| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 1 引论 | 第10-14页 |
| ·研究背景及研究意义 | 第10页 |
| ·云计算概述 | 第10-12页 |
| ·云计算的原理 | 第11页 |
| ·云计算的形式 | 第11-12页 |
| ·本文的主要工作 | 第12-14页 |
| 2 分布式相关技术介绍 | 第14-24页 |
| ·分布式系统模型简介 | 第14-18页 |
| ·IBM Blue-Cloud | 第14-15页 |
| ·Google File System | 第15-16页 |
| ·Hadoop of Apache | 第16-17页 |
| ·Google AppEngine | 第17-18页 |
| ·并行计算概述 | 第18-20页 |
| ·并行编程模型 | 第18-19页 |
| ·并行计算主要体系结构 | 第19页 |
| ·并行算法举例 | 第19-20页 |
| ·分布式系统关键技术 | 第20-22页 |
| ·MapReduce 编程模型 | 第20-21页 |
| ·分布式存储系统 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 3 Hadoop 的架构分析 | 第24-38页 |
| ·Hadoop 核心组件 | 第24-26页 |
| ·Hadoop Mapreduce | 第24-25页 |
| ·Hadoop HDFS 文件系统 | 第25-26页 |
| ·HDFS-Hadoop 分布式文件系统 | 第26-33页 |
| ·目标及假设 | 第26-27页 |
| ·文件系统命名空间 | 第27页 |
| ·持久保存文件系统元数据 | 第27页 |
| ·名字节点和数据节点 | 第27-28页 |
| ·数据复制 | 第28-30页 |
| ·通信协议 | 第30页 |
| ·数据健壮性 | 第30-31页 |
| ·数据组织 | 第31-32页 |
| ·空间回收利用 | 第32-33页 |
| ·基于 Hadoop 的 MapReduce 并行编程模型 | 第33-35页 |
| ·MapReduce 执行流程 | 第33-34页 |
| ·Hadoop MapReduce | 第34-35页 |
| ·本章小结 | 第35-38页 |
| 4 基于 MapReduce 的 Canopy-Kmeans 多核机群聚类算法 | 第38-50页 |
| ·基于 MapReduce 的并行编程架构 | 第39-40页 |
| ·canopy 聚类算法 | 第40-43页 |
| ·Canopy 聚类应用背景 | 第40-41页 |
| ·Canopy 聚类算法 | 第41-43页 |
| ·K-means 聚类算法 | 第43-44页 |
| ·K－means 算法描述 | 第43-44页 |
| ·基于 MapReduce 的 CanopyKmeans 聚类算法 | 第44-47页 |
| ·算法思想 | 第44-45页 |
| ·算法流程 | 第45-47页 |
| ·算法复杂性分析 | 第47页 |
| ·本章小结 | 第47-50页 |
| 5 算法实现及评测 | 第50-66页 |
| ·集群环境平台的构建 | 第50-58页 |
| ·硬件环境 | 第50-51页 |
| ·软件环境 | 第51-52页 |
| ·Hadoop 平台的安装部署 | 第52-58页 |
| ·Canopy-Kmeans 聚类算法实现及试验结果分析 | 第58-64页 |
| ·Canopy-Kmeans 算法的Hadoop 集群执行 | 第58-63页 |
| ·试验结果分析 | 第63-64页 |
| ·本章小结 | 第64-66页 |
| 6 总结与展望 | 第66-68页 |
| ·总结 | 第66页 |
| ·今后的研究改进方向 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 作者简历 | 第72-74页 |
| 学位论文数据集 | 第74-75页 |
| 详细摘要 | 第75-77页 |
