医疗健康云平台上决策分析服务的研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第6-11页 |
| 1.1 研究背景及意义 | 第6-7页 |
| 1.2 国内外研究现状 | 第7-9页 |
| 1.3 研究内容及创新点 | 第9页 |
| 1.4 论文组织结构 | 第9-11页 |
| 第二章 医疗健康云平台上决策分析服务技术 | 第11-21页 |
| 2.1 医疗健康云平台实现技术 | 第11-14页 |
| 2.1.1 虚拟化技术 | 第11-12页 |
| 2.1.2 多租户技术 | 第12-13页 |
| 2.1.3 分布式数据库 | 第13-14页 |
| 2.1.4 内存数据库 | 第14页 |
| 2.2 决策分析云服务研究技术 | 第14-20页 |
| 2.2.1 决策分析 | 第14-15页 |
| 2.2.2 分析即服务 | 第15-16页 |
| 2.2.3 缓存云服务 | 第16-20页 |
| 2.3 小结 | 第20-21页 |
| 第三章 医疗健康云平台上决策分析服务的实现 | 第21-45页 |
| 3.1 医疗健康数据处理 | 第21-36页 |
| 3.1.1 CNHS数据集与医疗健康数据 | 第21-23页 |
| 3.1.2 医疗健康决策分析查询提取 | 第23-36页 |
| 3.2 医疗健康云平台实现 | 第36-44页 |
| 3.2.1 虚拟化云平台构建 | 第36页 |
| 3.2.2 多租户的设计与实现 | 第36-37页 |
| 3.2.3 医疗健康云平台的数据库模式设计 | 第37-43页 |
| 3.2.4 分布式数据库的设计与实现 | 第43-44页 |
| 3.4 小结 | 第44-45页 |
| 第四章 云平台上多并发决策分析处理的性能预测 | 第45-54页 |
| 4.1 多并发决策分析处理的性能预测 | 第45-47页 |
| 4.1.1 分布式数据库中性能预测的度量值 | 第45-46页 |
| 4.1.2 一个简单的启发性实验 | 第46-47页 |
| 4.2 多并发决策分析查询处理的性能预测建模 | 第47-49页 |
| 4.2.1 多并发查询之间的相互作用 | 第47-48页 |
| 4.2.2 多元线性回归模型预测查询延时 | 第48-49页 |
| 4.2.3 基于抽样的模型训练 | 第49页 |
| 4.3 多元线性回归模型的实验结果与分析 | 第49-53页 |
| 4.3.1 实验配置 | 第49-50页 |
| 4.3.2 实验结果分析 | 第50-53页 |
| 4.4 小结 | 第53-54页 |
| 第五章 决策分析服务的性能优化 | 第54-69页 |
| 5.1 基于Redis的决策分析服务性能优化 | 第54-57页 |
| 5.1.1 Redis缓存设计 | 第54-55页 |
| 5.1.2 Redis缓存实现 | 第55-57页 |
| 5.2 Redis性能优化 | 第57-63页 |
| 5.2.1 内存分配管理方法优化 | 第57-59页 |
| 5.2.2 数据结构使用优化 | 第59-63页 |
| 5.3 实验结果与分析 | 第63-68页 |
| 5.3.1 实验设置 | 第63页 |
| 5.3.2 基于Redis缓存优化实验结果分析 | 第63-65页 |
| 5.3.3 内存分配管理方法优化实验结果分析 | 第65-67页 |
| 5.3.4 数据结构使用优化实验结果分析 | 第67-68页 |
| 5.4 小结 | 第68-69页 |
| 第六章 结论与展望 | 第69-71页 |
| 6.1 总结 | 第69页 |
| 6.2 展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录 | 第76-77页 |
| 图版 | 第77-78页 |
| 表版 | 第78-79页 |
