摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-17页 |
1.1 选题背景与意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-15页 |
1.2.1 智能电网云存储系统与核心标准IEC61970 | 第12-13页 |
1.2.2 智能电网云存储系统面临的问题 | 第13页 |
1.2.3 课题国内外研究现状 | 第13-14页 |
1.2.4 云存储副本技术研究 | 第14-15页 |
1.3 课题研究主要内容 | 第15-16页 |
1.4 论文的组织安排 | 第16-17页 |
第2章 相关技术 | 第17-24页 |
2.1 公共信息模型CIM介绍 | 第17-18页 |
2.1.1 CIM的组织方式 | 第17-18页 |
2.1.2 CIM类及其关系 | 第18页 |
2.2 副本技术 | 第18-19页 |
2.3 Hadoop云计算平台 | 第19-21页 |
2.3.1 HDFS分布式文件系统 | 第19-20页 |
2.3.2 Map Reduce编程框架 | 第20-21页 |
2.4 数据中心 | 第21-22页 |
2.5 云存储 | 第22-23页 |
2.6 本章小结 | 第23-24页 |
第3章 智能电网云存储数据放置策略设计 | 第24-38页 |
3.1 智能电网云存储数据放置策略面临的问题 | 第24-25页 |
3.2 智能电网云存储系统架构设计 | 第25-26页 |
3.3 Hadoop数据放置策略 | 第26-27页 |
3.4 缺点分析 | 第27-28页 |
3.5 几种典型的数据放置策略 | 第28页 |
3.6 基于相对存储能力的副本放置策略设计 | 第28-32页 |
3.6.1 节点存储能力影响因素 | 第28-30页 |
3.6.2 节点相对存储能力 | 第30页 |
3.6.3 相关数据的集中存放 | 第30-31页 |
3.6.4 算法描述 | 第31-32页 |
3.7 基于访问热度的副本数量调整策略设计 | 第32-35页 |
3.7.1 现有的副本调整模式 | 第33页 |
3.7.2 基于访问热度的副本调整策略 | 第33-34页 |
3.7.3 副本数量动态调整 | 第34-35页 |
3.8 基于改进的数据副本策略对智能电网数据的存储 | 第35-36页 |
3.9 方案性能分析 | 第36页 |
3.9.1 系统存储负载均衡分析 | 第36页 |
3.9.2 系统读取负载均衡分析 | 第36页 |
3.9.3 任务平均响应时间分析 | 第36页 |
3.10 本章小结 | 第36-38页 |
第4章 智能电网云存储数据选择策略设计 | 第38-46页 |
4.1 智能电网云储存系统数据选择策略不足 | 第38页 |
4.2 HDFS数据选择策略缺点 | 第38-40页 |
4.2.1 Hadoop数据选择策略及不足 | 第38-39页 |
4.2.2 Map Reduce处理流程及其不足 | 第39-40页 |
4.3 局部最小化代价数据选择算法设计 | 第40-43页 |
4.3.1 Map Reduce编程模型优化思想 | 第40-41页 |
4.3.2 迪杰斯特拉算法 | 第41页 |
4.3.3 局部最小化代价数据选择算法设计 | 第41-43页 |
4.3.4 LCSL算法具体步骤 | 第43页 |
4.4 基于改进的数据选择策略在智能电网数据分析中的应用 | 第43页 |
4.5 算法性能分析 | 第43-44页 |
4.5.1 任务传输时间分析 | 第43-44页 |
4.5.2 数据本地性分析 | 第44页 |
4.6 本章小结 | 第44-46页 |
第5章 智能电网云存储方案测试 | 第46-55页 |
5.1 Hadoop云计算平台与开发环境的搭建与配置 | 第46-48页 |
5.1.1 系统环境配置 | 第46页 |
5.1.2 全分布Hadoop集群搭建 | 第46-48页 |
5.2 实验测试 | 第48-52页 |
5.2.1 基于相对存储能力的数据放置策略性能测试 | 第49-51页 |
5.2.2 基于访问热度的副本调整策略性能测试 | 第51页 |
5.2.3 任务平均响应时间性能分析 | 第51-52页 |
5.3 LCSL算法性能分析 | 第52-54页 |
5.3.1 任务完成时间 | 第52-53页 |
5.3.2 LCSL数据本地性分析 | 第53-54页 |
5.4 本章小结 | 第54-55页 |
第6章 总结与展望 | 第55-57页 |
参考文献 | 第57-60页 |
攻读硕士学位期间发表的论文及其它成果 | 第60-61页 |
致谢 | 第61页 |