| 摘要 | 第1-14页 |
| Abstract | 第14-17页 |
| 第一章 绪论 | 第17-37页 |
| ·分布式在线社交网络概述 | 第17-25页 |
| ·基本概念 | 第17-18页 |
| ·发展历史和现状 | 第18-20页 |
| ·主要特点 | 第20-22页 |
| ·研究现状 | 第22-25页 |
| ·分布式在线社交网络数据存储及优化问题 | 第25-30页 |
| ·数据存储及优化问题的研究意义 | 第25-27页 |
| ·数据存储及优化研究思路及评价标准 | 第27-29页 |
| ·面临的挑战 | 第29-30页 |
| ·已有工作的分析和总结 | 第30页 |
| ·本文主要工作 | 第30-34页 |
| ·论文组织结构 | 第34-37页 |
| 第二章 分布式在线社交网络数据存储相关工作 | 第37-47页 |
| ·分布式在线社交网络基本定义 | 第37-39页 |
| ·DOSN数据存储及优化问题 | 第39-40页 |
| ·DOSN数据存储及优化相关工作 | 第40-44页 |
| ·深入理解在线社交网络属性 | 第40-41页 |
| ·分布式在线社交网络中的数据存储及优化 | 第41-42页 |
| ·P2P网络中的数据存储及优化 | 第42-43页 |
| ·云辅助的数据存储及优化 | 第43-44页 |
| ·相关工作分析 | 第44-45页 |
| ·小结 | 第45-47页 |
| 第三章 存储容量敏感的分布式在线社交网络数据可用性建模与分析 | 第47-71页 |
| ·引言 | 第47-49页 |
| ·问题描述 | 第49-53页 |
| ·研究场景和数据存储需求 | 第49-50页 |
| ·数据可用性问题形式化描述及分析 | 第50-53页 |
| ·存储容量敏感的数据可用性模型 | 第53-56页 |
| ·计算最老数据的发布时刻 | 第53-54页 |
| ·推导数据可用性模型 | 第54-56页 |
| ·存储容量敏感的实时数据可用性预测模型 | 第56-58页 |
| ·预测在线朋友将来的状态 | 第56-57页 |
| ·预测离线朋友将来的状态 | 第57-58页 |
| ·预测将来的在线朋友数量 | 第58页 |
| ·模型推导示例 | 第58-62页 |
| ·泊松分布 | 第59-60页 |
| ·幂律分布 | 第60-61页 |
| ·指数分布 | 第61-62页 |
| ·实验 | 第62-69页 |
| ·实验设置 | 第62-65页 |
| ·存储容量敏感的数据可用性模型评测 | 第65-68页 |
| ·在线朋友数量预测精度 | 第68-69页 |
| ·小结 | 第69-71页 |
| 第四章 云辅助的分布式在线社交网络数据存储方案Cadros | 第71-91页 |
| ·引言 | 第71-74页 |
| ·Cadros数据存储方案及理论分析 | 第74-79页 |
| ·Cadros基本方案概述 | 第74-76页 |
| ·Cadros可行性和有效性 | 第76-78页 |
| ·Cadros数据可用性 | 第78-79页 |
| ·Cadros实时数据可用性建模和分析 | 第79-83页 |
| ·预测数据存储能力 | 第79-80页 |
| ·预测数据存储需求 | 第80-82页 |
| ·建立实时数据可用性模型 | 第82-83页 |
| ·模型推导示例 | 第83-85页 |
| ·幂律分布 | 第83-84页 |
| ·指数分布 | 第84-85页 |
| ·实验 | 第85-90页 |
| ·实验设置 | 第85-86页 |
| ·全副本技术和纠删码技术对Cadros存储能力的影响 | 第86-87页 |
| ·Cadros存储优势的动态变化 | 第87-88页 |
| ·朋友圈数据存储能力的预测精度 | 第88-89页 |
| ·朋友圈数据存储需求的预测精度 | 第89-90页 |
| ·小结 | 第90-91页 |
| 第五章 社交数据在分布式在线社交网络中的存储优化技术 | 第91-109页 |
| ·引言 | 第91-94页 |
| ·开销敏感的数据划分方法和存储策略 | 第94-98页 |
| ·开销敏感的数据划分方法 | 第94-96页 |
| ·基于访问热度的数据划分标准 | 第96-97页 |
| ·Cadros数据存储策略 | 第97-98页 |
| ·可用性驱动的数据放置方法 | 第98-103页 |
| ·全副本技术下可用性驱动的数据放置 | 第99-100页 |
| ·纠删码技术下可用性驱动的数据放置 | 第100-101页 |
| ·选择副本节点的启发式算法 | 第101-103页 |
| ·实验 | 第103-107页 |
| ·开销敏感的数据划分方法评测 | 第103-104页 |
| ·可用性驱动的数据放置方法评测 | 第104-107页 |
| ·小结 | 第107-109页 |
| 第六章 社交数据在云服务器中的存储优化技术 | 第109-137页 |
| ·引言 | 第109-113页 |
| ·相关工作 | 第113-115页 |
| ·分块存储优化技术 | 第113页 |
| ·合并存储优化技术 | 第113-114页 |
| ·分组存储优化技术 | 第114-115页 |
| ·小数据访问分析 | 第115-119页 |
| ·传统本地文件系统的数据管理 | 第115-117页 |
| ·读操作模型分析 | 第117-118页 |
| ·性能测试 | 第118-119页 |
| ·iFlatLFS | 第119-130页 |
| ·应用场景及假设前提 | 第119-120页 |
| ·数据管理设计 | 第120-123页 |
| ·数据访问流程 | 第123-124页 |
| ·元数据一致性 | 第124-126页 |
| ·元数据总量 | 第126-127页 |
| ·实现 | 第127-130页 |
| ·性能评测 | 第130-136页 |
| ·iFlatLFS性能 | 第130-131页 |
| ·基于iFlatLFS的TFS性能 | 第131-133页 |
| ·元数据一致性策略的影响 | 第133-134页 |
| ·元数据总量 | 第134-135页 |
| ·数据平均大小临界值 | 第135-136页 |
| ·小结 | 第136-137页 |
| 第七章 总结与展望 | 第137-143页 |
| ·论文工作总结 | 第137-140页 |
| ·研究展望 | 第140-143页 |
| 致谢 | 第143-145页 |
| 参考文献 | 第145-157页 |
| 作者在学期间取得的学术成果 | 第157-159页 |
