首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

大数据索引和查询优化技术与系统研究

摘要第4-6页
Abstract第6-8页
第一章 绪论第16-32页
    1.1 研究背景第16-17页
    1.2 大数据存储查询研究概况第17-19页
        1.2.1 基于NoSQL的大数据存储与查询方法第18-19页
        1.2.2 基于SQL的大数据存储与查询方法第19页
    1.3 索引方法研究概况第19-24页
        1.3.1 基于索引数据结构的索引方法第19-20页
        1.3.2 基于查询需求的索引方法第20-21页
        1.3.3 基于优化策略的索引方法第21-22页
        1.3.4 跳表索引方法第22-23页
        1.3.5 分布式索引方法第23-24页
    1.4 数据查询优化研究概况第24-27页
        1.4.1 分布式查询技术的发展第24-25页
        1.4.2 基于内存计算和数据缓存的查询优化第25-27页
    1.5 数据分片研究概况第27-28页
    1.6 已有研究工作存在的不足第28-29页
    1.7 本文的研究内容第29-31页
    1.8 论文组织结构第31-32页
第二章 大数据索引与查询优化相关研究第32-42页
    2.1 大数据索引相关研究第32-34页
    2.2 大数据范围查询相关研究第34-35页
    2.3 大数据缓存调度相关研究第35-38页
        2.3.1 数据倾斜和冷热数据第35-36页
        2.3.2 基于缓存的查询优化第36-38页
    2.4 大数据分片相关研究第38-40页
        2.4.1 传统的数据分片策略第38-39页
        2.4.2 范围分片策略第39-40页
    2.5 本章小结第40-42页
第三章 基于热度累积缓存的分层式非主键索引方法第42-57页
    3.1 研究背景与问题概述第42-43页
    3.2 分层式非主键索引模型第43-46页
        3.2.1 持久性非主键索引存储层第43-44页
        3.2.2 基于内存的索引热点缓存层第44-46页
    3.3 热度累积缓存调度算法第46-48页
    3.4 分层式非主键索引上的单值查询和范围查询第48-52页
        3.4.1 分层式非主键索引上的单值查询第48-49页
        3.4.2 分层式非主键索引上的范围查询第49-52页
    3.5 非主键索引方法性能评估第52-56页
        3.5.1 实验环境与数据集第52页
        3.5.2 缓存命中率对比第52-54页
        3.5.3 查询执行时间对比第54-55页
        3.5.4 可扩展性实验第55-56页
    3.6 本章小结第56-57页
第四章 基于热度自适应分片的范围查询优化方法第57-85页
    4.1 研究背景与问题概述第57-58页
    4.2 数据倾斜和齐夫分布第58-61页
    4.3 面向数据片的范围查询跳表索引结构第61-63页
        4.3.1 范围查询跳表索引结构第61-62页
        4.3.2 基于跳表结构的数据分片管理第62-63页
    4.4 数据片和范围查询的热度衡量指标第63-68页
        4.4.1 面向数据片的缓存调度元数据第63-64页
        4.4.2 数据片查询访问占比定义第64-65页
        4.4.3 数据片热度定义第65-66页
        4.4.4 范围查询缓存命中率定义第66-67页
        4.4.5 范围查询优化目标第67-68页
    4.5 基于热度自适应分片的缓存调度算法第68-74页
        4.5.1 数据片的分裂第68-70页
        4.5.2 数据片的合并第70页
        4.5.3 数据分片的自适应调整第70-72页
        4.5.4 数据分片的粒度第72-73页
        4.5.5 自适应调整相关的参数第73-74页
    4.6 基于热度自适应分片的范围查询性能评估第74-84页
        4.6.1 实验环境与数据集第74-76页
        4.6.2 算法的缓存命中率和查询执行时间对比第76-80页
        4.6.3 HA算法的自适应调整代价分析第80-82页
        4.6.4 HA算法的空间代价分析第82-84页
    4.7 本章小结第84-85页
第五章 基于关联感知模型的数据分片优化方法第85-121页
    5.1 研究背景与问题概述第85-86页
    5.2 范围查询代价定义第86-87页
    5.3 关联感知的数据分片优化模型第87-92页
        5.3.1 倾斜范围查询的数据模型第87-88页
        5.3.2 数据分片优化问题定义第88-90页
        5.3.3 关联感知的数据分片优化模型第90-92页
    5.4 基于关联感知模型的数据分片优化方法第92-99页
        5.4.1 基于动态规划的数据分片优化算法第92-94页
        5.4.2 基于动态规划的范围查询边界分片优化算法第94-95页
        5.4.3 自底向上合并的范围查询边界分片优化算法第95-97页
        5.4.4 异构集群上的数据分片优化策略第97-99页
    5.5 最优分片数K的取值第99-100页
    5.6 关联感知数据分片优化方法性能验证第100-112页
        5.6.1 实验环境与数据集第100-102页
        5.6.2 数据规模对最优分片数的影响第102-106页
        5.6.3 范围查询长度对最优分片数的影响第106-108页
        5.6.4 高低速数据存储上的分片优化对比第108-110页
        5.6.5 算法时间复杂度的验证第110-112页
    5.7 数据分片算法性能评估第112-119页
        5.7.1 算法的范围查询性能实验第112-114页
        5.7.2 算法的可扩展性实验第114-119页
    5.8 本章小结第119-121页
第六章 大数据查询系统HiBase的设计与实现第121-145页
    6.1 概述第121页
    6.2 系统总体架构第121-122页
    6.3 系统模块划分和功能设计第122-125页
    6.4 系统可扩展性和容错性第125-127页
        6.4.1 系统可扩展性第125-126页
        6.4.2 系统容错性第126-127页
    6.5 系统实现第127-137页
        6.5.1 索引构建和元数据管理模块第127-128页
        6.5.2 索引持久性存储管理模块第128-129页
        6.5.3 索引内存缓存管理模块第129-131页
        6.5.4 全局索引管理模块第131-132页
        6.5.5 缓存调度算法模块第132-136页
        6.5.6 全局分布协同模块第136-137页
    6.6 系统性能评估第137-143页
        6.6.1 范围查询性能实验第137-140页
        6.6.2 数据分片算法性能实验第140-141页
        6.6.3 系统可扩展性实验第141-142页
        6.6.4 索引时间和空间开销分析第142-143页
    6.7 本章小结第143-145页
第七章 总结与展望第145-147页
    7.1 研究工作总结第145-146页
    7.2 未来进一步工作第146-147页
参考文献第147-155页
致谢第155-157页
攻读博士期间发表论文列表第157页
攻读博士期间参研项目列表第157-158页

论文共158页,点击 下载论文
上一篇:高速高精度数据转换器关键技术研究
下一篇:基于单张图像的室内场景建模技术研究