首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

MapReduce框架下Skyline查询算法研究与改进

致谢第7-8页
摘要第8-9页
ABSTRACT第9页
第一章 绪论第14-19页
    1.1 课题研究背景与意义第14-15页
    1.2 国内外研究现状第15-17页
        1.2.1 集中式Skyline查询算法第15-16页
        1.2.2 分布式Skyline查询算法第16-17页
    1.3 课题来源第17页
    1.4 本文研究内容第17-18页
    1.5 本文结构安排第18-19页
第二章 Skyline算法研究及MapReduce框架概述第19-31页
    2.1 Skyline算法概述第19-23页
        2.1.1 Skyline查询定义第19-20页
        2.1.2 Skyline查询性质第20页
        2.1.3 Skyline查询算法第20-23页
    2.2 Hadoop分布式平台第23-28页
        2.2.1 Hadoop概述第23-25页
        2.2.2 HDFS分布式文件系统第25-26页
        2.2.3 MapReduce并行计算框架第26-27页
        2.2.4 MapReduce程序执行过程第27-28页
    2.3 MapReduce框架下的Skyline查询算法第28-30页
    2.4 本章小结第30-31页
第三章 基于MapReduce的广义支配优化Skyline查询算法第31-42页
    3.1 广义支配及支配能力优化第31-34页
        3.1.1 全空间广义支配定义第31-32页
        3.1.2 广义支配分析第32-33页
        3.1.3 支配能力定义第33页
        3.1.4 支配能力优化-最大值定理第33-34页
    3.2 基于MapReduce的广义支配优化Skyline查询算法(MR-EDBNL)第34-37页
        3.2.1 MR-EDBNL算法Hadoop架构第34-35页
        3.2.2 MR-EDBNL算法示例分析第35-36页
        3.2.3 MR-EDBNL算法评价指标分析第36-37页
    3.3 实验与分析第37-41页
        3.3.1 实验环境第37页
        3.3.2 实验数据集第37-38页
        3.3.3 实验结果与分析第38-41页
    3.4 本章小结第41-42页
第四章 MapReduce框架下Skyline结果集优化算法第42-53页
    4.1 Skyline结果集优化算法相关研究第42-46页
        4.1.1 Skyline结果集优化算法概述第42-44页
        4.1.2 Top-k查询算法第44页
        4.1.3 Top-k支配查询算法第44-45页
        4.1.4 Top-k RSP算法第45-46页
    4.2 MapReduce框架下Skyline结果集优化算法(MR-DMN)第46-48页
        4.2.1 MR-DMN算法原理第46-48页
        4.2.2 MR-DMN算法流程第48页
    4.3 实验与分析第48-52页
        4.3.1 时间效率分析第49-51页
        4.3.2 空间效率分析第51-52页
    4.4 本章小结第52-53页
第五章 总结与展望第53-55页
    5.1 总结第53-54页
    5.2 进一步工作第54-55页
参考文献第55-58页
攻读硕士学位期间的学术活动及成果情况第58-59页

论文共59页,点击 下载论文
上一篇:一种基于1分布式数值计算模式软件的实现
下一篇:网络图书馆的设计与实现