| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 数据副本管理的研究背景与意义 | 第9-11页 |
| 1.2 数据副本管理的国内外研究现状 | 第11-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-17页 |
| 第二章 Hadoop相关研究 | 第17-29页 |
| 2.1 Hadoop的基本架构 | 第17-19页 |
| 2.2 HDFS分布式文件系统简介 | 第19-24页 |
| 2.2.1 HDFS读写文件流程 | 第20-23页 |
| 2.2.2 HDFS副本放置策略和机架感知 | 第23-24页 |
| 2.3 MapReduce基本框架 | 第24-26页 |
| 2.3.1 MapReduce工作原理 | 第24-26页 |
| 2.3.2 MapReduce数据本地性与HDFS | 第26页 |
| 2.4 HDFS数据副本管理策略概述 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 数据副本管理问题分析描述 | 第29-37页 |
| 3.1 数据副本管理问题的数学建模 | 第29-31页 |
| 3.1.1 热点数据副本动态管理问题模型 | 第29-30页 |
| 3.1.2 数据副本管理问题描述 | 第30-31页 |
| 3.2 热点数据副本管理关键问题 | 第31-35页 |
| 3.2.1 数据热度预测问题 | 第31页 |
| 3.2.2 热点数据副本因子决策问题 | 第31-32页 |
| 3.2.3 数据副本动态放置问题 | 第32-34页 |
| 3.2.4 热点数据副本动态放置问题与复杂度证明 | 第34-35页 |
| 3.3 本章小结 | 第35-37页 |
| 第四章 数据副本放置问题的算法设计 | 第37-47页 |
| 4.1 基于DDRP的异构Hadoop系统模型 | 第37-38页 |
| 4.1.1 预测模型 | 第38页 |
| 4.1.2 数据副本动态放置模块 | 第38页 |
| 4.2 基于灰度预测模型的预测方法 | 第38-39页 |
| 4.3 基于预测的热点数据副本因子决策方法 | 第39-42页 |
| 4.3.1 基于预测的热点数据副本因子决策方法介绍 | 第40-41页 |
| 4.3.2 基于预测的热点数据副本因子决策方法说明 | 第41-42页 |
| 4.4 基于预测的热点数据副本动态放置算法设计与说明 | 第42-45页 |
| 4.4.1 基于预测的热点数据副本动态放置算法设计 | 第42-44页 |
| 4.4.2 基于预测的热点数据副本动态放置算法说明 | 第44-45页 |
| 4.5 本章小结 | 第45-47页 |
| 第五章 数据副本动态放置算法仿真及性能评价 | 第47-53页 |
| 5.1 数据副本动态放置仿真实验环境 | 第47-48页 |
| 5.1.1 本文仿真实验环境平台设置 | 第47页 |
| 5.1.2 实验数据设置 | 第47-48页 |
| 5.2 数据副本动态放置仿真实验计划 | 第48页 |
| 5.3 数据副本动态放置算法实验结果及分析 | 第48-51页 |
| 5.4 本章小结 | 第51-53页 |
| 总结与展望 | 第53-55页 |
| 总结 | 第53-54页 |
| 展望 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 致谢 | 第61-63页 |
| 攻读硕士学位期间取得的科研成果 | 第63-64页 |
