云平台下多层次自调整的轨迹数据索引方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 云计算和大数据技术的研究现状 | 第10-11页 |
| 1.2.2 轨迹数据存储和索引技术的研究现状 | 第11-13页 |
| 1.2.3 自调整索引技术的研究现状 | 第13页 |
| 1.3 论文的主要研究内容 | 第13-15页 |
| 1.4 论文的章节安排 | 第15-16页 |
| 第二章 相关背景知识介绍 | 第16-26页 |
| 2.1 轨迹数据 | 第16-18页 |
| 2.1.1 轨迹数据特点 | 第16页 |
| 2.1.2 轨迹数据模型 | 第16-17页 |
| 2.1.3 常见的查询模式 | 第17-18页 |
| 2.2 常见的轨迹索引方法 | 第18-20页 |
| 2.2.1 集中式轨迹索引 | 第18页 |
| 2.2.2 分布式轨迹索引 | 第18-20页 |
| 2.3 Hadoop平台介绍 | 第20-25页 |
| 2.3.1 HDFS分布式文件系统介绍 | 第20-21页 |
| 2.3.2 Map Reduce并行计算模型介绍 | 第21-22页 |
| 2.3.3 HBase分布式列数据库介绍 | 第22-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 多层次轨迹数据索引方法 | 第26-43页 |
| 3.1 问题分析和存储索引层架构 | 第26-28页 |
| 3.2 基于对象标识和时间的轨迹数据索引 | 第28-31页 |
| 3.3 基于Hilbert曲线的轨迹数据索引 | 第31-39页 |
| 3.3.1 基于Hilbert曲线的降维 | 第31-34页 |
| 3.3.2 索引节点的均衡划分方法 | 第34-39页 |
| 3.4 增量数据处理 | 第39-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于自调整索引的轨迹数据索引方法 | 第43-57页 |
| 4.1 自调整索引 | 第43-46页 |
| 4.1.1 数据库裂解 | 第43-45页 |
| 4.1.2 自调整合并 | 第45-46页 |
| 4.2 自调整轨迹数据索引 | 第46-50页 |
| 4.2.1 自调整轨迹数据索引架构 | 第46-47页 |
| 4.2.2 自调整轨迹数据索引构建流程 | 第47-50页 |
| 4.3 基于多层次自调整索引的查询算法 | 第50-56页 |
| 4.3.1 对象标识和时间范围查询 | 第50-52页 |
| 4.3.2 时空范围查询 | 第52-54页 |
| 4.3.3 最近邻查询 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 原型系统实现与性能分析 | 第57-75页 |
| 5.1 原型系统架构 | 第57-58页 |
| 5.2 系统开发与环境部署 | 第58-63页 |
| 5.2.1 系统硬件环境配置 | 第58页 |
| 5.2.2 Hadoop和 HBase集群搭建 | 第58-62页 |
| 5.2.3 系统界面展示 | 第62-63页 |
| 5.3 实验分析 | 第63-73页 |
| 5.3.1 实验数据介绍 | 第63-64页 |
| 5.3.2 多层次轨迹数据索引性能分析 | 第64-71页 |
| 5.3.3 自调整轨迹数据索引性能分析 | 第71-73页 |
| 5.4 本章小结 | 第73-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 本文工作总结 | 第75页 |
| 6.2 展望 | 第75-77页 |
| 参考文献 | 第77-80页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第80-81页 |
| 附录2 攻读硕士学位期间申请的专利 | 第81-82页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第82-83页 |
| 致谢 | 第83页 |
