| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 引言 | 第12页 |
| 1.2 研究的目的和意义 | 第12-14页 |
| 1.3 国内外研究现状 | 第14-16页 |
| 1.4 本文的主要内容和创新点 | 第16-18页 |
| 1.4.1 主要内容 | 第16-17页 |
| 1.4.2 创新点 | 第17-18页 |
| 第2章 相关技术研究 | 第18-30页 |
| 2.1 分布式存储相关研究 | 第18-21页 |
| 2.1.1 大数据 | 第18-20页 |
| 2.1.2 分布式存储 | 第20-21页 |
| 2.2 存储虚拟化技术研究 | 第21-22页 |
| 2.2.1 基本原理 | 第21页 |
| 2.2.2 存储虚拟化的实现方式 | 第21-22页 |
| 2.3 工业大数据相关研究 | 第22-24页 |
| 2.3.1 工业大数据分类及特点 | 第22-23页 |
| 2.3.2 目前面临的问题 | 第23-24页 |
| 2.4 大数据迁移相关研究 | 第24-27页 |
| 2.4.1 数据迁移的必要性分析 | 第24-25页 |
| 2.4.2 海量数据迁移策略的研究 | 第25-26页 |
| 2.4.3 任务调度策略的研究 | 第26-27页 |
| 2.5 Key/Value存储系统研究 | 第27-30页 |
| 2.5.1 实现原理 | 第27-28页 |
| 2.5.2 Key/Value存储系统面临的问题 | 第28-30页 |
| 第3章 Hadoop分布式计算平台 | 第30-38页 |
| 3.1 Hadoop平台概述 | 第30页 |
| 3.2 Hadoop核心组件 | 第30-36页 |
| 3.3 MapReduce运行机制 | 第36-38页 |
| 第4章 基于任务调度优化的数据迁移方法研究 | 第38-52页 |
| 4.1 引言 | 第38页 |
| 4.2 评测模型 | 第38-40页 |
| 4.2.1 任务负载均衡 | 第38页 |
| 4.2.2 任务负载值评测模型 | 第38-39页 |
| 4.2.3 系统性能干扰预测模型 | 第39-40页 |
| 4.3 数据迁移方法的设计与实现 | 第40-52页 |
| 4.3.1 Hadoop默认FIFO任务调度器原理 | 第40-42页 |
| 4.3.2 基于ABC算法的任务调度机制的优化 | 第42-46页 |
| 4.3.3 基于任务调度机制的数据迁移方法设计 | 第46-48页 |
| 4.3.4 数据迁移方法的实现过程 | 第48-52页 |
| 第5章 面向Key/Value系统的开销敏感的迁移方法研究 | 第52-60页 |
| 5.1 准备工作 | 第52-53页 |
| 5.1.1 热点数据 | 第52-53页 |
| 5.2 基于矩形面积的开销敏感预测模型 | 第53-54页 |
| 5.3 基于PSO算法的数据迁移方法设计与实现 | 第54-60页 |
| 5.3.1 参数设置 | 第54-55页 |
| 5.3.2 基于PSO算法的数据迁移方法的设计 | 第55-58页 |
| 5.3.3 数据迁移方法的实现 | 第58-60页 |
| 第6章 数据迁移方法的实现与分析 | 第60-70页 |
| 6.1 Hadoop集群实验环境 | 第60-63页 |
| 6.1.1 Hadoop平台 | 第60页 |
| 6.1.2 实验环境配置 | 第60-61页 |
| 6.1.3 实验拓扑结构 | 第61-62页 |
| 6.1.4 Hadoop集群搭建 | 第62-63页 |
| 6.2 基于任务调度优化的数据迁移方法数据测试与结果分析 | 第63-66页 |
| 6.2.1 数据测试与结果分析 | 第63-65页 |
| 6.2.2 结论 | 第65-66页 |
| 6.3 面向Key/Value系统的开销敏感的迁移方法数据测试与分析 | 第66-70页 |
| 6.3.1 数据测试与分析 | 第66-68页 |
| 6.3.2 结论 | 第68-70页 |
| 第7章 总结与展望 | 第70-72页 |
| 7.1 总结 | 第70-71页 |
| 7.2 展望 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-80页 |
| 在学期间主要科研成果 | 第80-81页 |
| 一、发表学术论文 | 第80页 |
| 二、其它科研成果 | 第80页 |
| 三、参加会议 | 第80-81页 |
| 附件 | 第81-84页 |
