首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

海量极区空间物理数据组织与服务关键技术

摘要第6-7页
ABSTRACT第7-8页
1. 绪论第12-20页
    1.1. 研究背景与意义第12-14页
    1.2. 科学数据管理研究现状第14-18页
        1.2.1. 科学数据管理系统第14-17页
        1.2.2. 科学数据访问服务第17-18页
    1.3. 研究内容与组织结构第18-20页
2. ARRAY数据模型第20-32页
    2.1. ARRAY数据模型第20-21页
    2.2. ARRAY存储第21-26页
        2.2.1. 分块策略第22-23页
        2.2.2. 分块中的单元组织第23-24页
        2.2.3. 单元到分块的映射第24-26页
    2.3. ARRAY查询语言第26-32页
        2.3.1. RasQL第26-27页
        2.3.2. AQL第27页
        2.3.3. AML第27-28页
        2.3.4. RAM查询语言第28-29页
        2.3.5. SciQL第29-30页
        2.3.6. MapReduce式查询语言第30-32页
3. 极区空间物理数据第32-35页
    3.1. 极区空间物理简介第32页
    3.2. 极区空间物理数据的类型与特点第32-34页
    3.3. 极区空间物理数据的管理需求第34-35页
4. 海量极区空间物理数据的组织与服务框架设计第35-51页
    4.1. 极区空间物理数据的组织模式第35-41页
        4.1.1. 一维极区空间物理数据的组织模式第35-38页
        4.1.2. 二维极区空间物理数据的组织模式第38-39页
        4.1.3. 三维极区空间物理数据的组织模式第39-41页
    4.2. 极区空间物理数据模型ARRAYPLUS第41-43页
    4.3. ARRAY数据库RASDAMAN第43-45页
        4.3.1. Rasdaman的架构第43-45页
        4.3.2. Rasdaman的数据结构第45页
    4.4. 基于RASDAMAN的海量极区空间物理数据组织与服务框架设计第45-51页
        4.4.1. 基于Rasdaman实现ArrayPlus数据模型第46-47页
        4.4.2. 原位处理功能设计第47-48页
        4.4.3. 分布式调度器设计第48-49页
        4.4.4. 数据服务设计第49页
        4.4.5. 海量极区空间物理数据组织与服务的整体框架第49-51页
5. 海量极区空间物理数据的组织与服务原型系统实现第51-69页
    5.1. 开发环境第51页
    5.2. 原型系统介绍第51-54页
    5.3. AURORA VAULT实现第54-56页
    5.4. 分布式调度器实现第56-62页
        5.4.1. 数据分发器的实现第57-58页
        5.4.2. 请求处理器的实现第58-61页
        5.4.3. 数据封装器的实现第61-62页
    5.5. 服务模块实现第62-69页
        5.5.1. 数据导入第62-63页
        5.5.2. 基于元数据的查询第63-64页
        5.5.3. 基本数据统计分析第64-65页
        5.5.4. 极光图像处理第65-69页
6. 主流数据管理方案查询实验对比与分析第69-89页
    6.1. 实验环境与数据第69-71页
        6.1.1. 实验环境第69-70页
        6.1.2. 实验数据第70-71页
    6.2. 极区空间物理数据查询实验第71-85页
        6.2.1. 地磁数据查询实验第71-75页
        6.2.2. 极光数据查询实验第75-78页
        6.2.3. 宇宙噪声数据查询实验第78-85页
    6.3. 实验结果与比较分析第85-89页
        6.3.1. 实验结果第86-87页
        6.3.2. 比较分析第87-89页
7. 总结与展望第89-91页
    7.1. 总结第89-90页
    7.2. 展望第90-91页
参考文献第91-96页
致谢第96-97页
攻读硕士学位期间取得的科研成果第97页

论文共97页,点击 下载论文
上一篇:基于Group Lasso的半监督哈希图像搜索优化及算法研究
下一篇:不确定环境下ThingML设计量化分析与寻优框架