| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 注释表 | 第11-12页 |
| 第一章 绪论 | 第12-17页 |
| ·课题研究背景及意义 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·本文的研究内容 | 第15页 |
| ·本文的组织结构 | 第15-17页 |
| 第二章 HADOOP相关研究 | 第17-31页 |
| ·HADOOP基础框架 | 第17-18页 |
| ·分布式文件系统HDFS | 第18-22页 |
| ·核心架构及常见操作 | 第18-21页 |
| ·Hadoop网络距离与机架感知 | 第21-22页 |
| ·MAPREDUCE计算模型 | 第22-24页 |
| ·Map Reduce执行流程 | 第22-24页 |
| ·Map Reduce数据本地化与HDFS | 第24页 |
| ·副本管理技术 | 第24-30页 |
| ·数据容错技术比较 | 第25-26页 |
| ·副本管理策略 | 第26-28页 |
| ·HDFS采用的默认副本管理策略 | 第28页 |
| ·HDFS数据块均衡策略 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 HADOOP异构集群下数据块负载均衡优化研究 | 第31-43页 |
| ·相关研究 | 第31页 |
| ·默认负载均衡原理及其局限性 | 第31-32页 |
| ·异构环境下数据块负载均衡算法 | 第32-35页 |
| ·问题描述 | 第32页 |
| ·相关参数及定义 | 第32-34页 |
| ·算法流程描述 | 第34-35页 |
| ·源代码修改 | 第35-40页 |
| ·关键数据结构介绍 | 第35-37页 |
| ·NM注册通信协议的修改 | 第37-38页 |
| ·Balancer主程序修改 | 第38-39页 |
| ·源码编译 | 第39-40页 |
| ·实验与结果分析 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于预测的HADOOP热点数据副本因子决策算法 | 第43-49页 |
| ·相关研究 | 第43-44页 |
| ·灰色预测和马尔科夫预测 | 第44页 |
| ·热度预测 | 第44-46页 |
| ·灰色预测GM(1,1)模型的建立 | 第44-45页 |
| ·对预测数据的马尔科夫修正 | 第45-46页 |
| ·有限通道服务模型与副本因子决策 | 第46-48页 |
| ·本文总结 | 第48-49页 |
| 第五章 基于多目标优化的动态副本放置算法 | 第49-65页 |
| ·相关研究 | 第49-53页 |
| ·副本放置概述 | 第49-50页 |
| ·多目标优化问题描述 | 第50-53页 |
| ·热点数据动态副本放置模型 | 第53-54页 |
| ·问题模型 | 第53页 |
| ·目标优化函数 | 第53-54页 |
| ·多目标优化算法 | 第54-56页 |
| ·染色体编码与解码 | 第55页 |
| ·Pareto最优解或非支配解 | 第55页 |
| ·交叉算子 | 第55-56页 |
| ·变异算子 | 第56页 |
| ·最优目标选择策略 | 第56-57页 |
| ·DRPMO优化过程 | 第57-58页 |
| ·时间复杂度分析 | 第58页 |
| ·源代码修改 | 第58-60页 |
| ·副本因子决策算法相关源码修改 | 第58-59页 |
| ·动态副本放置相关源码修改 | 第59-60页 |
| ·仿真、实验与分析 | 第60-64页 |
| ·算法有效性评估 | 第61页 |
| ·实验与分析 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| ·本文总结 | 第65页 |
| ·研究展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 在学期间的研究成果及发表的学术论文 | 第73页 |