| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 课题研究背景与意义 | 第8-9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.3 本文的主要研究内容 | 第10页 |
| 1.4 本文的组织架构 | 第10-12页 |
| 2 云存储技术基础 | 第12-22页 |
| 2.1 非关系型数据库(NoSQL,NotOnlySQL) | 第12页 |
| 2.2 基于HDFS的HBase | 第12-18页 |
| 2.2.1 数据读写 | 第14-15页 |
| 2.2.2 预写日志(WAL,WriteAheadLog) | 第15-16页 |
| 2.2.3 缓存机制 | 第16-17页 |
| 2.2.4 底层文件HFile | 第17-18页 |
| 2.3 基于HBase的分布式SQL解析引擎 | 第18-21页 |
| 2.3.1 将SQL整合到HBase的优势 | 第19页 |
| 2.3.2 批式查询引擎Hive | 第19-20页 |
| 2.3.3 交互式查询引擎Phoenix | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 基于HBase的交通大数据存储查询平台的设计及实现 | 第22-36页 |
| 3.1 整体架构设计 | 第22-23页 |
| 3.2 基于HBase的存储层设计 | 第23-31页 |
| 3.2.1 HBase行键(RowKey)设计 | 第23-25页 |
| 3.2.2 基于MapReduce的二级索引设计 | 第25-29页 |
| 3.2.3 基于HBase的存储实现 | 第29-31页 |
| 3.3 基于Phoenix的处理层设计 | 第31-33页 |
| 3.3.1 Phoenix简介 | 第31-32页 |
| 3.3.2 Phoenix查询实现 | 第32页 |
| 3.3.3 性能对比 | 第32-33页 |
| 3.4 基于JSP的交通应用层设计 | 第33-35页 |
| 3.4.1 交通应用层的实现 | 第33-34页 |
| 3.4.2 基本功能 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 基于机器学习的HBase配置参数优化 | 第36-50页 |
| 4.1 HBase配置参数 | 第36-38页 |
| 4.1.1 HBase配置参数简介 | 第36-37页 |
| 4.1.2 参数调优面临的挑战 | 第37-38页 |
| 4.2 基于YCSB的数据收集 | 第38-41页 |
| 4.2.1 YCSB原理 | 第38-39页 |
| 4.2.2 数据收集 | 第39-41页 |
| 4.3 基于随机森林的模型建立 | 第41-44页 |
| 4.3.1 随机森林原理 | 第41-42页 |
| 4.3.2 性能模型建立 | 第42页 |
| 4.3.3 实验设置 | 第42-44页 |
| 4.4 基于遗传算法的最优参数搜索 | 第44-46页 |
| 4.4.1 遗传算法原理 | 第44-45页 |
| 4.4.2 最优参数搜索 | 第45页 |
| 4.4.3 实验设置 | 第45-46页 |
| 4.5 性能加速比 | 第46-49页 |
| 4.6 本章小结 | 第49-50页 |
| 5 实验说明 | 第50-54页 |
| 5.1 实验环境 | 第50-52页 |
| 5.1.1 Hadoop安装 | 第50-51页 |
| 5.1.2 HBase安装 | 第51-52页 |
| 5.2 实验数据 | 第52-54页 |
| 结论 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-57页 |
