| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 论文的主要内容 | 第15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 第2章 相关技术研究 | 第17-31页 |
| 2.1 Spark分布式计算框架 | 第17-25页 |
| 2.1.1 Spark简介 | 第17-20页 |
| 2.1.2 Spark的数据存储 | 第20-22页 |
| 2.1.3 Spark执行原理 | 第22-23页 |
| 2.1.4 Spark与Hadoop MapReduce | 第23-25页 |
| 2.2 MapReduce框架下的数据连接技术 | 第25-28页 |
| 2.2.1 重分区连接(Repartition join) | 第26-27页 |
| 2.2.2 复制连接(Replication join) | 第27页 |
| 2.2.3 半连接(Semi-join) | 第27-28页 |
| 2.3 多表连接 | 第28-30页 |
| 2.3.1 链式连接技术 | 第28-29页 |
| 2.3.2 星型连接技术 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 动态自适应数据表关联应用技术框架 | 第31-46页 |
| 3.1 基本假设 | 第32-33页 |
| 3.2 数据处理框架 | 第33-35页 |
| 3.3 数据关联与存储体系 | 第35-43页 |
| 3.3.1 数据表关联分析 | 第36-39页 |
| 3.3.2 数据表存储策略 | 第39-40页 |
| 3.3.3 数据并行关联查询 | 第40-42页 |
| 3.3.4 基于Spark的三级存储框架S-TLSF | 第42-43页 |
| 3.4 动态自适应模式 | 第43-44页 |
| 3.5 关联查询操作 | 第44-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 实验结果及分析 | 第46-51页 |
| 4.1 实验环境设置 | 第46-47页 |
| 4.2 实验目的和方法 | 第47-48页 |
| 4.3 实验结果及分析 | 第48-50页 |
| 4.3.1 不同计算框架对关联查询效率的影响 | 第48页 |
| 4.3.2 数据关联合并前后的查询效率对比分析 | 第48-49页 |
| 4.3.3 动态数据环境下数据更新效率分析 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 论文完成的主要工作 | 第51页 |
| 未来工作展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 附录: 攻读硕士学位期间的科研情况 | 第57-58页 |
| 致谢 | 第58页 |
