分布式消息系统Kafka的性能建模与优化技术研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 论文研究内容 | 第17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 1.5 本章小结 | 第18-20页 |
| 第二章 相关理论与技术 | 第20-28页 |
| 2.1 正交试验设计 | 第20-21页 |
| 2.2 LASSO算法 | 第21-22页 |
| 2.3 遗传算法 | 第22-23页 |
| 2.4 Kafka | 第23-25页 |
| 2.5 Zookeeper | 第25-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 系统介绍及方法概述 | 第28-32页 |
| 3.1 系统介绍 | 第28-30页 |
| 3.1.1 项目背景介绍 | 第28-29页 |
| 3.1.2 分布式消息系统介绍 | 第29-30页 |
| 3.2 研究目标 | 第30页 |
| 3.3 优化方法概述 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 分布式消息系统性能建模 | 第32-50页 |
| 4.1 特征选择与训练样本生成 | 第32-38页 |
| 4.1.1 平台性能特征选择 | 第32-35页 |
| 4.1.2 训练样本生成 | 第35-38页 |
| 4.2 基于LASSO的性能预测模型 | 第38-46页 |
| 4.2.1 数据预处理 | 第39-41页 |
| 4.2.2 预测模型生成 | 第41-44页 |
| 4.2.3 预测模型验证 | 第44-46页 |
| 4.3 特征相关性与特征边界 | 第46-49页 |
| 4.3.1 特征之间相关性 | 第46-47页 |
| 4.3.2 特征边界 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 分布式消息系统性能优化方法 | 第50-62页 |
| 5.1 优化问题定义 | 第50页 |
| 5.2 基于改进遗传算法的性能优化方法 | 第50-61页 |
| 5.2.1 编码 | 第51页 |
| 5.2.2 初始化种群 | 第51-52页 |
| 5.2.3 解码 | 第52-53页 |
| 5.2.4 适应度函数 | 第53-54页 |
| 5.2.5 选择 | 第54-56页 |
| 5.2.6 交叉 | 第56-59页 |
| 5.2.7 变异 | 第59-61页 |
| 5.2.8 产生最优个体 | 第61页 |
| 5.3 本章小结 | 第61-62页 |
| 第六章 实验结果与分析 | 第62-70页 |
| 6.1 实验环境与实验过程 | 第62-64页 |
| 6.1.1 实验环境 | 第62-63页 |
| 6.1.2 实验过程 | 第63-64页 |
| 6.2 性能预测结果及分析 | 第64-66页 |
| 6.3 性能优化结果及分析 | 第66-69页 |
| 6.4 本章小结 | 第69-70页 |
| 第七章 总结与展望 | 第70-72页 |
| 7.1 本文工作总结 | 第70页 |
| 7.2 本文工作展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 作者简介 | 第78-79页 |
