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 |