |
| ·研究背景及意义 | 第13-14页 |
| ·国内外研究现状 | 第14-16页 |
| ·研究内容及创新点 | 第16-17页 |
| ·本文结构 | 第17-19页 |
| 第二章 云计算平台与MAP-JOIN-REDUCE | 第19-32页 |
| ·云计算平台的分类和大规模数据计算与存储 | 第19-21页 |
| ·云的分类 | 第20页 |
| ·大规模数据存储与计算 | 第20-21页 |
| ·HDFS的大规模数据存储 | 第21-25页 |
| ·HDFS整体框架 | 第22-23页 |
| ·HDFS中数据的读取与写入 | 第23-25页 |
| ·MapReduce并行编程模型 | 第25-27页 |
| ·MapReduce整体框架 | 第25-26页 |
| ·MapReduce作业的执行流程 | 第26-27页 |
| ·Map-Join-Reduce算法逻辑与框架 | 第27-30页 |
| ·本章小结 | 第30-32页 |
| 第三章 基于MAP-JOIN-REDUCE预处理的外观专利图像检索系统 | 第32-41页 |
| ·原有的图像检索系统架构及其不足 | 第32-35页 |
| ·B/S架构图像检索系统及其不足 | 第32-33页 |
| ·基于MapReduce的分布式图像检索系统及其不足 | 第33-35页 |
| ·基于Map-Join-Reduce预处理的外观专利图像检索系统 | 第35-39页 |
| ·系统整体框架 | 第35-37页 |
| ·Map-Join-Reduce预处理模块及特点 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 第四章 MAP-JOIN-REDUCE并行预处理方法的编程实现 | 第41-49页 |
| ·准备工作与实现步骤 | 第41-42页 |
| ·Map函数的实现 | 第42-43页 |
| ·Hadoop中Join的处理方法 | 第43-45页 |
| ·Join的处理方法 | 第43-44页 |
| ·二次排序 | 第44-45页 |
| ·Reduce Side Join的编程实现 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 系统测试及分析 | 第49-59页 |
| ·系统搭建 | 第49-53页 |
| ·软硬件环境 | 第49-50页 |
| ·Hadoop分布式文件系统的搭建 | 第50-53页 |
| ·Hadoop分布式文件系统中图像检索的测试 | 第53-55页 |
| ·测试数据 | 第53-54页 |
| ·图像检索作业运行测试 | 第54-55页 |
| ·预处理分布式文件系统性能分析 | 第55-57页 |
| ·三种系统性能的对比 | 第55-56页 |
| ·负载均衡性能分析 | 第56页 |
| ·可扩展性分析与扩展方法 | 第56-57页 |
| ·实验效果图 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 总结与展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间发表的学术论文 | 第63-64页 |
| 攻读硕士学位期间参与的项目 | 第64-66页 |
| 致谢 | 第66页 |
