| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 云存储系统研究现状 | 第9-11页 |
| 1.2.2 云存储系统中热点数据研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 本文结构 | 第13-14页 |
| 第2章 云存储及OPENSTACK SWIFT改进 | 第14-29页 |
| 2.1 云存储系统概述 | 第14-19页 |
| 2.1.1 云存储系统分类 | 第16-17页 |
| 2.1.2 云存储系统核心技术 | 第17-19页 |
| 2.2 Open Stack Swift介绍 | 第19-24页 |
| 2.2.1 Swift数据模型 | 第20页 |
| 2.2.2 Swift系统架构 | 第20-22页 |
| 2.2.3 一致性哈希算法 | 第22-24页 |
| 2.3 增强型节点架构方案 | 第24-26页 |
| 2.4 实验测试与分析 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第3章 基于预测的热点分区动态迁移策略 | 第29-45页 |
| 3.1 云存储系统热点数据分析 | 第29-31页 |
| 3.1.1 热点数据的定义与分类 | 第29-30页 |
| 3.1.2 Zipf定律 | 第30-31页 |
| 3.2 基于预测的热点数据统计算法 | 第31-33页 |
| 3.2.1 二元线性回归预测算法 | 第31-32页 |
| 3.2.2 多周期热点统计算法 | 第32-33页 |
| 3.3 基于预测的热点分区动态迁移设计与实现 | 第33-41页 |
| 3.3.1 分区动态迁移原理 | 第34-35页 |
| 3.3.2 总体架构设计 | 第35-36页 |
| 3.3.3 关键模块设计与实现 | 第36-41页 |
| 3.4 实验测试 | 第41-44页 |
| 3.4.1 实验环境与设计 | 第41-42页 |
| 3.4.2 实验结果分析 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于热点的反向代理缓存系统 | 第45-57页 |
| 4.1 反向代理缓存技术 | 第45-47页 |
| 4.1.1 反向代理缓存与CDN | 第45-46页 |
| 4.1.2 缓存替换算法 | 第46页 |
| 4.1.3 反向代理服务器 | 第46-47页 |
| 4.2 基于热点的反向代理缓存设计与实现 | 第47-53页 |
| 4.2.1 热点数据性能瓶颈分析 | 第47-48页 |
| 4.2.2 反向代理缓存总体设计 | 第48-49页 |
| 4.2.3 数据收集与热度计算模块 | 第49-50页 |
| 4.2.4 请求重定向模块 | 第50-53页 |
| 4.3 基于Varnish的缓存实现 | 第53-55页 |
| 4.3.1 Varnish工作原理 | 第53-55页 |
| 4.3.2 Varnish配置实现 | 第55页 |
| 4.4 本章小结 | 第55-57页 |
| 第5章 实验设计与分析 | 第57-63页 |
| 5.1 实验设计 | 第57-58页 |
| 5.2 实验环境 | 第58页 |
| 5.3 性能测试与分析 | 第58-62页 |
| 5.3.1 基于预测的热点分区动态迁移实验 | 第58-60页 |
| 5.3.2 高并发下基于热点的反向代理缓存实验 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68页 |