| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 文章结构 | 第14-15页 |
| 1.5 总结 | 第15-16页 |
| 第2章 图压缩及可达性保持图 | 第16-22页 |
| 2.1 图压缩概述 | 第16-17页 |
| 2.2 常用的图压缩技术 | 第17-18页 |
| 2.2.1 基于图数据外在特点的图压缩方法 | 第17-18页 |
| 2.2.2 面向图数据应用场景的图压缩方法 | 第18页 |
| 2.2.3 面向特定查询需求的图压缩方法 | 第18页 |
| 2.3 可达性保持图压缩方法 | 第18-20页 |
| 2.4 本文采用的压缩方法及优势 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 Hadoop框架与MapReduce模型 | 第22-31页 |
| 3.1 Hadoop概述 | 第22-23页 |
| 3.2 Hadoop分布式文件系统和分布式缓存 | 第23-25页 |
| 3.2.1 Hadoop分布式文件系统 | 第23-24页 |
| 3.2.2 分布式缓存技术 | 第24-25页 |
| 3.3 MapReduce编程模型 | 第25-30页 |
| 3.3.1 MapReduce的工作原理 | 第25-27页 |
| 3.3.2 MapReduce的主要功能和技术特征 | 第27-29页 |
| 3.3.3 YARN框架 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 基于MapReduce的可达性保持图计算 | 第31-48页 |
| 4.1 问题定义 | 第31-34页 |
| 4.2 基于MapReduce的SCC压缩处理 | 第34-41页 |
| 4.2.1 基于BFS结果集的SCC查找算法 | 第34-36页 |
| 4.2.2 基于标签传递更新的SCC压缩算法 | 第36-38页 |
| 4.2.3 基于MapReduce的SCC计算 | 第38-39页 |
| 4.2.4 基于MapReduce的SCC压缩 | 第39-41页 |
| 4.3 基于MapReduce的可达性等价类压缩处理 | 第41-45页 |
| 4.3.1 可达性等价类计算分析 | 第41-42页 |
| 4.3.2 基于MapReduce的可达性等价类计算 | 第42-44页 |
| 4.3.3 基于MapReduce的可达性等价类压缩 | 第44-45页 |
| 4.4 可达性保持图上的查询方法 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 实验及结果分析 | 第48-53页 |
| 5.1 Hadoop实验集群搭建以及数据选取 | 第48页 |
| 5.2 实验过程 | 第48-50页 |
| 5.3 实验结果及分析 | 第50-52页 |
| 5.3.1 可达性保持图压缩比分析 | 第50页 |
| 5.3.2 查询性能对比分析 | 第50-51页 |
| 5.3.3 加速比实验分析 | 第51-52页 |
| 5.4 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第59页 |
