| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-17页 |
| 第一章 绪论 | 第17-23页 |
| 1.1 研究背景及意义 | 第17-18页 |
| 1.1.1 研究意义 | 第17页 |
| 1.1.2 研究背景 | 第17-18页 |
| 1.2 基于Hadoop的数据处理在自然科学实验中的应用研究现状 | 第18-20页 |
| 1.3 论文的主要工作 | 第20页 |
| 1.4 本论文的研究内容与行文框架 | 第20-21页 |
| 1.5 本章小结 | 第21-23页 |
| 第二章 相关技术与理论 | 第23-29页 |
| 2.1 Hadoop概述 | 第23-25页 |
| 2.1.1 Hadoop的特点 | 第23-24页 |
| 2.1.2 Hadoop中的核心组件 | 第24-25页 |
| 2.2 HBase概述 | 第25-28页 |
| 2.2.1 HBase技术介绍 | 第25-26页 |
| 2.2.2 HBase的数据存储模型 | 第26-27页 |
| 2.2.3 HBase与MapReduce集成 | 第27-28页 |
| 2.2.4 HBase存储架构 | 第28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 基于HBase的极光图像实验系统的分析与设计 | 第29-45页 |
| 3.1 遗留系统的不足之处 | 第29-30页 |
| 3.2 基于HBase的极光图像实验系统总体设计与架构 | 第30-34页 |
| 3.2.1 系统边界分析 | 第30页 |
| 3.2.2 基于HBase的极光图像实验系统需求建模 | 第30-32页 |
| 3.2.3 系统架构设计 | 第32-34页 |
| 3.3 图像特点与实验 | 第34-38页 |
| 3.3.1 极光图像的原始数据类型 | 第34页 |
| 3.3.2 极光图像数据预处理 | 第34-35页 |
| 3.3.3 极光图像的分析算法 | 第35-38页 |
| 3.4 存储模块分析与设计 | 第38-41页 |
| 3.4.1 HBase存储内容分析 | 第38页 |
| 3.4.2 HBase存储表模式设计 | 第38-41页 |
| 3.5 使用MapReduce处理图像的流程 | 第41-44页 |
| 3.5.1 图像预处理的基本流程 | 第42页 |
| 3.5.2 基于MapReduce的图像分析算法 | 第42-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 基于HBase的极光图像实验系统的实现 | 第45-65页 |
| 4.1 极光图像存储的实现 | 第45-49页 |
| 4.1.1 图像数据的导入实现 | 第45-48页 |
| 4.1.2 极光图像数据的增删改查操作 | 第48-49页 |
| 4.2 图像处理实验算法的MapReduce实现 | 第49-57页 |
| 4.2.1 极光图像转换格式的MapReduce实现 | 第51-53页 |
| 4.2.2 极光图像生成缩略图实验的MapReduce实现 | 第53-54页 |
| 4.2.3 Keogram的生成实验的MapReduce实现 | 第54-56页 |
| 4.2.4 LBP分类实验的MapReduce实现 | 第56-57页 |
| 4.3 系统API层和Servlet层的实现 | 第57-63页 |
| 4.3.1 AuroraAPI的实现 | 第57-60页 |
| 4.3.2 代理软件的实现 | 第60-61页 |
| 4.3.3 Servlet端的实现 | 第61-63页 |
| 4.4 本章小结 | 第63-65页 |
| 第五章 系统环境搭建和测试分析 | 第65-75页 |
| 5.1 系统平台搭建 | 第65-69页 |
| 5.1.1 Hadoop集群的搭建 | 第65-68页 |
| 5.1.2 HBase环境搭建 | 第68-69页 |
| 5.2 极光图像的性能测试 | 第69-73页 |
| 5.2.1 极光图像存储的性能测试 | 第69-71页 |
| 5.2.2 极光图像运行预处理MapReduce实验的性能测试 | 第71-72页 |
| 5.2.3 与遗留系统的对比实验 | 第72-73页 |
| 5.3 本章小结 | 第73-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 本文总结 | 第75页 |
| 6.2 进一步的工作 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 作者简介 | 第83-84页 |
