基于Hadoop的数据部署策略研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 选题背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文的主要研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第2章 Hadoop数据部署的基础技术 | 第15-26页 |
| 2.1 Hadoop简介 | 第15页 |
| 2.2 Hadoop关键技术 | 第15-19页 |
| 2.2.1 MapReduce编程模型 | 第15-16页 |
| 2.2.2 HDFS架构 | 第16-18页 |
| 2.2.3 HDFS工作流程 | 第18-19页 |
| 2.3 数据部署的关键问题与度量标准 | 第19-20页 |
| 2.4 Hadoop默认数据部署策略 | 第20-22页 |
| 2.4.1 流式数据访问 | 第21页 |
| 2.4.2 数据块 | 第21页 |
| 2.4.3 副本机制 | 第21-22页 |
| 2.5 Hadoop常用数据部署策略 | 第22-25页 |
| 2.5.1 一致性hash算法 | 第22-24页 |
| 2.5.2 负载均衡算法 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 两阶段数据部署策略 | 第26-43页 |
| 3.1 性能评估算法 | 第26-30页 |
| 3.1.1 Benchmark性能测试 | 第26-27页 |
| 3.1.2 基于PageRank的节点评估方法 | 第27-30页 |
| 3.2 数据分组算法 | 第30-35页 |
| 3.2.1 数据关联度 | 第30-31页 |
| 3.2.2 及时性因素 | 第31-32页 |
| 3.2.3 数据分组矩阵 | 第32-34页 |
| 3.2.4 最优数据分组算法 | 第34-35页 |
| 3.3 两阶段数据部署算法 | 第35-38页 |
| 3.3.1 初始部署策略 | 第35-36页 |
| 3.3.2 重部署策略 | 第36-38页 |
| 3.4 实验与结果分析 | 第38-42页 |
| 3.4.1 数据本地化 | 第39-40页 |
| 3.4.2 数据迁移量 | 第40-41页 |
| 3.4.3 工作性能 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 改进的副本部署策略 | 第43-52页 |
| 4.1 副本数目调整算法 | 第43-46页 |
| 4.1.1 数据热度 | 第43-44页 |
| 4.1.2 最大副本数与最小副本数 | 第44-45页 |
| 4.1.3 确定副本数目 | 第45-46页 |
| 4.2 基于K-means的副本部署算法 | 第46-48页 |
| 4.2.1 K-means算法简介 | 第46-47页 |
| 4.2.2 副本部署算法 | 第47-48页 |
| 4.3 实验与结果分析 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 数据部署可视化分析平台开发 | 第52-57页 |
| 5.1 需求分析 | 第52页 |
| 5.2 平台开发环境及架构 | 第52-53页 |
| 5.2.1 平台开发环境 | 第52-53页 |
| 5.2.2 平台架构 | 第53页 |
| 5.3 数据部署可视化分析平台 | 第53-56页 |
| 5.3.1 登陆界面 | 第53-54页 |
| 5.3.2 主界面 | 第54-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第6章 结论与展望 | 第57-59页 |
| 6.1 论文总结 | 第57页 |
| 6.2 研究展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62页 |
