| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 前言 | 第10-18页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 以Hive为代表的基于SQL语言的大数据查询工具 | 第11-12页 |
| 1.2.2 从Google的Dremel系统延伸出的实时查询项目 | 第12-14页 |
| 1.2.3 像PIG,Jaql的类脚本ETL处理工具 | 第14-15页 |
| 1.2.4 架构在Hadoop上的Java Api库 | 第15-16页 |
| 1.3 论文研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 第二章 相关技术综述 | 第18-25页 |
| 2.1 流程级MapReduce解决方法 | 第18-23页 |
| 2.1.1 MapReduce编程模型及其开源实现Hadoop | 第18-20页 |
| 2.1.2 迭代式MapReduce | 第20-21页 |
| 2.1.3 依赖组合式MapReduce | 第21-22页 |
| 2.1.4 链式MapReduce | 第22-23页 |
| 2.2 ETL概述 | 第23-25页 |
| 2.2.1 ·数据的抽取 | 第23页 |
| 2.2.2 数据的清洗转换 | 第23-24页 |
| 2.2.3 数据的装载 | 第24-25页 |
| 第三章 改进的链式MapReduce框架 | 第25-33页 |
| 3.1 链式MapReduce的实现原理 | 第25-27页 |
| 3.2 改进链式MapReduce的设计思路 | 第27-29页 |
| 3.3 设计过程中的技术难点 | 第29-33页 |
| 第四章 流程级优化规则 | 第33-40页 |
| 4.1 组件流程级优化规则设计 | 第33-35页 |
| 4.2 流程级优化规则的应用与实现 | 第35-37页 |
| 4.3 基于partition key的优化规则 | 第37-40页 |
| 第五章 ETL算法优化 | 第40-48页 |
| 5.1 Group by算法优化 | 第40-43页 |
| 5.2 Join算法优化 | 第43-45页 |
| 5.2.1 二次排序 | 第43-44页 |
| 5.2.2 基于二次排序的Join算法 | 第44-45页 |
| 5.3 Group by和Join的组合场景 | 第45-46页 |
| 5.4 数据倾斜问题 | 第46-48页 |
| 第六章 ETL工具性能测试及结论 | 第48-57页 |
| 6.1 测试环境 | 第48-49页 |
| 6.2 测试数据 | 第49-51页 |
| 6.2.1 数据源格式 | 第49页 |
| 6.2.2 数据源信息 | 第49-50页 |
| 6.2.3 样例数据 | 第50-51页 |
| 6.3 测试用例及实验结果 | 第51-56页 |
| 6.3.1 Group by算法测试 | 第51-52页 |
| 6.3.2 Join算法测试 | 第52-53页 |
| 6.3.3 ETL流程测试 | 第53-56页 |
| 6.4 测试结果及结论 | 第56-57页 |
| 第七章 总结及展望 | 第57-59页 |
| 7.1 全文总结 | 第57页 |
| 7.2 下一步工作 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间发表的学术论文目录 | 第62页 |
