| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-10页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 论文的研究内容和主要工作 | 第12页 |
| 1.4 论文的组织结构 | 第12-14页 |
| 2 云计算与 Hadoop 平台相关技术介绍 | 第14-25页 |
| 2.1 云计算 | 第14-17页 |
| 2.1.1 云计算基本概念 | 第14-15页 |
| 2.1.2 云计算的核心技术 | 第15-17页 |
| 2.2 Hadoop 技术 | 第17-20页 |
| 2.2.1 Hadoop 开源架构及优点 | 第17-18页 |
| 2.2.2 HDFS 体系结构 | 第18-20页 |
| 2.2.3 HDFS 中文件的操作 | 第20页 |
| 2.3 Hadoop 的 MapReduce 并行编程实现 | 第20-24页 |
| 2.3.1 MapReduce 编程模型 | 第20-21页 |
| 2.3.2 实现框架 | 第21-23页 |
| 2.3.3 MapReduce 的核心功能 | 第23页 |
| 2.3.4 MapReduce 的容错机制 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 聚类相关技术 | 第25-31页 |
| 3.1 聚类算法概述 | 第25-27页 |
| 3.1.1 聚类挖掘介绍 | 第25页 |
| 3.1.2 聚类的数据类型 | 第25-26页 |
| 3.1.3 聚类算法的步骤 | 第26页 |
| 3.1.4 聚类挖掘的挑战 | 第26-27页 |
| 3.2 DBSCAN 聚类算法的概述 | 第27-28页 |
| 3.2.1 DBSCAN 算法的思想 | 第27页 |
| 3.2.2 DBSCAN 算法的基本概念 | 第27-28页 |
| 3.3 并行聚类相关技术 | 第28-30页 |
| 3.3.1 并行计算简介 | 第28-29页 |
| 3.3.2 并行计算性能评价 | 第29页 |
| 3.3.3 大规模数据聚类技术 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 4 异构 Hadoop 集群下数据分配方法的研究 | 第31-36页 |
| 4.1 比例数据分配策略 | 第31-35页 |
| 4.1.1 问题描述 | 第31-32页 |
| 4.1.2 比例数据分配策略设计 | 第32-35页 |
| 4.2 本章小结 | 第35-36页 |
| 5 基于异构 Hadoop 平台的 DBSCAN 算法的并行化研究 | 第36-40页 |
| 5.1 DBSCAN 算法的并行化策略 | 第36-37页 |
| 5.2 数据划分方法的改进 | 第37-38页 |
| 5.3 DBSCAN 算法的 MapReduce 实现 | 第38-39页 |
| 5.4 本章小结 | 第39-40页 |
| 6 实验与结果分析 | 第40-48页 |
| 6.1 异构 Hadoop 集群配置环境 | 第40-42页 |
| 6.1.1 SSH 配置 | 第41页 |
| 6.1.2 Hadoop 配置 | 第41-42页 |
| 6.1.3 命名节点 NameNode 的格式化 | 第42页 |
| 6.2 异构 hadoop 集群下比例数据分配方法的测试 | 第42-45页 |
| 6.2.1 输入文件大小对计算速率影响的测试 | 第42-43页 |
| 6.2.2 比例数据分配算法的测试 | 第43-45页 |
| 6.3 并行化 DBSCAN 算法的测试 | 第45-47页 |
| 6.4 本章小结 | 第47-48页 |
| 7 工作总结与展望 | 第48-49页 |
| 7.1 论文工作总结 | 第48页 |
| 7.2 未来工作展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 个人简历 | 第52页 |
| 在学期间发表的学术论文及研究成果 | 第52-53页 |
| 致谢 | 第53页 |
