| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题背景介绍 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文的研究思路和研究内容 | 第11-14页 |
| 第二章 云平台下媒体流存储技术基础 | 第14-25页 |
| 2.1 云存储技术 | 第14-16页 |
| 2.1.1 云存储的结构模型 | 第14-15页 |
| 2.1.2 云存储技术的优势 | 第15-16页 |
| 2.2 流媒体视频点播技术 | 第16-20页 |
| 2.2.1 流媒体点播特性 | 第16-17页 |
| 2.2.2 流媒体系统分类 | 第17页 |
| 2.2.3 流媒体的传输协议 | 第17-19页 |
| 2.2.4 流媒体点播模式 | 第19-20页 |
| 2.2.5 流媒体集群 | 第20页 |
| 2.3 基于云平台的视频点播系统 | 第20-24页 |
| 2.3.1 云平台下的视频点播架构 | 第21页 |
| 2.3.2 云平台下的视频点播系统流程 | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 副本的生成算法 | 第25-47页 |
| 3.1 流媒体的缓存分类 | 第25-28页 |
| 3.1.1 分片方式 | 第26-27页 |
| 3.1.2 副本方式 | 第27-28页 |
| 3.2 常见部分副本算法 | 第28-31页 |
| 3.2.1 前缀缓存 | 第28页 |
| 3.2.2 定长分段缓存 | 第28-29页 |
| 3.2.3 改进的定长分段 | 第29-30页 |
| 3.2.4 基于指数的分段缓存 | 第30-31页 |
| 3.3 基于视频时长的自适应前缀算分割算法 | 第31-37页 |
| 3.3.1 基于视频时长的用户点播行为分析 | 第31-33页 |
| 3.3.2 自适应前缀分割算法 | 第33-37页 |
| 3.4 副本的生成策略 | 第37-42页 |
| 3.4.1 基于 Zipf-like 分布的副本生成算法 | 第37-38页 |
| 3.4.2 基于点播预测的副本生成算法 | 第38-39页 |
| 3.4.3 基于 Last-k 时间段的加权副本生成算法 | 第39-42页 |
| 3.5 仿真实验与分析 | 第42-46页 |
| 3.5.1 仿真系统介绍 | 第42页 |
| 3.5.2 仿真结果分析 | 第42-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第四章 副本放置 | 第47-68页 |
| 4.1 服务器选择的基本问题 | 第47页 |
| 4.2 常见的服务器选择算法 | 第47-50页 |
| 4.2.1 随机选择算法 | 第48-49页 |
| 4.2.2 轮询算法 | 第49页 |
| 4.2.3 最小负载优先算法 | 第49-50页 |
| 4.2.4 最小连接数优先算法 | 第50页 |
| 4.3 基于最大加权熵的存储服务器选择算法 | 第50-57页 |
| 4.3.1 最大分布加权熵理论 | 第50-54页 |
| 4.3.2 AHP 方法确定加权值 | 第54-56页 |
| 4.3.3 最大加权熵算法 | 第56-57页 |
| 4.4 副本缓存替换策略 | 第57-61页 |
| 4.4.1 LFU 算法 | 第57-58页 |
| 4.4.2 LRU 算法 | 第58页 |
| 4.4.3 平滑删除策略 | 第58-61页 |
| 4.5 仿真实验 | 第61-67页 |
| 4.5.1 仿真环境与参数 | 第61-62页 |
| 4.5.2 仿真结果与分析 | 第62-67页 |
| 4.6 本章小结 | 第67-68页 |
| 第五章 视频点播混合副本策略 | 第68-78页 |
| 5.1 混合存储策略 | 第68-71页 |
| 5.2 仿真实验 | 第71-77页 |
| 5.2.1 仿真环境介绍 | 第71页 |
| 5.2.2 仿真参数 | 第71-72页 |
| 5.2.3 仿真结果分析 | 第72-77页 |
| 5.3 本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 6.1 总结 | 第78页 |
| 6.2 展望 | 第78-80页 |
| 参考文献 | 第80-83页 |
| 附录 攻读硕士学位期间申请的专利 | 第83-84页 |
| 致谢 | 第84页 |