| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-23页 |
| ·存储系统的研究背景 | 第12-14页 |
| ·存储系统性能的研究概述 | 第14-17页 |
| ·论文研究目的 | 第17-18页 |
| ·本文的主要内容 | 第18-21页 |
| ·本文的组织结构 | 第21-23页 |
| 第2章 存储系统 I/O 性能的分析方法 | 第23-50页 |
| ·排队论 | 第23-25页 |
| ·排队系统的符号表示 | 第23-24页 |
| ·可修排队模型简介 | 第24-25页 |
| ·拟生灭过程 | 第25-33页 |
| ·拟生灭过程的引出 | 第25-29页 |
| ·拟生灭过程简介 | 第29-33页 |
| ·模型的建立 | 第33-39页 |
| ·模型描述 | 第33-34页 |
| ·I/O 请求的状态模型 | 第34-36页 |
| ·无穷小生成元矩阵的分析 | 第36-37页 |
| ·模型求解 | 第37-39页 |
| ·仿真实验及结果分析 | 第39-49页 |
| ·仿真实验 | 第39-41页 |
| ·仿真结果分析 | 第41-47页 |
| ·其他情况的举例分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第3章 基于访问序列模型的缓存分析 | 第50-71页 |
| ·产生访问数字序列的随机过程 | 第50-52页 |
| ·参数α和p对序列特性的影响 | 第52-54页 |
| ·符合各种访问模式的数字序列的生成 | 第54-57页 |
| ·缓存命中率分析 | 第57-58页 |
| ·二级 buffer cache 边际增益 | 第58-69页 |
| ·研究现状 | 第59-60页 |
| ·ULC 协议 | 第60-62页 |
| ·二级 buffer cache 边际增益 | 第62-64页 |
| ·Marginal Gain-based ULC | 第64-66页 |
| ·性能测试 | 第66-69页 |
| ·本章小结 | 第69-71页 |
| 第4章 I/O 负载的建模分析 | 第71-100页 |
| ·相关理论基础 | 第71-81页 |
| ·人工神经网络和灰色预测方法的互补性 | 第71-72页 |
| ·灰色系统 | 第72-77页 |
| ·神经网络 | 第77-81页 |
| ·灰色 BP 神经网络模型 | 第81-83页 |
| ·I/O 负载建模 | 第83-92页 |
| ·利用灰色系统理论预测特征参数值 | 第85-88页 |
| ·人工神经网络方法在 I/O 负载模型中的实现 | 第88-92页 |
| ·实验及结果分析 | 第92-93页 |
| ·基于 BP 神经网络-马尔科夫链的 I/O 负载预测 | 第93-98页 |
| ·BP-Markov 预测模型构建 | 第94-95页 |
| ·实验分析 | 第95-98页 |
| ·本章小结 | 第98-100页 |
| 第5章 基于层次 BP 神经网络的 I/O 性能分析 | 第100-110页 |
| ·评价方法简介 | 第100-102页 |
| ·基于层次 BP 神经网络的 I/O 性能模型 | 第102-107页 |
| ·模型框架 | 第102-103页 |
| ·I/O 性能模型评价体系 | 第103-107页 |
| ·基于层次 BP 神经网络的模型评价方法 | 第107-109页 |
| ·本章小结 | 第109-110页 |
| 结论 | 第110-113页 |
| 参考文献 | 第113-125页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第125-126页 |
| 致谢 | 第126页 |