| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 分布式文件系统研究现状 | 第10-11页 |
| 1.2.2 GPU通用计算研究现状 | 第11-13页 |
| 1.3 研究内容 | 第13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 第2章 基于Hadoop分布式文件系统优化技术研究 | 第14-31页 |
| 2.1 Hadoop分布式文件系统 | 第14-21页 |
| 2.1.1 HDFS架构分析 | 第14-15页 |
| 2.1.2 HDFS中文件读写过程 | 第15-18页 |
| 2.1.3 HDFS的数据存储策略 | 第18-19页 |
| 2.1.4 HDFS元数据缓存策略 | 第19-20页 |
| 2.1.5 HDFS存在的不足 | 第20-21页 |
| 2.2 基于Hadoop分布式文件系统的优化 | 第21-27页 |
| 2.2.1 基于HDFS的架构优化 | 第21-23页 |
| 2.2.2 文件存储策略 | 第23-25页 |
| 2.2.3 缓存策略 | 第25-27页 |
| 2.3 实验及结果分析 | 第27-30页 |
| 2.3.1 实验环境 | 第27页 |
| 2.3.2 实验结果分析 | 第27-30页 |
| 2.4 本章总结 | 第30-31页 |
| 第3章 基于GPU的MapReduce框架的研究 | 第31-45页 |
| 3.1 GPU编程模型 | 第31-32页 |
| 3.2 MapReduce编程模型 | 第32-33页 |
| 3.3 基于GPU加速的MapReduce模型研究现状 | 第33-35页 |
| 3.4 基于GPU加速的MapReduce模型设计与实现 | 第35-44页 |
| 3.4.1 GPU加速MapReduce模型设计目标 | 第35-36页 |
| 3.4.2 整体设计和工作流程 | 第36-39页 |
| 3.4.3 实现与优化 | 第39-41页 |
| 3.4.4 实验及结果分析 | 第41-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 支持GPU加速的分布式文件系统研究 | 第45-55页 |
| 4.1 整体设计思想 | 第45-46页 |
| 4.2 整体结构设计 | 第46-47页 |
| 4.3 系统实现与优化 | 第47-53页 |
| 4.3.1 GPU控制模块 | 第48-49页 |
| 4.3.2 GPU MapReduce模块 | 第49-50页 |
| 4.3.3 合并模块 | 第50页 |
| 4.3.4 GPU信息模块 | 第50-51页 |
| 4.3.5 负载均衡 | 第51-53页 |
| 4.4 实验及结果分析 | 第53-54页 |
| 4.4.1 实验环境 | 第53页 |
| 4.4.2 实验结果分析 | 第53-54页 |
| 4.5 本章总结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 论文总结 | 第55-56页 |
| 5.2 工作展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
