| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第7-10页 |
| 1.1 论题研究背景 | 第7页 |
| 1.2 论题研究的意义 | 第7-8页 |
| 1.3 国内外研究动态 | 第8页 |
| 1.4 研究目标及内容 | 第8-9页 |
| 1.5 论文结构组成 | 第9-10页 |
| 第二章 HADOOP系统结构及其主要元件 | 第10-14页 |
| 2.1 HADOOP概述 | 第10-11页 |
| 2.2 HADOOP的功能与作用 | 第11-12页 |
| 2.3 HADOOP的优势 | 第12页 |
| 2.4 HADOOP的应用现状和发展趋势 | 第12-13页 |
| 2.5 本章小结 | 第13-14页 |
| 第三章 HADOOP的工作原理 | 第14-24页 |
| 3.1 HADOOP的基本框架 | 第14-15页 |
| 3.2 HDFS分布式文件系统 | 第15-19页 |
| 3.2.1 HDFS的设计目标 | 第15-16页 |
| 3.2.2 HDFS的体系结构 | 第16-17页 |
| 3.2.3 HDFS的工作流程 | 第17-19页 |
| 3.3 MAPREDUCE分布式计算框架 | 第19-23页 |
| 3.3.1 Map Reduce程序数据流程 | 第19-20页 |
| 3.3.2 Map Reduce的集群结构 | 第20-21页 |
| 3.3.3 Map Reduce的运行过程 | 第21-23页 |
| 3.4 本章小结 | 第23-24页 |
| 第四章 基于MAPREDUCE框架的数据挖掘算法分析 | 第24-34页 |
| 4.1 贝叶斯分类算法之朴素贝叶斯 | 第24-27页 |
| 4.1.1 朴素贝叶斯分类算法 | 第24-26页 |
| 4.1.2 在Map Reduce框架的运用 | 第26-27页 |
| 4.2 K-MODES聚类算法 | 第27-32页 |
| 4.2.1 K-modes算法的介绍 | 第28-29页 |
| 4.2.2 在Map Reduce框架的运用 | 第29-32页 |
| 4.3 ECLAT频繁项集挖掘算法 | 第32-33页 |
| 4.3.1 ECLAT算法介绍 | 第32页 |
| 4.3.2 在Map Reduce框架的运用 | 第32-33页 |
| 4.4 本章小结 | 第33-34页 |
| 第五章 实验与分析 | 第34-51页 |
| 5.1 配置HADOOP | 第34-35页 |
| 5.2 实验的环境搭建 | 第35-37页 |
| 5.3 实验设计 | 第37-40页 |
| 5.3.1 实验结构设计 | 第37-39页 |
| 5.3.2 实验模块设计 | 第39-40页 |
| 5.4 算法的实现与分析 | 第40-50页 |
| 5.4.1 朴素贝叶斯预测算法的实现 | 第40-43页 |
| 5.4.2 K-modes聚类算法的实现 | 第43-45页 |
| 5.4.3 ECLAT频繁项集挖掘算法的实现 | 第45-50页 |
| 5.5 本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 本文结论 | 第51页 |
| 6.2 对未来工作的展望 | 第51-52页 |
| 6.3 HADOOP在其他领域的应用 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 致谢 | 第55页 |