本文主要工作

由于元数据的海量性，传统的聚类算法不能很好的适用于元数据的聚类，结合Cappella分布式文件系统元数据的特点，维度灾难（curse of dimensionality）[8]不是考虑的首要因素，应从聚类算法的复杂度入手来实现元数据的聚类算法。本文主要的工作为元数据聚类方法的研究与实现。设计与实现了一种基于抽样的元数据聚类算法，最后利用Cappella分布式文件系统的元数据，完成聚类。

在上述整体思路下，本文所涉及的工作主要包括几个方面：

1. 分析了当前分布式文件系统存在的问题，提出了解决问题的方法，得出了元数据聚类的目的和意义，调研了聚类算法的发展以及国内外的研究情况，寻找一个适合于元数据聚类的算法。

2. 学习了分布式文件系统的概念，着重理解了Cappella分布式文件系统的设计理念，分析其元数据的特点。

3. 设计并实现了一种基于抽样的元数据聚类算法，并结合Cappella分布式文件系统加以实现，并通过实际的测试分析对算法的有效性和时间开销进行了分析。

本文主要结构

本文共分为六章，各个章节所涉及到的主要内容如下：

第一章：介绍了本文的研究背景，分析了对元数据进行聚类的目的和意义；接着介绍了当前分布式文件系统的研究现状，以及目前聚类算法的研究情况，得出传统聚类算法无法解决海量数据的聚类，从而提出一种基于抽样的元数据聚类算法来解决元数据的聚类。

第二章：介绍了分布式文件系统的概念，对分布式文件系统的发展历程进行了简单梳理；接着介绍了三个分布式文件系统：GPFS、Lustre和GPFS，然后对Cappella分布式文件系统的设计思路进行了详细的阐述；最后对现阶段元数据研究的特点进行了简单分析。

第三章：对元数据聚类算法的整体设计进行了介绍，分别对抽样，聚类，均值更新和数据划分所用到的方法进行了详细的阐述，然后对元数据聚类算法进行了理论分析和复杂度分析。

第四章：详细阐述了元数据聚类的实现细节，介绍了元数据信息获取的方法，接着对元数据抽样，Single聚类算法，均值更新和数据划分所用到的算法过程进行了详细的介绍。

第五章：为测试部分，介绍了进行测试的测试环境，对本文使用的评价指标做了详细的解释。接着对本文实验所使用的实验方案进行了描述，基于实验结果，做了进一步的分析。

第六章：对本文所做的工作进行了总结，并对以后本文可以继续深入研究的方面做出了期望。