| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 注释表 | 第10-11页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 研究现状 | 第13-16页 |
| 1.2.1 Spark发展基础 | 第13-14页 |
| 1.2.2 研究现状 | 第14-16页 |
| 1.3 论文研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 第2章 相关技术 | 第18-29页 |
| 2.1 Spark体系框架 | 第18-22页 |
| 2.1.1 Spark概述 | 第18页 |
| 2.1.2 RDD定义及容错 | 第18-19页 |
| 2.1.3 RDD的依赖关系 | 第19-21页 |
| 2.1.4 Spark算子分类 | 第21-22页 |
| 2.2 Spark运行机制 | 第22-28页 |
| 2.2.1 资源分配 | 第23-24页 |
| 2.2.2 作业执行 | 第24-26页 |
| 2.2.3 Spark内存管理 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 基于算子的序列化存储策略 | 第29-42页 |
| 3.1 相关研究 | 第29-30页 |
| 3.2 问题分析 | 第30-31页 |
| 3.3 RDD权值计算 | 第31-35页 |
| 3.3.1 基于层次分析法的算子评估 | 第32-34页 |
| 3.3.2 RDD执行速率 | 第34-35页 |
| 3.3.3 跨过Action算子个数 | 第35页 |
| 3.4 序列化存储策略 | 第35-37页 |
| 3.4.1 相关定义 | 第35-36页 |
| 3.4.2 策略描述及实现 | 第36-37页 |
| 3.5 实验结果及分析 | 第37-41页 |
| 3.5.1 实验环境 | 第38-39页 |
| 3.5.2 sort By Key()算子运行对比 | 第39-40页 |
| 3.5.3 运行时间对比 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 Spark集群全局序列化存储策略 | 第42-60页 |
| 4.1 相关研究 | 第42-43页 |
| 4.2 问题分析 | 第43-45页 |
| 4.3 Spark缓存架构 | 第45-47页 |
| 4.3.1 分布式缓存架构 | 第45-47页 |
| 4.3.2 缓存策略分析 | 第47页 |
| 4.4 全局序列化存储策略 | 第47-55页 |
| 4.4.1 缓存层 | 第48-49页 |
| 4.4.2 基于RDD的全局序列化存储策略 | 第49-53页 |
| 4.4.3 全局序列化存储策略的访问流程 | 第53-55页 |
| 4.5 实验结果及分析 | 第55-59页 |
| 4.5.1 实验环境 | 第56页 |
| 4.5.2 运行时间对比 | 第56-57页 |
| 4.5.3 资源利用率对比 | 第57-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第5章 结论与展望 | 第60-62页 |
| 5.1 研究工作总结 | 第60-61页 |
| 5.2 未来工作展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第68页 |