| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 电子病历的研究现状 | 第12页 |
| 1.2.2 基于MapReduce的文本聚类研究现状 | 第12-14页 |
| 1.2.3 HDFS小文件存储研究现状 | 第14-15页 |
| 1.3 论文的主要研究内容 | 第15-16页 |
| 1.4 论文的章节安排 | 第16-17页 |
| 第二章 基于Hadoop的文件合并存储技术研究 | 第17-29页 |
| 2.1 Hadoop分布式系统 | 第17-21页 |
| 2.1.1 HDFS的高可用性 | 第17-19页 |
| 2.1.2 新一代MapReduce框架Yarn | 第19-21页 |
| 2.2 文本聚类算法 | 第21-25页 |
| 2.2.1 文本向量化 | 第21-22页 |
| 2.2.2 文本聚类算法的流程 | 第22-23页 |
| 2.2.3 文本相似性度量 | 第23-25页 |
| 2.3 全文检索引擎Solr | 第25-28页 |
| 2.3.1 Solr的简介与特点 | 第25-26页 |
| 2.3.2 分布式检索方案SolrCloud | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 面向EMR资源的分布式文本聚类 | 第29-43页 |
| 3.1 基于MapReduce的EMR特征向量提取 | 第29-32页 |
| 3.1.1 EMR小文件的并行预处理过程 | 第29页 |
| 3.1.2 基于文档频次和词性的特征选取 | 第29-30页 |
| 3.1.3 基于改进TF-IDF构建EMR小文件的特征向量 | 第30-32页 |
| 3.2 基于Hash函数的EMR样本抽样 | 第32-34页 |
| 3.2.1 Hash样本抽样 | 第32-33页 |
| 3.2.2 样本个数的确定 | 第33页 |
| 3.2.3 基于Hash函数的EMR样本抽样过程 | 第33-34页 |
| 3.3 PAM聚类算法 | 第34-37页 |
| 3.3.1 PAM算法的核心思想 | 第34-35页 |
| 3.3.2 PAM算法运行流程 | 第35-36页 |
| 3.3.3 改进的PAM算法 | 第36-37页 |
| 3.4 基于改进K-means算法的EMR小文件聚类过程 | 第37-42页 |
| 3.4.1 算法的基本思想 | 第37-38页 |
| 3.4.2 算法的执行流程 | 第38-39页 |
| 3.4.3 算法的并行实现 | 第39-41页 |
| 3.4.4 时间复杂度分析 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 海量EMR小文件的存储和检索方法研究 | 第43-51页 |
| 4.1 EMR小文件存取方案总体设计 | 第43-44页 |
| 4.2 EMR小文件优化存储方案 | 第44-45页 |
| 4.3 基于SolrCloud的EMR小文件检索方案 | 第45-46页 |
| 4.4 基于Redis的EMR小文件预取和缓存方案 | 第46-49页 |
| 4.4.1 Redis缓存 | 第46-47页 |
| 4.4.2 EMR小文件的预取和缓存策略设计 | 第47-48页 |
| 4.4.3 缓存分片与缓存清理 | 第48-49页 |
| 4.5 EMR小文件删除方案 | 第49-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 实验验证分析与系统实现 | 第51-63页 |
| 5.1 实验环境及数据 | 第51-52页 |
| 5.1.1 实验环境 | 第51页 |
| 5.1.2 实验数据 | 第51-52页 |
| 5.2 实验评价标准 | 第52-53页 |
| 5.3 实验结果与分析 | 第53-60页 |
| 5.3.1 改进算法的有效性验证 | 第53-54页 |
| 5.3.2 合并文件内存占用对比 | 第54-56页 |
| 5.3.3 读取EMR小文件的速率对比 | 第56-58页 |
| 5.3.4 写入EMR小文件效率对比 | 第58-60页 |
| 5.4 系统实现 | 第60-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 工作总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间所取得的相关科研成果 | 第69-71页 |
| 致谢 | 第71-72页 |
