摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-15页 |
1.1 研究背景及意义 | 第11页 |
1.2 研究现状 | 第11-14页 |
1.2.1 云平台发展现状 | 第11-12页 |
1.2.2 分子对接技术研究现状 | 第12-13页 |
1.2.3 基于云平台的分子对接研究现状 | 第13-14页 |
1.3 本文主要工作 | 第14页 |
1.4 本论文的结构安排 | 第14-15页 |
第二章 相关技术介绍 | 第15-30页 |
2.1 云计算技术介绍 | 第15页 |
2.2 分布式文件系统HDFS | 第15-20页 |
2.2.1 HDFS系统架构 | 第16-17页 |
2.2.2 HDFS数据管理 | 第17-20页 |
2.3 MapReduce模型 | 第20-27页 |
2.3.1 MapReduce运行机制 | 第21-24页 |
2.3.2 MapReduce框架重构 | 第24-25页 |
2.3.3 MapReduce任务的优化 | 第25-27页 |
2.4 Hive数据库 | 第27-29页 |
2.4.1 体系结构 | 第27-29页 |
2.4.2 数据模型 | 第29页 |
2.5 本章小结 | 第29-30页 |
第三章 分子对接算法分析 | 第30-42页 |
3.1 分子对接原理 | 第30-31页 |
3.2 搜索算法 | 第31-32页 |
3.3 打分函数 | 第32-38页 |
3.3.1 打分函数的类型 | 第32-33页 |
3.3.2 打分函数的改进 | 第33-38页 |
3.4 分子对接软件分析 | 第38-41页 |
3.4.1 AutoDock和Vina简介 | 第39页 |
3.4.2 AutoDock和Vina性能对比 | 第39-41页 |
3.5 本章小结 | 第41-42页 |
第四章 基于云平台的分子对接设计 | 第42-55页 |
4.0 需求分析 | 第42-43页 |
4.1 系统网络拓扑 | 第43页 |
4.2 系统架构 | 第43-44页 |
4.3 基于Hive的分子数据库研究和设计 | 第44-50页 |
4.3.1 元数据表研究和设计 | 第45-48页 |
4.3.2 数据解析 | 第48-49页 |
4.3.3 数据加载 | 第49-50页 |
4.4 Hive查询优化 | 第50-52页 |
4.4.1 从Map/Reduce分配角度优化 | 第50-51页 |
4.4.2 从HQL角度优化 | 第51-52页 |
4.5 基于MapReduce的分子对接研究与设计 | 第52-54页 |
4.5.1 Vina调用关键问题 | 第52-53页 |
4.5.2 MapReduce实现分子对接思路 | 第53-54页 |
4.6 本章小结 | 第54-55页 |
第五章 基于云平台的分子对接实现 | 第55-70页 |
5.1 云平台部署 | 第55-59页 |
5.1.1 Hadoop集群环境 | 第55-56页 |
5.1.2 Hadoop安装步骤 | 第56-57页 |
5.1.3 HDFS扩展 | 第57-58页 |
5.1.4 Hive框架部署 | 第58-59页 |
5.2 构建云数据库 | 第59-62页 |
5.2.1 创建元数据表 | 第59-60页 |
5.2.2 数据解析 | 第60-62页 |
5.2.3 数据加载 | 第62页 |
5.3 分子对接流程 | 第62-65页 |
5.3.1 数据预处理 | 第63-64页 |
5.3.2 参数配置 | 第64页 |
5.3.3 执行对接 | 第64页 |
5.3.4 结果分析 | 第64-65页 |
5.4 分子对接并行化实现 | 第65-67页 |
5.4.1 Map task | 第65-66页 |
5.4.2 Reduce task | 第66-67页 |
5.5 实验结果数据解析 | 第67-69页 |
5.6 本章小结 | 第69-70页 |
第六章 示范应用测试 | 第70-76页 |
6.1 测试环境 | 第70页 |
6.2 测试准备 | 第70页 |
6.3 功能测试 | 第70-73页 |
6.3.1 分子对接测试 | 第70-73页 |
6.3.2 结果查询测试 | 第73页 |
6.4 Hive查询优化测试 | 第73-75页 |
6.5 本章小结 | 第75-76页 |
第七章 总结与展望 | 第76-77页 |
7.1 总结 | 第76页 |
7.2 展望 | 第76-77页 |
致谢 | 第77-78页 |
参考文献 | 第78-82页 |