| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 相关研究工作 | 第11-14页 |
| 1.2.1 基于局部优化处理模型的多查询优化 | 第11-12页 |
| 1.2.2 基于全局优化处理模型的多查询优化 | 第12-13页 |
| 1.2.3 小结 | 第13-14页 |
| 1.3 研究目标与内容 | 第14页 |
| 1.4 本文结构组织 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第2章 相关技术 | 第16-28页 |
| 2.1 A~*算法 | 第16-17页 |
| 2.2 查询签名方法 | 第17-18页 |
| 2.3 代价模型 | 第18-19页 |
| 2.4 Impala系统介绍 | 第19-27页 |
| 2.4.1 Impala系统架构与组件 | 第20-21页 |
| 2.4.2 Impala系统查询过程 | 第21-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于A~*算法的分组多查询优化 | 第28-39页 |
| 3.1 概述 | 第28页 |
| 3.2 基本定义 | 第28-29页 |
| 3.3 多查询建模 | 第29-30页 |
| 3.4 改进的基于A~*算法的多查询优化算法 | 第30-38页 |
| 3.4.1 签名计算 | 第32-33页 |
| 3.4.2 分组策略 | 第33-36页 |
| 3.4.3 基于A~*算法的多查询优化算法 | 第36-37页 |
| 3.4.4 分组策略的正确性和有效性 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 系统实现 | 第39-55页 |
| 4.1 系统总体设计 | 第39-40页 |
| 4.2 查询建模修改方法 | 第40-45页 |
| 4.2.1 查询枚举 | 第40-41页 |
| 4.2.2 分布式计划生成 | 第41-45页 |
| 4.3 基于A~*算法的分组多查询优化算法系统实现 | 第45-50页 |
| 4.3.1 代价模型 | 第45-50页 |
| 4.3.2 多查询优化算法系统适配 | 第50页 |
| 4.4 查询合并修改方法 | 第50-54页 |
| 4.4.1 查询计划合并 | 第51-53页 |
| 4.4.2 计划执行过程修改 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 实验评估 | 第55-62页 |
| 5.1 实验环境 | 第55-56页 |
| 5.2 实验数据 | 第56-57页 |
| 5.3 实验设置 | 第57-58页 |
| 5.4 实验结果与分析 | 第58-61页 |
| 5.4.1 多查询优化算法性能 | 第58-60页 |
| 5.4.2 分组策略执行效率 | 第60-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间主要的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |