| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文的主要内容与组织结构 | 第11-13页 |
| 第二章 相关技术 | 第13-27页 |
| 2.1 云计算技术 | 第13-17页 |
| 2.1.1 云计算的基本概念 | 第13-14页 |
| 2.1.2 云计算的分类 | 第14-15页 |
| 2.1.3 云计算的关键技术 | 第15-16页 |
| 2.1.4 云计算与网格计算 | 第16-17页 |
| 2.2 MapReduce编程模型 | 第17-21页 |
| 2.2.1 MapReduce起源 | 第17-18页 |
| 2.2.2 MapReduce概述 | 第18页 |
| 2.2.3 MapReduce工作原理 | 第18-20页 |
| 2.2.4 MapReduce执行流程 | 第20-21页 |
| 2.2.5 MapReduce容错机制 | 第21页 |
| 2.3 Hadoop云计算平台 | 第21-26页 |
| 2.3.1 Hadoop概述 | 第21-22页 |
| 2.3.2 Hadoop分布式文件系统 | 第22-24页 |
| 2.3.3 Hadoop MapReduce框架与工作流程 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 相似度计算中MapReduce模型I/O的优化 | 第27-36页 |
| 3.1 用户相似度计算研究 | 第27-29页 |
| 3.1.1 用户特征向量 | 第27-28页 |
| 3.1.2 夹角余弦度量方法 | 第28-29页 |
| 3.2 基于MapReduce模型实现用户相似度计算 | 第29-31页 |
| 3.3 MapReduce编程模型中I/O优化 | 第31-34页 |
| 3.3.1 基于Stripe算法的优化方法 | 第32-33页 |
| 3.3.2 基于SStripe算法的优化方案 | 第33-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第四章 相似度计算中MapReduce任务的负载均衡优化 | 第36-43页 |
| 4.1 负载均衡 | 第36-37页 |
| 4.2 MapReduce任务的负载倾斜问题 | 第37-38页 |
| 4.3 MapReduce负载均衡优化 | 第38-42页 |
| 4.3.1 改进的负载均衡策略 | 第38-40页 |
| 4.3.2 Balance阶段算法处理步骤 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 实验和性能分析 | 第43-56页 |
| 5.1 构建Hadoop平台 | 第43-49页 |
| 5.1.1 Hdoop平台硬件环境 | 第43-44页 |
| 5.1.2 Hadoop平台的搭建与运行 | 第44-48页 |
| 5.1.3 Hadoop平台常见操作 | 第48-49页 |
| 5.2 实验结果分析 | 第49-55页 |
| 5.2.1 I/O改进的实验分析 | 第49-52页 |
| 5.2.2 负载均衡改进的实验分析 | 第52-55页 |
| 5.3 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第61-62页 |
| 致谢 | 第62页 |
