| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 本文研究内容 | 第10-11页 |
| 1.3 本文组织结构 | 第11-13页 |
| 第二章 MongoDB分片集群与负载均衡 | 第13-31页 |
| 2.1 面向文档的MongoDB | 第13-14页 |
| 2.2 MongoDB分片集群 | 第14-19页 |
| 2.2.1 分片概述 | 第14-15页 |
| 2.2.2 集群成员概述 | 第15-18页 |
| 2.2.3 分片集群处理数据请求的流程 | 第18-19页 |
| 2.3 MongoDB负载均衡 | 第19-26页 |
| 2.3.1 基于片键的Chunk | 第19-22页 |
| 2.3.2 基于Chunk迁移的负载均衡 | 第22-24页 |
| 2.3.3 算法性能分析 | 第24-26页 |
| 2.4 Markov随机过程 | 第26-31页 |
| 2.4.1 概述 | 第26-27页 |
| 2.4.2 系统状态与状态空间 | 第27页 |
| 2.4.3 随机事件 | 第27页 |
| 2.4.4 随机变量序列 | 第27页 |
| 2.4.5 Markov链与无后效性 | 第27-28页 |
| 2.4.6 初始概率向量与转移概率 | 第28页 |
| 2.4.7 转移概率矩阵 | 第28-29页 |
| 2.4.8 正规转移概率矩阵与稳态概率 | 第29-31页 |
| 第三章 基于Markov链的MongoDB分片集群负载预测模型 | 第31-50页 |
| 3.1 MongoDB引用Markov随机过程的可行性 | 第31-32页 |
| 3.2 建立Chunk级Markov链 | 第32-37页 |
| 3.2.1 状态空间分析 | 第32-34页 |
| 3.2.2 随机事件描述 | 第34页 |
| 3.2.3 构建Markov链 | 第34-35页 |
| 3.2.4 有限记忆 | 第35-37页 |
| 3.3 建立Chunk级一步转移概率矩阵 | 第37-42页 |
| 3.3.1 写操作的概率矩阵 | 第37-38页 |
| 3.3.2 读操作的概率矩阵 | 第38-39页 |
| 3.3.3 改操作的概率矩阵 | 第39-41页 |
| 3.3.4 删操作的概率矩阵 | 第41-42页 |
| 3.4 预测Chunk级数据访问热度 | 第42-46页 |
| 3.4.1 CRUD操作的稳态概率 | 第42-43页 |
| 3.4.2 CRUD操作的多步转移概率 | 第43-45页 |
| 3.4.3 计算Chunk级数据访问热度 | 第45-46页 |
| 3.5 预测Shard级数据访问热度 | 第46-47页 |
| 3.6 数据迁移 | 第47-50页 |
| 3.6.1 阈值分析 | 第47页 |
| 3.6.2 迁移策略 | 第47-50页 |
| 第四章 负载均衡实验 | 第50-70页 |
| 4.1 实验平台搭建 | 第50-51页 |
| 4.2 实验数据 | 第51-52页 |
| 4.3 负载测试 | 第52-54页 |
| 4.3.1 确定参数 | 第52页 |
| 4.3.2 实验流程 | 第52-54页 |
| 4.4 实验结果分析 | 第54-69页 |
| 4.4.1 单节点过热对比实验 | 第54-59页 |
| 4.4.2 两节点过热对比实验 | 第59-64页 |
| 4.4.3 无节点过热对比实验 | 第64-69页 |
| 4.5 实验总结 | 第69-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 本文研究总结 | 第70页 |
| 5.2 后续工作与展望 | 第70-72页 |
| 参考文献 | 第72-74页 |
| 致谢 | 第74页 |