| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-14页 |
| ·课题来源 | 第10页 |
| ·研究背景 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·研究路线和技术思路 | 第12-14页 |
| 第2章 文献综述 | 第14-27页 |
| ·技术创新平台 | 第14-15页 |
| ·云存储系统 | 第15-16页 |
| ·冗余容错机制 | 第16-19页 |
| ·多目标优化算法 | 第19-26页 |
| ·研究评述 | 第26-27页 |
| 第3章 技术创新平台存储系统的冗余容错机制设计 | 第27-46页 |
| ·技术创新平台的体系结构 | 第27-32页 |
| ·功能框架 | 第27-29页 |
| ·存储需求 | 第29-30页 |
| ·存储解决方案——云存储 | 第30-31页 |
| ·一种开源的云存储框架——HDFS | 第31-32页 |
| ·基于HDFS框架的技术创新平台存储系统 | 第32-37页 |
| ·技术创新平台存储系统的架构 | 第32-34页 |
| ·技术创新平台存储系统的存储读取过程 | 第34-37页 |
| ·技术创新平台存储系统的冗余容错机制设计 | 第37-46页 |
| ·当前版本 HDFS 框架的冗余容错机制 | 第37-39页 |
| ·纠删码冗余 | 第39-42页 |
| ·引入纠删码的冗余容错机制设计 | 第42-46页 |
| 第4章 技术创新平台存储系统的冗余优化模型研究 | 第46-52页 |
| ·问题描述 | 第46-47页 |
| ·冗余存储模型 | 第47页 |
| ·可用性模型 | 第47-49页 |
| ·可用性的定义 | 第47-48页 |
| ·系统可用性函数 | 第48-49页 |
| ·冗余存储成本模型 | 第49-50页 |
| ·双目标冗余优化模型 | 第50-52页 |
| 第5章 基于人工神经网络的冗余优化算法 | 第52-61页 |
| ·基于SOFM神经网络的冗余优化(SOFM-RO)算法 | 第52-57页 |
| ·神经网络拓扑结构 | 第52-54页 |
| ·初始化 | 第54页 |
| ·训练 | 第54-55页 |
| ·重组 | 第55页 |
| ·变异 | 第55页 |
| ·更新 | 第55-57页 |
| ·一种适用于云存储环境的并行SOFM-RO (PSOFM-RO)算法 | 第57-61页 |
| ·训练模块 | 第58-59页 |
| ·竞赛模块 | 第59-61页 |
| 第6章 冗余容错机制测试 | 第61-70页 |
| ·环境设置 | 第61-63页 |
| ·实验分析 | 第63-70页 |
| ·冗余优化算法性能对比 | 第63-68页 |
| ·两种冗余容错机制的性能对比 | 第68-70页 |
| 结语 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 攻读学位期间科研成果 | 第77-78页 |
| 致谢 | 第78页 |