| 摘要 | 第5-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第17-32页 |
| 1.1 研究背景 | 第17-19页 |
| 1.1.1 研究目的 | 第18页 |
| 1.1.2 所面临的困难和挑战 | 第18-19页 |
| 1.1.3 研究意义 | 第19页 |
| 1.2 国内外研究现状 | 第19-29页 |
| 1.2.1 面向大数据处理的MapReduce模型研究 | 第20-23页 |
| 1.2.2 NoSQL与数据库技术 | 第23-24页 |
| 1.2.3 Map Reduce与数据库技术相结合 | 第24-29页 |
| 1.3 主要研究工作 | 第29-32页 |
| 1.3.1 研究内容 | 第29页 |
| 1.3.2 技术路线 | 第29-31页 |
| 1.3.3 章节安排 | 第31-32页 |
| 第2章 基于列存储的大数据分析系统物化策略 | 第32-51页 |
| 2.1 引言 | 第32-33页 |
| 2.2 相关工作 | 第33-34页 |
| 2.3 代价估计模型 | 第34-36页 |
| 2.3.1 传统代价估计模型 | 第34页 |
| 2.3.2 Map Reduce环境下的查询代价模型 | 第34-35页 |
| 2.3.3 Map Reduce物化策略代价模型 | 第35-36页 |
| 2.4 面向物化策略的存储系统优化 | 第36-38页 |
| 2.4.1 Map Reduce物化策略代价MMF存储格式 | 第36-37页 |
| 2.4.2 面向物化策略的协同定位存储优化策略 | 第37-38页 |
| 2.5 基于列存储的MapReduce物化策略 | 第38-42页 |
| 2.5.1 Map Reduce早期物化策略 | 第38-39页 |
| 2.5.2 Map Reduce延迟物化策略 | 第39-41页 |
| 2.5.3 Map Reduce混合物化策略 | 第41-42页 |
| 2.6 自适应物化集合调整策略 | 第42-45页 |
| 2.6.1 查询概率集向前统计算法 | 第43页 |
| 2.6.2 自适应物化集合调整策略实现 | 第43-45页 |
| 2.7 实验验证 | 第45-50页 |
| 2.7.1 实验环境 | 第45-46页 |
| 2.7.2 测试数据集 | 第46-47页 |
| 2.7.3 实验结果与分析 | 第47-50页 |
| 2.8 小结 | 第50-51页 |
| 第3章 基于列存储的MapReduce并行连接算法 | 第51-66页 |
| 3.1 引言 | 第51页 |
| 3.2 基于列存储的MapReduce并行连接模型 | 第51-54页 |
| 3.3 面向大数据的分布式计算模型 | 第54-56页 |
| 3.3.1 MCF存储格式 | 第54-55页 |
| 3.3.2 数据分布式协同定位优化策略 | 第55-56页 |
| 3.4 基于列存储的MapReduce并行连接算法 | 第56-60页 |
| 3.4.1 分片聚集方法 | 第56-58页 |
| 3.4.2 子连接的启发式优化方法 | 第58-60页 |
| 3.5 实验验证 | 第60-64页 |
| 3.5.1 实验环境搭建 | 第61页 |
| 3.5.2 实验设置 | 第61-62页 |
| 3.5.3 实验结果与分析 | 第62-64页 |
| 3.6 小结 | 第64-66页 |
| 第4章 基于负载数据偏斜动态探测的分布式Hash连接算法 | 第66-87页 |
| 4.1 引言 | 第66-68页 |
| 4.2 相关工作 | 第68-69页 |
| 4.3 模型分析 | 第69-72页 |
| 4.4 负载数据偏斜的动态探测 | 第72-78页 |
| 4.4.1 前提分析 | 第72页 |
| 4.4.2 面向列的哈希分布式存储系统 | 第72-76页 |
| 4.4.3 负载数据偏斜的动态探测 | 第76-78页 |
| 4.5 基于列存储的分布式哈希连接算法 | 第78-81页 |
| 4.5.1 分布式MapReduce Hash连接算法 | 第78-80页 |
| 4.5.2 分片聚集方法 | 第80-81页 |
| 4.6 实验验证 | 第81-85页 |
| 4.6.1 实验环境 | 第82-83页 |
| 4.6.2 实验结果与分析 | 第83-85页 |
| 4.7 小结 | 第85-87页 |
| 第5章 面向频繁查询的大数据查询重用研究 | 第87-102页 |
| 5.1 引言 | 第87-88页 |
| 5.2 相关工作 | 第88页 |
| 5.3 频繁查询模型 | 第88-91页 |
| 5.3.1 传统频繁查询模型 | 第88-89页 |
| 5.3.2 Map Reduce频繁查询重用模型 | 第89-90页 |
| 5.3.3 Map Reduce延迟调度策略模型 | 第90-91页 |
| 5.3.4 基于MapReduce一致性窗口分片模型 | 第91页 |
| 5.4 基于MapReduce一致性窗口分片算法 | 第91-93页 |
| 5.5 基于MapReduce延迟调度策略 | 第93-95页 |
| 5.6 MapReduce频繁查询数据重用策略 | 第95-97页 |
| 5.7 实验验证 | 第97-101页 |
| 5.7.1 实验环境 | 第97页 |
| 5.7.2 实验结果与分析 | 第97-101页 |
| 5.8 小结 | 第101-102页 |
| 第6章 总结与展望 | 第102-105页 |
| 6.1 论文的主要成果 | 第102-103页 |
| 6.2 后续工作展望 | 第103-105页 |
| 参考文献 | 第105-112页 |
| 附表一 SSB标准测试语句 | 第112-116页 |
| 附表二 实验环境搭建 | 第116-126页 |
| 致谢 | 第126-127页 |
| 附录A 攻读博士学位期间发表的论文 | 第127-128页 |
| 附录B 攻读博士学位期间主持或参加的项目 | 第128页 |
