| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 本文研究背景与意义 | 第13-14页 |
| 1.2 本文研究的国内外现状 | 第14-15页 |
| 1.3 本文研究的主要内容 | 第15-16页 |
| 1.4 论文的结构安排 | 第16-18页 |
| 第二章 外观专利检索系统及HADOOP平台 | 第18-36页 |
| 2.1 基于内容的外观专利图像检索技术 | 第18-20页 |
| 2.1.1 外观专利图像检索系统的发展 | 第18页 |
| 2.1.2 基于内容的图像检索技术 | 第18-20页 |
| 2.2 云计算 | 第20-25页 |
| 2.2.1 云计算的概念 | 第20-21页 |
| 2.2.2 云计算的结构 | 第21页 |
| 2.2.3 云计算的特点 | 第21-22页 |
| 2.2.4 著名的云计算平台----Google云计算平台 | 第22-25页 |
| 2.3 H平台简介 | 第25-31页 |
| 2.3.1 Hadoop的发展 | 第25页 |
| 2.3.2 MapReduce编程模型 | 第25-28页 |
| 2.3.2.1 map任务和reduce任务 | 第26-28页 |
| 2.3.3 HDFS---Hadoop分布式文件系统 | 第28-29页 |
| 2.3.3.1 HDFS简介 | 第28页 |
| 2.3.3.2 HDFS数据块 | 第28-29页 |
| 2.3.3.3 NameNode节点和DataNode节点 | 第29页 |
| 2.3.4 HBase的简介 | 第29-31页 |
| 2.3.4.1 HBase产生背景 | 第30页 |
| 2.3.4.2 HBase和其实现 | 第30-31页 |
| 2.4 HADOOP平台优化研究现状 | 第31-35页 |
| 2.4.1 Hadoop平台调度算法研究 | 第31-34页 |
| 2.4.1.1 先进先出(FIFO)调度算法 | 第31-32页 |
| 2.4.1.2 公平调度(Fair Scheduler)算法 | 第32-33页 |
| 2.4.1.3 计算能力调度(Capacity Scheduler)算法 | 第33-34页 |
| 2.4.2 Hadoop存储策略研究 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 MAPREDUCE调度算法的优化 | 第36-44页 |
| 3.1 MAPREDUCE的实现 | 第36-39页 |
| 3.2 MAPREDUCE任务推测执行机制 | 第39-40页 |
| 3.3 异构环境下的调度算法 | 第40-41页 |
| 3.4 动态调度算法优化 | 第41-43页 |
| 3.4.1 动态调度策略 | 第41-42页 |
| 3.4.2 Drop任务的选定 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 HDFS存储策略的优化 | 第44-53页 |
| 4.1 HDFS的存储策略研究 | 第44-48页 |
| 4.1.1 数据的存储过程 | 第44页 |
| 4.1.2 数据节点的状态 | 第44-45页 |
| 4.1.3 HDFS的通信机制 | 第45-46页 |
| 4.1.4 HDFS的数据存储策略 | 第46-48页 |
| 4.2 海量数据存储策略优化 | 第48-52页 |
| 4.2.1 数据节点状态信息获取的优化 | 第48页 |
| 4.2.2 HDFS的通信机制优化 | 第48-49页 |
| 4.2.3 HDFS存储策略优化 | 第49-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第五章 异构虚拟机实施和结果分析 | 第53-66页 |
| 5.1 实验系统 | 第53-55页 |
| 5.1.1 实验系统的结构 | 第53-54页 |
| 5.1.2 主要的软硬件介绍 | 第54-55页 |
| 5.2 实验平台的搭建 | 第55-61页 |
| 5.3 基于HADOOP的外观图像专利检索的测试 | 第61-66页 |
| 5.3.1 MapReduce动态调度算法评估 | 第61-63页 |
| 5.3.2 HDFS存储策略评估 | 第63-64页 |
| 5.3.3 综合优化评估 | 第64-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间参与的项目 | 第72-73页 |
| 攻读硕士学位期间申请的计算机软件著作权 | 第73-75页 |
| 致谢 | 第75页 |
