| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-16页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究目的与意义 | 第13-14页 |
| 1.3 本文主要工作 | 第14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 相关工作 | 第16-30页 |
| 2.1 相关概念 | 第16-20页 |
| 2.1.1 发布/订阅系统 | 第16-17页 |
| 2.1.2 发布/订阅系统数据模型 | 第17-18页 |
| 2.1.3 同构发布/订阅系统 | 第18-20页 |
| 2.2 相关研究 | 第20-23页 |
| 2.2.1 同构发布/订阅系统的环匹配算法 | 第20-21页 |
| 2.2.2 同构发布/订阅系统的系统最优化算法 | 第21-22页 |
| 2.2.3 云计算与发布/订阅的研究工作 | 第22-23页 |
| 2.3 相关技术 | 第23-29页 |
| 2.3.1 HBase | 第23-24页 |
| 2.3.2 Redis | 第24-25页 |
| 2.3.3 Hadoop | 第25-26页 |
| 2.3.4 Twitter Storm | 第26-28页 |
| 2.3.5 Hadoop与Twitter Storm对比 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于启发式策略的系统最优算法 | 第30-48页 |
| 3.1 问题提出及分析 | 第30-32页 |
| 3.2 贪心算法 | 第32-36页 |
| 3.2.1 基本思想 | 第32-33页 |
| 3.2.2 算法设计 | 第33-36页 |
| 3.2.3 算法分析 | 第36页 |
| 3.3 启发式算法 | 第36-39页 |
| 3.3.1 基本思想 | 第36-38页 |
| 3.3.2 算法设计 | 第38-39页 |
| 3.3.3 算法分析 | 第39页 |
| 3.4 实验与结果分析 | 第39-47页 |
| 3.4.1 实验环境及设计 | 第39-40页 |
| 3.4.2 实验结果及评价 | 第40-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 基于Twitter Storm的并行查询算法 | 第48-74页 |
| 4.1 问题提出及分析 | 第48-49页 |
| 4.2 预备知识 | 第49-53页 |
| 4.2.1 维转换映射 | 第49-50页 |
| 4.2.2 空间填充曲线 | 第50-51页 |
| 4.2.3 R-树索引 | 第51-52页 |
| 4.2.4 Twitter Storm处理模型 | 第52-53页 |
| 4.3 基于Twitter Storm的并行框架设计 | 第53-57页 |
| 4.3.1 系统框架图 | 第53-54页 |
| 4.3.2 订阅索引结构设计 | 第54-57页 |
| 4.4 基于Twitter Storm的并行算法设计 | 第57-61页 |
| 4.4.1 基本思想 | 第57-58页 |
| 4.4.2 Twitter Storm并行拓扑结构设计 | 第58页 |
| 4.4.3 订阅索引维护算法 | 第58-59页 |
| 4.4.4 事件查询算法 | 第59-61页 |
| 4.5 Twitter Storm任务调度 | 第61-62页 |
| 4.6 实验结果及分析 | 第62-72页 |
| 4.6.1 实验环境 | 第62-63页 |
| 4.6.2 Twitter Storm性能分析 | 第63-66页 |
| 4.6.3 基于Twitter Storm的索引维护评价 | 第66-69页 |
| 4.6.4 基于Twitter Storm的并行查询评价 | 第69-72页 |
| 4.7 本章小结 | 第72-74页 |
| 第5章 总结与展望 | 第74-76页 |
| 5.1 总结 | 第74页 |
| 5.2 展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-82页 |
| 攻读硕士学位期间研究成果 | 第82页 |
