| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景和意义 | 第11-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 特定领域的全比较问题的研究现状 | 第12-13页 |
| 1.2.2 基于Hadoop架构的全比较问题的研究现状 | 第13-15页 |
| 1.3 本文的研究内容 | 第15-16页 |
| 1.4 本文的结构组织 | 第16-17页 |
| 第二章 全比较问题的分布式处理框架Hadoop | 第17-23页 |
| 2.1 Hadoop架构 | 第17-23页 |
| 2.1.1 Hadoop分布式计算框架 | 第17-18页 |
| 2.1.2 MapReduce编程模型 | 第18-19页 |
| 2.1.3 Hadoop分布式文件系统 | 第19-23页 |
| 第三章 大数据全比较的数据分配问题 | 第23-35页 |
| 3.1 全比较问题的模型构建 | 第23-26页 |
| 3.1.1 解决全比较问题需要考虑的因素 | 第23-24页 |
| 3.1.2 问题挑战 | 第24-25页 |
| 3.1.3 问题描述 | 第25-26页 |
| 3.2 数据分配的基本原则 | 第26-27页 |
| 3.3 数据分配面临的挑战 | 第27-30页 |
| 3.3.1 在每个节点上存储所有的数据存在的问题 | 第27-28页 |
| 3.3.2 Hadoop数据分配策略存在的问题 | 第28-30页 |
| 3.4 对数据分配问题进行数学化 | 第30-33页 |
| 3.4.1 整体的考虑和假设 | 第30-31页 |
| 3.4.2 减少存储使用 | 第31页 |
| 3.4.3 提高计算性能 | 第31-32页 |
| 3.4.4 数据分配的优化 | 第32-33页 |
| 3.4.5 理论结果 | 第33页 |
| 3.5 本章小结 | 第33-35页 |
| 第四章 启发式的数据分配算法 | 第35-45页 |
| 4.1 数据分配的启发式规则 | 第35-36页 |
| 4.2 数据分配算法 | 第36-37页 |
| 4.3 数据分配策略分析 | 第37-38页 |
| 4.4 评价指标和实验设计 | 第38-43页 |
| 4.4.1 存储节约 | 第38-40页 |
| 4.4.2 计算性能 | 第40-42页 |
| 4.4.3 可扩展性 | 第42-43页 |
| 4.5 本章小结 | 第43-45页 |
| 第五章 基于图覆盖的数据分配算法 | 第45-53页 |
| 5.1 图覆盖问题 | 第45-46页 |
| 5.2 最优图覆盖的构造方法 | 第46-47页 |
| 5.3 数据分配算法 | 第47-48页 |
| 5.4 算法步骤 | 第48-49页 |
| 5.5 实验 | 第49-52页 |
| 5.5.1 存储效率和数据本地性 | 第50-51页 |
| 5.5.2 可扩展性 | 第51页 |
| 5.5.3 计算效率 | 第51-52页 |
| 5.6 本章小结 | 第52-53页 |
| 第六章 总结和展望 | 第53-55页 |
| 6.1 工作总结 | 第53-54页 |
| 6.2 下一步工作展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
| 攻读学位期间发表的学术论文目录 | 第61-63页 |
| 项目受资助情况 | 第63页 |