基于MapReduce的分布式极图构造算法研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 引言 | 第10-16页 |
| ·研究背景 | 第10-14页 |
| ·分布式计算 | 第10-11页 |
| ·计算 | 第11-12页 |
| ·Google云技术 | 第12-13页 |
| ·极图理论 | 第13-14页 |
| ·研究内容和工作 | 第14页 |
| ·本文组织结构 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 2 相关背景和知识 | 第16-26页 |
| ·MapReduce | 第16-20页 |
| ·编程模型 | 第16页 |
| ·执行过程 | 第16-18页 |
| ·处理方案 | 第18页 |
| ·改进的模型 | 第18-19页 |
| ·在图论中的应用 | 第19-20页 |
| ·Hadoop项目 | 第20-23页 |
| ·Hadoop简述 | 第20页 |
| ·HDFS分布式文件系统 | 第20-21页 |
| ·Hadoop MapReduce | 第21-23页 |
| ·图的基本概念术语与极图 | 第23-25页 |
| ·图的基本概念与术语 | 第23-24页 |
| ·图的基本运算 | 第24页 |
| ·极图问题 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 分布式极图构造算法的设计与实现 | 第26-41页 |
| ·一般的极图构造算法 | 第26-31页 |
| ·相关引理 | 第26页 |
| ·极图的构造方法 | 第26-28页 |
| ·算法优化 | 第28-30页 |
| ·同构图的判定方法 | 第30-31页 |
| ·分布式极图构造算法 | 第31-40页 |
| ·可行性分析 | 第31-33页 |
| ·算法设计与实现 | 第33-37页 |
| ·改进的FCG-MR算法 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 4 结果与分析 | 第41-52页 |
| ·实验平台 | 第41页 |
| ·平台的搭建配置 | 第41-44页 |
| ·算法的评价标准及影响因素 | 第44-45页 |
| ·实验结果与分析 | 第45-51页 |
| ·有效性验证和执行效率分析 | 第45-48页 |
| ·数据划分和并行化时机对执行时间的影响 | 第48-49页 |
| ·不同文件系统下执行时间的比较 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 5 结论和展望 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 作者简历 | 第55-57页 |
| 学位论文数据集 | 第57页 |
