| 摘要 | 第5-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的研究背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 传统技术框架下字符串相似性连接技术 | 第11-12页 |
| 1.2.2 基于MapReduce框架的字符串相似性连接技术 | 第12-13页 |
| 1.3 本文的研究内容 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第2章 相关技术 | 第16-23页 |
| 2.1 基本概念 | 第16-18页 |
| 2.1.1 字符串定义 | 第16页 |
| 2.1.2 字符串相似性连接定义 | 第16-17页 |
| 2.1.3 编辑距离定义 | 第17-18页 |
| 2.2 过滤技术 | 第18-19页 |
| 2.3 并行计算框架Spark | 第19-22页 |
| 2.3.1 Spark简介 | 第19-20页 |
| 2.3.2 Spark编程模型 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 分布并行字符串相似性连接算法 | 第23-34页 |
| 3.1 Pada-Join算法框架 | 第23-25页 |
| 3.2 Pada-Join并行数据划分 | 第25-29页 |
| 3.3 Pada-Join并行相似连接 | 第29-32页 |
| 3.3.1 相似连接阶段 | 第29-30页 |
| 3.3.2 相似度计算阶段 | 第30-32页 |
| 3.4 Pada-Join算法并行化分析 | 第32-33页 |
| 3.4.1 数据并行化 | 第32页 |
| 3.4.2 任务并行化 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 Pada-Join并行化实现优化 | 第34-47页 |
| 4.1 并行化相似连接优化 | 第34-38页 |
| 4.1.0 Spark Cartesian实例分析 | 第34-35页 |
| 4.1.1 问题分析 | 第35-36页 |
| 4.1.2 优化方案 | 第36-38页 |
| 4.2 Spark中reduce任务调度优化 | 第38-46页 |
| 4.2.1 Spark中任务调度策略 | 第39-40页 |
| 4.2.2 数据本地性问题分析 | 第40-42页 |
| 4.2.3 基于数据本地性的reduce任务调度策略 | 第42-44页 |
| 4.2.4 实验结果及分析 | 第44-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第5章 Pada-join并行相似连接算法应用 | 第47-56页 |
| 5.1 实验环境 | 第47页 |
| 5.1.1 实验配置 | 第47页 |
| 5.1.2 实验方法 | 第47页 |
| 5.2 生物序列相似连接 | 第47-50页 |
| 5.2.1 实验数据集 | 第48-49页 |
| 5.2.2 实验结果及分析 | 第49-50页 |
| 5.3 数据清洗 | 第50-53页 |
| 5.3.1 实验数据集 | 第51-52页 |
| 5.3.2 实验结果及分析 | 第52-53页 |
| 5.4 文本相似性检测 | 第53-55页 |
| 5.4.1 实验数据集 | 第53-54页 |
| 5.4.2 实验结果及分析 | 第54-55页 |
| 5.5 本章小结 | 第55-56页 |
| 第6章 总结及展望 | 第56-58页 |
| 6.1 工作总结 | 第56-57页 |
| 6.2 研究展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62页 |
