| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1. 绪论 | 第11-21页 |
| 1.1 课题研究的背景和意义 | 第11-12页 |
| 1.2 研究现状 | 第12-17页 |
| 1.2.1 流场可视化 | 第12-14页 |
| 1.2.2 云计算 | 第14-15页 |
| 1.2.3 Hadoop | 第15-17页 |
| 1.2.4 Spark | 第17页 |
| 1.3 本文研究的主要目的及意义 | 第17-18页 |
| 1.4 本文研究主要工作及其贡献 | 第18页 |
| 1.5 本文的主要内容安排 | 第18-21页 |
| 2. 关键技术介绍 | 第21-33页 |
| 2.1 流场可视化算法 | 第21-22页 |
| 2.2 Hadoop任务调度控制模式 | 第22-29页 |
| 2.2.1 MapReduce | 第25-26页 |
| 2.2.2 HDFS | 第26-27页 |
| 2.2.3 YARN | 第27-29页 |
| 2.3 Spark任务调度控制模式 | 第29-32页 |
| 2.4 本章小结 | 第32-33页 |
| 3 基于Spark的流场可视化任务处理模式 | 第33-51页 |
| 3.1 海洋流场可视化平台简述 | 第33-35页 |
| 3.2 Hadoop任务处理模式分析简述 | 第35-37页 |
| 3.3 Spark任务处理模式 | 第37-38页 |
| 3.4 Spark任务处理流程介绍 | 第38-42页 |
| 3.5 实现方法介绍 | 第42-46页 |
| 3.5.1 驱动程序编写 | 第43-44页 |
| 3.5.2 自定义文件名 | 第44页 |
| 3.5.3 自定义输出方法 | 第44-46页 |
| 3.6 Spark中嵌入流场可视化 | 第46-48页 |
| 3.6.1 方案应用背景 | 第46-47页 |
| 3.6.2 解决方法 | 第47-48页 |
| 3.7 远程可视化 | 第48-50页 |
| 3.8 本章小结 | 第50-51页 |
| 4 实验结果对比与分析 | 第51-55页 |
| 4.1 基于Spark的流场可视化任务处理框架性能测试 | 第51-53页 |
| 4.1.1 测试数据 | 第51页 |
| 4.1.2 测试平台 | 第51-53页 |
| 4.1.3 测试结果 | 第53页 |
| 4.2 基于Hadoop的流场可视化任务处理框架性能测试 | 第53-54页 |
| 4.3 并行框架间平台性能对比分析 | 第54-55页 |
| 5 总结与展望 | 第55-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59-60页 |
| 个人简历 | 第60页 |