| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 背景及意义 | 第9-10页 |
| 1.2 本文研究内容及贡献 | 第10-11页 |
| 1.2.1 研究内容 | 第10页 |
| 1.2.2 本文贡献 | 第10-11页 |
| 1.3 论文组织 | 第11页 |
| 1.4 本章小结 | 第11-12页 |
| 第2章 相关工作 | 第12-20页 |
| 2.1 索引介绍 | 第12-14页 |
| 2.1.1 传统索引 | 第12页 |
| 2.1.2 分布式索引 | 第12-13页 |
| 2.1.3 数据流索引 | 第13-14页 |
| 2.2 批量装载技术 | 第14-15页 |
| 2.3 数据流管理系统 | 第15-16页 |
| 2.4 内存数据库 | 第16-17页 |
| 2.5 分布式系统 | 第17页 |
| 2.6 SOCKET | 第17-19页 |
| 2.7 本章小结 | 第19-20页 |
| 第3章 大数据流内存B+树索引结构 | 第20-24页 |
| 3.1 大数据流内存B+树索引结构 | 第20-22页 |
| 3.2 面向时间窗口的内存B+树索引构建 | 第22页 |
| 3.3 分布式内存B+树索引系统 | 第22-23页 |
| 3.4 本章小结 | 第23-24页 |
| 第4章 面向时间窗口的内层B+树索引构建方法 | 第24-47页 |
| 4.1 问题描述 | 第24-25页 |
| 4.2 解决方案 | 第25-32页 |
| 4.2.1 基于多次微批量排序单次批量装载的B+树构建方法 | 第26-31页 |
| 4.2.2 基于多次微批量排序多批量装载的B+树构建方法 | 第31-32页 |
| 4.3 并行批量构建内存B+树时间代价估算 | 第32-38页 |
| 4.3.1 算法1时间窗口分片数N_(A1-Slice)和时间窗口内B+树可用的时延T_(A1-Delay) | 第34-35页 |
| 4.3.2 算法2时间窗口分片数N_(A2-Slice)和时间窗口内B+树可用的时延T_(A2-Delay) | 第35-37页 |
| 4.3.3 算法2时间窗口内可供实时查询的时间T_(Query) | 第37-38页 |
| 4.4 实验评价 | 第38-45页 |
| 4.4.1 实验环境 | 第38-39页 |
| 4.4.2 所提两种算法B+树构建性能分析与比较 | 第39-43页 |
| 4.4.3 所提两种算法与插入法、批量装载法的比较 | 第43-44页 |
| 4.4.4 算法MBSortMBLoad近实时查询时间T_(Query)性能 | 第44页 |
| 4.4.5 算法所能承受的数据流最大流速 | 第44-45页 |
| 4.5 本章总结 | 第45-47页 |
| 第5章 面向流数据的分布式内存B+树索引系统 | 第47-59页 |
| 5.1 应用场景 | 第47-48页 |
| 5.2 系统设计 | 第48-51页 |
| 5.2.1 系统框架 | 第48-50页 |
| 5.2.2 数据流向 | 第50-51页 |
| 5.3 关键技术 | 第51-55页 |
| 5.3.1 数据存储策略 | 第51-52页 |
| 5.3.2 负载均衡 | 第52-53页 |
| 5.3.3 可扩展性 | 第53-54页 |
| 5.3.4 节点间通信 | 第54-55页 |
| 5.4 性能测试分析 | 第55-58页 |
| 5.4.1 实验环境 | 第55-56页 |
| 5.4.2 数据分发效率 | 第56-57页 |
| 5.4.3 构建性能测试 | 第57页 |
| 5.4.4 查询性能测试 | 第57-58页 |
| 5.5 本章总结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间参加的科研项目和成果 | 第65页 |
