| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 相关研究工作 | 第13-19页 |
| 1.2.1 搜索空间 | 第13-14页 |
| 1.2.2 搜索策略 | 第14-16页 |
| 1.2.3 代价模型 | 第16-18页 |
| 1.2.4 目前研究存在的问题 | 第18-19页 |
| 1.3 研究目标及内容 | 第19页 |
| 1.4 本文结构组织 | 第19-20页 |
| 1.5 本章小结 | 第20-21页 |
| 第2章 Impala大数据实时查询系统 | 第21-26页 |
| 2.1 Impala介绍 | 第21-22页 |
| 2.1.1 Impala 1.0系统 | 第21-22页 |
| 2.1.2 Impala 2.0系统 | 第22页 |
| 2.2 Impala 1.0系统查询过程 | 第22-24页 |
| 2.2.1 语法解析 | 第22-23页 |
| 2.2.2 查询计划生成 | 第23-24页 |
| 2.2.3 执行计划生成 | 第24页 |
| 2.2.4 查询和汇总 | 第24页 |
| 2.3 Impala 2.0系统对查询过程的改进 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 代价估计 | 第26-33页 |
| 3.1 概述 | 第26页 |
| 3.2 统计信息收集 | 第26-29页 |
| 3.3 代价模型 | 第29-30页 |
| 3.4 代价估计方法 | 第30-31页 |
| 3.4.1 基于表的代价估计方法 | 第30-31页 |
| 3.4.2 基于列的代价估计方法 | 第31页 |
| 3.5 本章小结 | 第31-33页 |
| 第4章 基于超图和浓密树的大数据实时查询优化 | 第33-48页 |
| 4.1 概述 | 第33页 |
| 4.2 基本定义 | 第33-34页 |
| 4.3 查询超图建模 | 第34页 |
| 4.4 改进的McCHyp算法 | 第34-46页 |
| 4.4.1 集成剪枝策略的改进的McCHyp算法 | 第35-37页 |
| 4.4.2 改进的McCHyp算法优化过程举例 | 第37-46页 |
| 4.5 剪枝策略的完整性和正确性 | 第46-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第5章 系统实现 | 第48-59页 |
| 5.1 系统总体框架 | 第48-49页 |
| 5.2 查询计划形式的修改方法 | 第49-54页 |
| 5.2.1 JoinTree结构 | 第50-51页 |
| 5.2.2 JoinNode结构 | 第51-52页 |
| 5.2.3 HashJoinRef结构 | 第52-54页 |
| 5.2.4 构造查询计划的方法 | 第54页 |
| 5.3 改进的McCHyp算法在Impala中的集成 | 第54-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第6章 实验评估 | 第59-70页 |
| 6.1 实验环境 | 第59-60页 |
| 6.2 实验设置 | 第60页 |
| 6.3 实验数据 | 第60-61页 |
| 6.4 实验结果与分析 | 第61-69页 |
| 6.4.1 优化算法对比 | 第61-63页 |
| 6.4.2 代价模型对比 | 第63-64页 |
| 6.4.3 查询性能对比 | 第64-67页 |
| 6.4.4 可扩展性对比 | 第67-69页 |
| 6.5 本章小结 | 第69-70页 |
| 第7章 总结与展望 | 第70-72页 |
| 7.1 总结 | 第70-71页 |
| 7.2 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间主要的研究成果 | 第76-77页 |
| 致谢 | 第77-78页 |