基于Hadoop的海量期货数据的分布式存储和算法分析
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·论文的选题背景和研究意义 | 第7-8页 |
| ·论文的选题背景 | 第7-8页 |
| ·论文的研究意义 | 第8页 |
| ·国内外发展历史与现状研究 | 第8-9页 |
| ·论文的研究内容 | 第9-11页 |
| 第二章 基于海量数据的分布式存储 | 第11-23页 |
| ·海量数据存储简介 | 第11-13页 |
| ·虚拟存储技术 | 第11-12页 |
| ·网络存储 | 第12-13页 |
| ·分布式存储 | 第13-15页 |
| ·OceanStore | 第13-14页 |
| ·CFS | 第14-15页 |
| ·Hadoop 的HDFS | 第15-20页 |
| ·HDFS 的概念 | 第16页 |
| ·网络拓扑 | 第16-17页 |
| ·数据流 | 第17-20页 |
| ·Hbase 的分布式存储 | 第20-23页 |
| ·Hbase 的数据模型 | 第20-21页 |
| ·Hbase 的区域 | 第21页 |
| ·Hbase 的实现 | 第21-23页 |
| 第三章 海量数据分布式数据挖掘 | 第23-37页 |
| ·传统数据挖掘和并行数据挖掘 | 第23-25页 |
| ·关联规则及并行机制 | 第23-24页 |
| ·聚类算法及并行机制 | 第24-25页 |
| ·分类算法及并行机制 | 第25页 |
| ·Hdoop 的Mapreduce 计算框架 | 第25-32页 |
| ·Mapreduce 简介 | 第26页 |
| ·Map 与Reduce | 第26-27页 |
| ·Jobtracker 和Tasktracker | 第27页 |
| ·Mapreduce 的运行原理 | 第27-30页 |
| ·Frequent Pattern 算法并行化 | 第30页 |
| ·FP-Growth | 第30-32页 |
| ·Parallel FP-Growth | 第32-37页 |
| 第四章 数据挖掘系统的设计与实现 | 第37-61页 |
| ·数据挖掘实施的体系结构 | 第37-39页 |
| ·分层的体系结构 | 第37页 |
| ·体系结构介绍 | 第37-39页 |
| ·数据挖掘实现环境 | 第39-44页 |
| ·数据挖掘软件环境 | 第39-42页 |
| ·数据挖掘硬件环境 | 第42-44页 |
| ·开发 | 第44-53页 |
| ·数据存储部分 | 第53-56页 |
| ·数据准备 | 第53-54页 |
| ·数据存储 | 第54-56页 |
| ·部署，运行，扩展 | 第56-61页 |
| ·部署 | 第56页 |
| ·运行 | 第56-58页 |
| ·挖掘结果与分析 | 第58-60页 |
| ·扩展 | 第60-61页 |
| 第五章 结论与展望 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 发表论文和参加科研情况说明 | 第64-65页 |
| 致谢 | 第65页 |
