基于HDFS的气象云存储的副本管理策略研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第7-14页 |
| ·研究背景和意义 | 第7-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·论文研究内容 | 第12-13页 |
| ·论文结构 | 第13-14页 |
| 第二章 HDFS分布式文件系统与副本技术研究 | 第14-25页 |
| ·HDFS分布式文件系统 | 第14-21页 |
| ·HDFS的系统架构 | 第14-15页 |
| ·HDFS的元数据 | 第15-16页 |
| ·HDFS的通信协议 | 第16-17页 |
| ·HDFS对文件的操作 | 第17-20页 |
| ·HDFS的健壮性 | 第20-21页 |
| ·副本技术 | 第21-24页 |
| ·副本管理技术的研究问题 | 第21-22页 |
| ·副本技术的优缺点 | 第22-23页 |
| ·HDFS的副本策略 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于负载量的副本放置策略 | 第25-38页 |
| ·气象数据特点 | 第25-26页 |
| ·基于负载量的副本放置模型 | 第26-33页 |
| ·确定副本数量 | 第26-27页 |
| ·确定数据节点的评价指标 | 第27-29页 |
| ·确定评价函数 | 第29页 |
| ·评价函数权向量建模与计算 | 第29-33页 |
| ·基于负载量的副本放置策略的算法实现 | 第33-37页 |
| ·评价指标值的获取 | 第33-34页 |
| ·算法实现 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于访问量预测的副本调整策略 | 第38-47页 |
| ·文件热度统计 | 第38-39页 |
| ·访问量的预测 | 第39-43页 |
| ·气象文件访问特点分析 | 第39-40页 |
| ·BP神经网络简介 | 第40-42页 |
| ·基于BP神经网络预测访问量模型 | 第42-43页 |
| ·基于访问量预测的副本调整策略 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 实验结果与分析 | 第47-55页 |
| ·Hadoop实验平台搭建 | 第47-48页 |
| ·实验环境 | 第47页 |
| ·实验系统配置方法 | 第47-48页 |
| ·基于负载量的副本放置策略实验 | 第48-50页 |
| ·实验设计 | 第48-49页 |
| ·实验结果 | 第49-50页 |
| ·基于访问量预测的副本调整策略实验 | 第50-54页 |
| ·实验设计 | 第50-51页 |
| ·实验结果 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| ·论文工作总结 | 第55-56页 |
| ·进一步的展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 作者简介 | 第62-63页 |
| 致谢 | 第63页 |
