面向全基因组关联分析的大数据存储架构设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 全基因组关联分析现状 | 第11-14页 |
| 1.2.2 大数据存储研究现状 | 第14-16页 |
| 1.3 主要研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第二章 基本概念和相关技术 | 第19-32页 |
| 2.1 基因变异数据格式 | 第19-20页 |
| 2.2 大数据存储与查询技术 | 第20-26页 |
| 2.2.1 分布式文件系统HDFS | 第20-21页 |
| 2.2.2 分布式数据库HBase | 第21-22页 |
| 2.2.3 列式存储引擎Kudu | 第22-25页 |
| 2.2.4 分布式查询引擎Impala | 第25-26页 |
| 2.3 大数据处理相关技术 | 第26-28页 |
| 2.3.1 MapReduce | 第26-27页 |
| 2.3.2 Spark | 第27-28页 |
| 2.4 大数据索引与压缩技术 | 第28-31页 |
| 2.4.1 分布式位图索引 | 第29-30页 |
| 2.4.2 位图压缩方法 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基因变异数据存储架构设计 | 第32-42页 |
| 3.1 问题描述 | 第32-33页 |
| 3.2 存储架构整体设计 | 第33-34页 |
| 3.3 数据表结构设计 | 第34-38页 |
| 3.3.1 基于人种信息的分表设计 | 第34-35页 |
| 3.3.2 数据表模式设计 | 第35-37页 |
| 3.3.3 数据表分区设计 | 第37-38页 |
| 3.4 分布式位图索引设计 | 第38-40页 |
| 3.5 查询分发设计 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 基因变异数据存储架构实现与性能优化 | 第42-56页 |
| 4.1 基于Kudu的分布式存储实现与优化 | 第42-47页 |
| 4.1.1 数据预处理 | 第42-44页 |
| 4.1.2 数据的批量导入 | 第44-46页 |
| 4.1.3 影响Kudu存储性能的因素研究 | 第46-47页 |
| 4.2 分布式位图索引实现与优化 | 第47-54页 |
| 4.2.1 位图索引建立流程 | 第47-48页 |
| 4.2.2 位图压缩技术研究 | 第48-52页 |
| 4.2.3 利用Spark并行技术加速索引处理 | 第52-54页 |
| 4.3 查询分发实现 | 第54-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 实验结果及分析 | 第56-72页 |
| 5.1 实验设计目标 | 第56页 |
| 5.2 实验环境及基准数据集 | 第56-57页 |
| 5.3 存储性能测试 | 第57-63页 |
| 5.3.1 数据导入性能 | 第58-59页 |
| 5.3.2 数据读取性能 | 第59-60页 |
| 5.3.3 副本数量影响 | 第60-61页 |
| 5.3.4 分区数量影响 | 第61-63页 |
| 5.4 位图压缩技术对比 | 第63-66页 |
| 5.4.1 位图占用空间 | 第63-64页 |
| 5.4.2 建立位图耗时 | 第64-65页 |
| 5.4.3 位图查询性能 | 第65-66页 |
| 5.5 并行化性能测试 | 第66-67页 |
| 5.5.1 分布式位图建立 | 第66-67页 |
| 5.5.2 分布式位图查询 | 第67页 |
| 5.6 对比评测 | 第67-71页 |
| 5.6.1 与无索引方案的性能对比 | 第67-69页 |
| 5.6.2 与其他大数据存储方案性能对比 | 第69-71页 |
| 5.7 本章小结 | 第71-72页 |
| 总结与展望 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 致谢 | 第80-81页 |
| 攻读硕士学位期间取得的研究成果 | 第81-82页 |
| 附件 | 第82页 |
