| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 大数据概念与特征 | 第12-13页 |
| 1.2.1 大数据概念 | 第12页 |
| 1.2.2 大数据的特征 | 第12-13页 |
| 1.3 课题研究的目的与意义 | 第13-15页 |
| 1.4 国内外研究现状 | 第15-17页 |
| 1.5 本文的主要研究工作及论文组织结构 | 第17-19页 |
| 1.5.1 主要研究工作 | 第17-18页 |
| 1.5.2 论文组织结构 | 第18-19页 |
| 第二章 分布式存储系统的故障检测技术 | 第19-32页 |
| 2.1 大数据与分布式存储系统 | 第19-22页 |
| 2.2 分布式容灾系统 | 第22-24页 |
| 2.2.1 容灾系统概念 | 第22-23页 |
| 2.2.2 分布式容灾系统特点 | 第23-24页 |
| 2.3 分布式系统的故障检测 | 第24-31页 |
| 2.3.1 分布式系统模型 | 第24-25页 |
| 2.3.2 分布式系统的故障分类 | 第25-27页 |
| 2.3.3 分布式系统的故障检测器模型 | 第27-28页 |
| 2.3.4 故障检测器与故障检测器分类 | 第28-31页 |
| 2.3.5 故障检测器的实现 | 第31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 大数据存储系统故障检测的相关算法 | 第32-47页 |
| 3.1 引言 | 第32-33页 |
| 3.2 传统的故障检测算法 | 第33-35页 |
| 3.2.1 ChenFD | 第33-34页 |
| 3.2.2 φ-检测器 | 第34-35页 |
| 3.3 BP人工神经网络概述 | 第35-40页 |
| 3.3.1 BP神经网络结构 | 第35-36页 |
| 3.3.2 BP人工神经网络算法 | 第36-38页 |
| 3.3.3 算法的流程图和步骤 | 第38-40页 |
| 3.3.4 BP网络的局限性 | 第40页 |
| 3.4 人工蜂群算法概述 | 第40-46页 |
| 3.4.1 人工蜂群算法的基本原理 | 第41-43页 |
| 3.4.2 人工蜂群算法步骤 | 第43-45页 |
| 3.4.3 人工蜂群算法的特征 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 适应于大数据存储系统的ABC-BP故障检测模型 | 第47-59页 |
| 4.1 基于心跳的故障检测技术 | 第47-51页 |
| 4.1.1 故障检测模式 | 第48-49页 |
| 4.1.2 检测器服务质量（Quality of Service） | 第49-51页 |
| 4.2 数据的采集与归一化处理 | 第51-52页 |
| 4.2.1 数据收集 | 第51页 |
| 4.2.2 数据归一化处理 | 第51-52页 |
| 4.3 ABC-BP神经网络故障检测器 | 第52-58页 |
| 4.3.1 ABC-BP故障检测器的设计 | 第52-56页 |
| 4.3.2 ABC-BP故障检测器的实现流程 | 第56-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 系统的实验与分析 | 第59-67页 |
| 5.1 平均错误率实验 | 第59-60页 |
| 5.2 评价指标T_D~U对检测结果的影响 | 第60-61页 |
| 5.3 QoS实验 | 第61-63页 |
| 5.4 与ChenFD的性能对比 | 第63-66页 |
| 5.4.1 心跳信息到达时间预测能力比较 | 第63-64页 |
| 5.4.2 超时值的比较 | 第64-65页 |
| 5.4.3 平均错误率与检测时间关系比较 | 第65-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 研究工作总结 | 第67页 |
| 6.2 研究工作展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 答辩委员会对论文的评定意见 | 第74页 |