| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第7-10页 |
| 表格 | 第10-11页 |
| 插图 | 第11-12页 |
| 算法 | 第12-13页 |
| 第一章 绪论 | 第13-19页 |
| ·论文研究背景 | 第13-16页 |
| ·大数据的处理需求 | 第13-14页 |
| ·大数据的概念和特征 | 第14-15页 |
| ·传统数据库的局限性 | 第15-16页 |
| ·研究问题的提出 | 第16-17页 |
| ·本文的研究内容 | 第17页 |
| ·本文的组织结构 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第二章 Hadoop和map/reduce简介 | 第19-31页 |
| ·hadoop简介 | 第19-24页 |
| ·hadoop发展历程 | 第19-20页 |
| ·HDFS简介 | 第20-24页 |
| ·map/reduce简介 | 第24-30页 |
| ·map/reduce整体框架 | 第24-25页 |
| ·map/reduce任务完整执行步骤 | 第25-27页 |
| ·map/reduce作业流程 | 第27-28页 |
| ·map/reduce简单示例 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 hadoop中join算法介绍 | 第31-37页 |
| ·map端连接算法 | 第31-32页 |
| ·reduce端连接算法n | 第32-37页 |
| ·标准哈希连接 | 第32-33页 |
| ·改进哈希连接 | 第33-35页 |
| ·半连接 | 第35-37页 |
| 第四章 hadoop join算法中的数据倾斜问题 | 第37-57页 |
| ·hadoop环境下数据倾斜问题介绍 | 第37-39页 |
| ·数据倾斜问题的处理 | 第39-57页 |
| ·数据的预处理 | 第39-42页 |
| ·两表等值join中的数据倾斜问题 | 第42-46页 |
| ·多表等值join中的数据倾斜问题 | 第46-52页 |
| ·完整的算法实现 | 第52-57页 |
| 第五章 实验结果 | 第57-67页 |
| ·实验环境 | 第57页 |
| ·实验数据 | 第57-58页 |
| ·两表连接算法 | 第58-63页 |
| ·变动数据倾斜率比较EQJ, TRPJ和DPJ | 第58-60页 |
| ·变动数据量比较EQJ,TRPJ和DPJ | 第60-61页 |
| ·变动数据取值范围比较EQJ, TRPJ和DPJ | 第61-62页 |
| ·变动reduce个数比较EQJ,TRPJ和DPJ | 第62-63页 |
| ·多表连接算法 | 第63-67页 |
| ·变动数据量比较RPJ, TT和MWJ | 第63-64页 |
| ·变动数据倾斜率量比较RPJ, TT和MWJ | 第64-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·本文总结 | 第67-68页 |
| ·展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 在读期间发表的学术论文与取得的研究成果 | 第75页 |