| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 综述 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 Hadoop 处理数据上的优势 | 第12-13页 |
| 1.3 ARGO 海洋环境观测数据介绍 | 第13-14页 |
| 1.4 本文研究内容 | 第14-15页 |
| 1.5 本文组织结构 | 第15-17页 |
| 2 相关理论与技术介绍 | 第17-34页 |
| 2.1 Hadoop 平台技术介绍 | 第17页 |
| 2.2 Mapreduce 并行计算模型介绍 | 第17-21页 |
| 2.3 HDFS 分布式文件系统介绍 | 第21-24页 |
| 2.3.1 NameNode 和 DataNode | 第22-23页 |
| 2.3.2 命名空间 | 第23页 |
| 2.3.3 数据复制 | 第23-24页 |
| 2.4 空间插值 | 第24-27页 |
| 2.4.1 空间插值概述 | 第24-26页 |
| 2.4.2 IDW 插值算法 | 第26-27页 |
| 2.4.3 自然近邻插值算法 | 第27页 |
| 2.5 K 邻近算法 | 第27-29页 |
| 2.5.1 概述 | 第27-29页 |
| 2.6 K 邻近算法的实现——KD 树算法 | 第29-33页 |
| 2.6.1 KD 树概述 | 第29-30页 |
| 2.6.2 KD 树构建 | 第30-32页 |
| 2.6.3 KD 树的插入 | 第32页 |
| 2.6.4 KD 树的删除 | 第32-33页 |
| 2.7 本章小结 | 第33-34页 |
| 3 基于 Hadoop 的 ARGO 海洋环境观测数据插值算法设计 | 第34-50页 |
| 3.1 算法设计 | 第34-39页 |
| 3.1.1 数据分割 | 第34-35页 |
| 3.1.2 数据索引 | 第35-38页 |
| 3.1.3 插值计算 | 第38页 |
| 3.1.4 基于 Hadoop 实现 | 第38-39页 |
| 3.2 基于 Hadoop 的 ARGO 海洋环境观测数据插值算法实现 | 第39-49页 |
| 3.2.1 数据获取 | 第40页 |
| 3.2.2 ARGO 海洋环境观测数据格式 | 第40-41页 |
| 3.2.3 读取 ARGO 海洋环境观测数据 | 第41页 |
| 3.2.4 ARGO 海洋环境观测数据分区 | 第41-43页 |
| 3.2.5 Map 过程 | 第43-44页 |
| 3.2.6 Reduce 函数 | 第44-45页 |
| 3.2.7 Arrange 函数 | 第45-46页 |
| 3.2.8 IDW 插值 | 第46-47页 |
| 3.2.9 ARGO 海洋环境观测数据建立索引 | 第47-49页 |
| 3.3 本章小结 | 第49-50页 |
| 4 实验结果对比与分析 | 第50-54页 |
| 4.1 实验结果 | 第50-53页 |
| 4.2 实验结果分析 | 第53页 |
| 4.3 本章小结 | 第53-54页 |
| 5 总结与展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 附录 | 第59-73页 |
| A:MFC 框架 | 第59页 |
| B：Map 函数代码 | 第59-61页 |
| C：Reduce 函数代码 | 第61-63页 |
| D．KD 树建立索引 | 第63-73页 |
| 致谢 | 第73-74页 |
| 个人简历 | 第74-75页 |
