基于Hadoop平台的大数据增量处理技术的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状与发展动态 | 第11-12页 |
| 1.3 课题研究的主要内容 | 第12-13页 |
| 1.4 论文内容组织结构 | 第13-14页 |
| 第2章 背景知识及框架概述 | 第14-26页 |
| 2.1 Hadoop平台概述 | 第14-18页 |
| 2.1.1 Hadoop系统架构 | 第14-16页 |
| 2.1.2 MapReduce模型介绍 | 第16-18页 |
| 2.1.3 Hadoop应用现状和发展趋势 | 第18页 |
| 2.2 Memcached系统概述 | 第18-20页 |
| 2.3 基于Hadoop平台的增量大数据处理框架 | 第20-25页 |
| 2.3.1 设计原则 | 第20-22页 |
| 2.3.2 框架概述 | 第22-23页 |
| 2.3.3 增量分布式文件系统模型 | 第23-24页 |
| 2.3.4 增量MapReduce模型 | 第24-25页 |
| 2.3.5 基于负载感知的调度策略 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 增量分布式文件系统模型 | 第26-46页 |
| 3.1 增量分布式文件系统简介 | 第26-27页 |
| 3.2 固定长度分块策略 | 第27-32页 |
| 3.2.1 Rabin指纹算法 | 第27-30页 |
| 3.2.2 固定长度分块策略 | 第30-32页 |
| 3.3 基于内容的分块算法 | 第32-37页 |
| 3.3.1 粗粒度的基于内容的分块 | 第32-33页 |
| 3.3.2 细粒度的基于内容的分块 | 第33-37页 |
| 3.4 性能评估与分析 | 第37-44页 |
| 3.4.1 实验环境 | 第37-39页 |
| 3.4.2 实验结果及分析 | 第39-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第4章 增量MapReduce模型 | 第46-60页 |
| 4.1 增量Map设计 | 第46-48页 |
| 4.2 增量Reduce模型 | 第48-52页 |
| 4.2.1 粗粒度存储 | 第48-49页 |
| 4.2.2 细粒度存储 | 第49-52页 |
| 4.3 性能评估与分析 | 第52-58页 |
| 4.3.1 实验环境 | 第52-54页 |
| 4.3.2 实验结果及分析 | 第54-58页 |
| 4.4 本章小结 | 第58-60页 |
| 第5章 基于负载感知的调度策略 | 第60-74页 |
| 5.1 Hadoop常用作业调度算法 | 第60-64页 |
| 5.1.1 先进先出调度算法 | 第60-61页 |
| 5.1.2 计算能力调度算法 | 第61-62页 |
| 5.1.3 公平调度算法 | 第62-64页 |
| 5.2 负载感知调度策略 | 第64-70页 |
| 5.2.1 算法产生背景 | 第64-65页 |
| 5.2.2 算法设计思想 | 第65-69页 |
| 5.2.3 算法实现 | 第69-70页 |
| 5.3 性能评估与分析 | 第70-73页 |
| 5.3.1 实验环境 | 第70-71页 |
| 5.3.2 实验结果及分析 | 第71-73页 |
| 5.4 本章小结 | 第73-74页 |
| 第6章 总结与展望 | 第74-76页 |
| 6.1 内容总结 | 第74-75页 |
| 6.2 未来展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80页 |
