| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 技术背景 | 第9页 |
| 1.3 国内外研究现状 | 第9-10页 |
| 1.3.1 国外研究现状 | 第9页 |
| 1.3.2 国内研究现状 | 第9-10页 |
| 1.3.3 研究现状分析 | 第10页 |
| 1.4 课题主要研究内容和本文所做工作 | 第10-12页 |
| 第二章 分布式系统关键技术 | 第12-20页 |
| 2.1 分布式系统模型简介 | 第12-16页 |
| 2.1.1 Google文件系统GFS | 第12-13页 |
| 2.1.2 IBM 的Blue Cloud | 第13页 |
| 2.1.3 亚马逊云计算AWS | 第13-15页 |
| 2.1.4 P2P 环境的MapReduce | 第15-16页 |
| 2.1.5 微软Azure | 第16页 |
| 2.2 三种云计算方案的比较 | 第16-17页 |
| 2.3 分布式系统基本算法 | 第17-19页 |
| 2.3.1 分布式存储算法 | 第17-18页 |
| 2.3.2 Map/Reduce 算法 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 Hadoop整体架构 | 第20-29页 |
| 3.1 Hadoop核心组件概述 | 第20-26页 |
| 3.1.1 HDFS | 第20-22页 |
| 3.1.2 MapReduce | 第22-23页 |
| 3.1.3 HBase | 第23页 |
| 3.1.4 系统的名字空间(namespace) | 第23-24页 |
| 3.1.5 可靠性措施 | 第24-26页 |
| 3.2 MapReduce并行编程模型在Hadoop中的实现 | 第26-28页 |
| 3.2.1 MapReduce的实现机制 | 第26-28页 |
| 3.2.2 MapReduce的容错机制 | 第28页 |
| 3.3 本章小结 | 第28-29页 |
| 第四章 海量数据存储及计算模型 | 第29-39页 |
| 4.1 需求分析 | 第29页 |
| 4.2 设计思想 | 第29-30页 |
| 4.3 功能模块 | 第30-38页 |
| 4.3.1 导入DFS | 第30-31页 |
| 4.3.2 规则计算 | 第31-38页 |
| 4.3.3 导出DFS | 第38页 |
| 4.4 本章小结 | 第38-39页 |
| 第五章 海量数据存储模型部署及测试 | 第39-49页 |
| 5.1 方案部署 | 第39-46页 |
| 5.1.1 环境需求 | 第40页 |
| 5.1.2 运行实例配置 | 第40-46页 |
| 5.2 结果分析 | 第46-48页 |
| 5.2.1 不同数据节点处理速度比较测试 | 第46-48页 |
| 5.2.2 不同Blocksize处理速度比较测试 | 第48页 |
| 5.3 本章小结 | 第48-49页 |
| 第六章 结束语 | 第49-50页 |
| 6.1 结论 | 第49页 |
| 6.2 下一步工作计划 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 致谢 | 第52-53页 |
| 攻读硕士学位期间发表的论文和参加的主要科研项目 | 第53-54页 |
| 详细摘要 | 第54-58页 |