| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 传统数据库中的计算重用技术 | 第12页 |
| 1.2.2 NoSQL数据库中基于重用的优化技术 | 第12-16页 |
| 1.3 研究目的和意义 | 第16页 |
| 1.4 论文主要工作 | 第16-19页 |
| 第二章 相关技术研究现状分析 | 第19-45页 |
| 2.1 Spark概述 | 第19-24页 |
| 2.1.1 Spark生态系统 | 第20-23页 |
| 2.1.2 Spark架构及基本组件 | 第23-24页 |
| 2.2 Spark执行规划 | 第24-35页 |
| 2.2.1 SparkRDD简介 | 第24-26页 |
| 2.2.2 SparkRDD操作算子 | 第26-31页 |
| 2.2.3 Spark应用的执行规划 | 第31-35页 |
| 2.2.4 Spark应用的语义描述 | 第35页 |
| 2.3 Spark重用机制 | 第35-39页 |
| 2.3.1 Spark中基于缓存的重用技术 | 第36-38页 |
| 2.3.2 基于共享变量的重用技术 | 第38-39页 |
| 2.3.3 应用内的Spark重用 | 第39页 |
| 2.4 语义缓存技术 | 第39-42页 |
| 2.4.1 语义缓存存储形式 | 第39-40页 |
| 2.4.2 查询匹配以及查询划分 | 第40-41页 |
| 2.4.3 缓存替换算法 | 第41页 |
| 2.4.4 缓存的一致性维护 | 第41-42页 |
| 2.5 面向MapReduce系统的数据处理优化技术 | 第42-44页 |
| 2.5.1 基于混合架构的MapReduce计算优化技术 | 第42-43页 |
| 2.5.2 基于重用的MapReduce作业流优化技术 | 第43-44页 |
| 2.6 小结 | 第44-45页 |
| 第三章 基于计算重用的Spark执行规划优化模型 | 第45-65页 |
| 3.1 基于语义DAG图的计算重用发现技术研究 | 第45-54页 |
| 3.1.1 语义DAG图与二叉树的转换技术 | 第46-48页 |
| 3.1.2 二叉树的深度优先遍历算法 | 第48-50页 |
| 3.1.3 基于深度优先遍历的语义二叉树匹配算法 | 第50-53页 |
| 3.1.4 计算重用的发现算法 | 第53-54页 |
| 3.2 基于计算代价增益率的Spark缓存仓库丰富策略 | 第54-57页 |
| 3.2.1 计算代价增益率计算模型 | 第55-56页 |
| 3.2.2 计算代价增益率的计算 | 第56-57页 |
| 3.3 Spark执行规划优化策略 | 第57-58页 |
| 3.4 实验分析 | 第58-63页 |
| 3.4.1 实验环境 | 第59页 |
| 3.4.2 实验数据集 | 第59-60页 |
| 3.4.3 优化模型效果分析 | 第60-63页 |
| 3.5 小结 | 第63-65页 |
| 第四章 Spark重用优化系统的设计与实现 | 第65-73页 |
| 4.1 系统功能设计 | 第65-66页 |
| 4.2 系统架构与技术选型 | 第66-68页 |
| 4.2.1 系统架构 | 第66页 |
| 4.2.2 语义数据存储技术选型 | 第66-67页 |
| 4.2.3 缓存结果存储技术选型 | 第67-68页 |
| 4.3 系统实现 | 第68-72页 |
| 4.3.1 重用子系统实现 | 第68-70页 |
| 4.3.2 缓存管理子系统实现 | 第70-72页 |
| 4.4 小结 | 第72-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 5.1 本文工作总结 | 第73-74页 |
| 5.2 研究工作展望 | 第74-75页 |
| 致谢 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 作者在学期间取得的学术成果 | 第81页 |
