| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 多查询优化研究现状 | 第11-13页 |
| 1.2.2 增量计算优化研究现状 | 第13-15页 |
| 1.3 论文研究内容 | 第15页 |
| 1.4 论文的组织结构 | 第15-18页 |
| 第2章 相关技术背景 | 第18-28页 |
| 2.1 MapReduce概述 | 第18-20页 |
| 2.1.1 MapReduce模型简介 | 第18-19页 |
| 2.1.2 MapReduce执行流程 | 第19-20页 |
| 2.2 Spark概述 | 第20-22页 |
| 2.2.1 弹性分布式数据集RDD | 第21-22页 |
| 2.2.2 Spark基本工作流程 | 第22页 |
| 2.3 高级查询工具概述 | 第22-26页 |
| 2.3.1 Hive | 第22-24页 |
| 2.3.2 Pig | 第24-25页 |
| 2.3.3 SparkSQL | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 基于MapReduce的多区域查询优化 | 第28-36页 |
| 3.1 多区域查询优化问题描述 | 第28页 |
| 3.2 基于MapReduce的查询代价模型 | 第28-29页 |
| 3.3 朴素的物化策略 | 第29-30页 |
| 3.4 基于区域聚类的MapReduce物化策略 | 第30-33页 |
| 3.4.1 查询空间划分 | 第30-31页 |
| 3.4.2 查询相似度定义 | 第31页 |
| 3.4.3 基于贪心策略的查询聚类算法 | 第31-33页 |
| 3.4.4 物化视图生成 | 第33页 |
| 3.5 实验 | 第33-35页 |
| 3.5.1 实验环境与数据 | 第33页 |
| 3.5.2 实验结果与分析 | 第33-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 基于Spark平台的增量查询优化系统设计与实现 | 第36-52页 |
| 4.1 增量计算问题描述 | 第36-37页 |
| 4.2 基于可合并算子的增量计算复用模型 | 第37-38页 |
| 4.2.1 可合并算子介绍 | 第37-38页 |
| 4.2.2 案例分析 | 第38页 |
| 4.3 系统概述 | 第38-40页 |
| 4.4 增量查询处理流程 | 第40-41页 |
| 4.5 关键步骤设计 | 第41-48页 |
| 4.5.1 缓存元信息定义 | 第41页 |
| 4.5.2 计算匹配 | 第41-43页 |
| 4.5.3 缓存复用代价估算 | 第43页 |
| 4.5.4 增量数据的识别 | 第43-44页 |
| 4.5.5 增量的执行计划生成 | 第44-46页 |
| 4.5.6 增量的Spark | 第46页 |
| 4.5.7 缓存空间的清理回收 | 第46-48页 |
| 4.6 实验 | 第48-50页 |
| 4.6.1 实验环境与数据 | 第48-49页 |
| 4.6.2 实验结果与分析 | 第49-50页 |
| 4.7 本章小结 | 第50-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间获得的科研成果 | 第58-60页 |
| 致谢 | 第60页 |