基于数据热点和分片性能差异的MongoDB自适应负载均衡策略研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 研究意义 | 第12-13页 |
| 1.3 研究现状 | 第13-14页 |
| 1.4 研究内容 | 第14-15页 |
| 1.5 论文组织结构 | 第15-17页 |
| 2 MongoDB和负载均衡算法 | 第17-27页 |
| 2.1 MongoDB的优点 | 第17-18页 |
| 2.2 MongoDB相关技术 | 第18-22页 |
| 2.2.1 主从复制 | 第18-19页 |
| 2.2.2 副本集 | 第19-20页 |
| 2.2.3 分片 | 第20-22页 |
| 2.3 MongoDB负载均衡策略 | 第22-25页 |
| 2.3.1 Chunk块拆分 | 第22-23页 |
| 2.3.2 负载均衡算法 | 第23-25页 |
| 2.3.3 存在的不足 | 第25页 |
| 2.4 本章小结 | 第25-27页 |
| 3 基于Markov预测模型的负载均衡架构 | 第27-34页 |
| 3.1 负载均衡策略分析 | 第27-29页 |
| 3.2 MongoDB负载均衡架构 | 第29-30页 |
| 3.3 架构的实现 | 第30-33页 |
| 3.3.1 访问控制模块 | 第30页 |
| 3.3.2 资源管理模块 | 第30-31页 |
| 3.3.3 负载预测模块 | 第31-32页 |
| 3.3.4 数据迁移模块 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 4 自适应Markov负载预测模型 | 第34-44页 |
| 4.1 可行性分析 | 第34-35页 |
| 4.2 建立Markov模型 | 第35-39页 |
| 4.2.1 获取数据历史操作 | 第35-36页 |
| 4.2.2 构建Markov链 | 第36页 |
| 4.2.3 构建一步转移概率矩阵 | 第36-37页 |
| 4.2.4 生成稳态概率向量 | 第37-39页 |
| 4.3 负载预测 | 第39-43页 |
| 4.3.1 自适应预测周期 | 第39-41页 |
| 4.3.2 基于分片的负载预测 | 第41-43页 |
| 4.4 本章小结 | 第43-44页 |
| 5 数据迁移策略 | 第44-50页 |
| 5.1 数据迁移效率分析 | 第44-45页 |
| 5.2 分片和Chunk块负载的排序 | 第45-46页 |
| 5.3 数据迁移算法 | 第46-48页 |
| 5.4 数据一致性处理 | 第48-49页 |
| 5.5 本章小结 | 第49-50页 |
| 6. 负载均衡实验 | 第50-57页 |
| 6.1 实验环境 | 第50-52页 |
| 6.1.1 实验平台搭建 | 第50-51页 |
| 6.1.2 实验数据 | 第51-52页 |
| 6.2 操作负载因子确定 | 第52-53页 |
| 6.3 实验结果和数据分析 | 第53-55页 |
| 6.3.1 负载比较和分析 | 第53-55页 |
| 6.3.2 性能对比和分析 | 第55页 |
| 6.4 本章小结 | 第55-57页 |
| 7 总结和展望 | 第57-59页 |
| 7.1 工作总结 | 第57-58页 |
| 7.2 工作展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间主要的研究成果 | 第64-65页 |
| 致谢 | 第65-67页 |
