| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-17页 |
| ·研究背景与意义 | 第9-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·云计算发展现状 | 第11-14页 |
| ·数据挖掘发展现状 | 第14页 |
| ·论文主要工作 | 第14-15页 |
| ·论文组织结构 | 第15-17页 |
| 第2章 大数据概述 | 第17-24页 |
| ·大数据产生及价值 | 第17-18页 |
| ·处理大数据的科学研究 | 第18-23页 |
| ·分析大数据的科技 | 第18-20页 |
| ·处理大数据的技术工具 | 第20-21页 |
| ·分析数据的可视化研究 | 第21-23页 |
| 本章小结 | 第23-24页 |
| 第3章 Hadoop 与 MapReduce 编程模型 | 第24-35页 |
| ·云计算架构 Hadoop | 第24-25页 |
| ·Hadoop 分布式文件系统 | 第25-29页 |
| ·HDFS 设计理念 | 第25-26页 |
| ·HDFS 的工作节点 | 第26-27页 |
| ·向 HDFS 中写入数据 | 第27-28页 |
| ·从 HDFS 中读取数据 | 第28-29页 |
| ·MapReduce 编程模型 | 第29-34页 |
| ·MapReduce 模型 | 第29-31页 |
| ·MapReduce 工作原理 | 第31-32页 |
| ·MapReduce 模型中的 Combiner 和 Partitioner | 第32-34页 |
| 本章小结 | 第34-35页 |
| 第4章 MapReduce 框架的聚类算法研究 | 第35-46页 |
| ·MapReduce 数据输入输出基准 | 第35-38页 |
| ·分布式计算指令 Grep | 第35-36页 |
| ·分布式 Sort 计算指令 | 第36-38页 |
| ·聚类算法 K-means 的 MapReduce 实现 | 第38-45页 |
| ·K-means 算法思想 | 第38-39页 |
| ·MapReduce 框架下 K-means 算法设计 | 第39-42页 |
| ·MapReduce 框架下 K-means 算法的技术细节 | 第42-45页 |
| 本章小结 | 第45-46页 |
| 第5章 基于 MapReduce 的凸包算法实现 | 第46-53页 |
| ·凸包算法研究 | 第46-51页 |
| ·凸包算法的思想 | 第46-49页 |
| ·Graham（葛立恒）扫描法的具体实现 | 第49-51页 |
| ·凸包算法的 MapReduce 框架实现 | 第51-52页 |
| ·凸包算法的 MapReduce 实现意义 | 第51页 |
| ·凸包算法的 MapReduce 设计 | 第51-52页 |
| 本章小结 | 第52-53页 |
| 第6章 开发环境搭建与算法仿真 | 第53-64页 |
| ·Hadoop 开发环境平台 | 第53-59页 |
| ·Hadoop 环境搭建 | 第53-56页 |
| ·Eclipse 环境开发 MapReduce 程序 | 第56-59页 |
| ·算法仿真与实验 | 第59-63页 |
| 本章小结 | 第63-64页 |
| 总结和展望 | 第64-66页 |
| 总结 | 第64页 |
| 展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读学位期间取得学术成果 | 第70页 |
