| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| Contents | 第10-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 选题背景和意义 | 第13-16页 |
| 1.1.1 选题背景 | 第13-16页 |
| 1.1.2 研究意义 | 第16页 |
| 1.2 技术研究现状 | 第16-18页 |
| 1.3 本文结构安排 | 第18-19页 |
| 第二章 相关技术研究综述 | 第19-40页 |
| 2.1 云存储 | 第19-22页 |
| 2.1.1 云存储的分类 | 第19-20页 |
| 2.1.2 云存储的技术支撑 | 第20-21页 |
| 2.1.3 云存储的应用 | 第21-22页 |
| 2.2 分布式存储系统 | 第22-30页 |
| 2.2.1 Amazon S3系统 | 第23-24页 |
| 2.2.2 淘宝TFS系统 | 第24-26页 |
| 2.2.3 Google GFS系统 | 第26-27页 |
| 2.2.4 Haystack系统 | 第27-30页 |
| 2.3 HADOOP平台 | 第30-39页 |
| 2.3.1 HDFS分布式存储 | 第31-34页 |
| 2.3.2 MapReduce分布式计算 | 第34-36页 |
| 2.3.3 Hadoop处理小文件时存在的问题 | 第36-39页 |
| 2.4 本章小结 | 第39-40页 |
| 第三章 小文件处理技术研究与优化设计实现 | 第40-60页 |
| 3.1 HADOOP自带的解决方案 | 第40-43页 |
| 3.1.1 Hadoop Archive | 第40-42页 |
| 3.1.2 SequenceFile | 第42页 |
| 3.1.3 MapFile | 第42-43页 |
| 3.1.4 HDFS Federation方案 | 第43页 |
| 3.2 设计方案目的和思路 | 第43-45页 |
| 3.2.1 设计目的 | 第43-45页 |
| 3.2.2 系统设计思路 | 第45页 |
| 3.3 优化方案设计 | 第45-51页 |
| 3.3.1 总体方案设计 | 第46-47页 |
| 3.3.2 小文件合并 | 第47-48页 |
| 3.3.3 小文件分解 | 第48-50页 |
| 3.3.4 小文件缓存 | 第50-51页 |
| 3.4 相关数据结构与算法 | 第51-56页 |
| 3.4.1 元数据类型与结构 | 第51-53页 |
| 3.4.2 分组算法 | 第53-54页 |
| 3.4.3 合并算法 | 第54-55页 |
| 3.4.4 分解算法 | 第55页 |
| 3.4.5 缓存相关信息说明 | 第55-56页 |
| 3.5 小文件的读写流程与接口 | 第56-58页 |
| 3.5.1 小文件读 | 第56-57页 |
| 3.5.2 小文件写 | 第57-58页 |
| 3.6 实现 | 第58-59页 |
| 3.7 本章小结 | 第59-60页 |
| 第四章 小文件优化处理仿真及结果分析 | 第60-71页 |
| 4.1 HDFS原有读写过程 | 第60-63页 |
| 4.1.1 HDFS数据写入流程 | 第60-62页 |
| 4.1.2 HDFS的读出流程 | 第62-63页 |
| 4.2 带有小文件处理模块的HDFS读写实现过程 | 第63-64页 |
| 4.2.1 改进后的写入流程 | 第63页 |
| 4.2.2 改进后的读出流程 | 第63-64页 |
| 4.3 实验环境 | 第64-65页 |
| 4.4 仿真及分析 | 第65-70页 |
| 4.4.1 小文件读写时间性能测试及分析 | 第65-68页 |
| 4.4.2 Namenode备份元数据变化测试及分析 | 第68-70页 |
| 4.5 本章小结 | 第70-71页 |
| 总结与展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间发表的论文 | 第76-77页 |
| 致谢 | 第77页 |