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

分布式存储系统HBase性能调优方法的研究与实现

摘要第6-7页
ABSTRACT第7-8页
符号对照表第11-12页
缩略语对照表第12-15页
第一章 绪论第15-21页
    1.1 研究背景与意义第15-16页
    1.2 国内外研究现状第16-18页
    1.3 论文研究内容第18-19页
    1.4 论文组织结构第19-21页
第二章 相关理论与技术第21-29页
    2.1 正交试验设计第21-22页
    2.2 随机森林算法第22-23页
    2.3 遗传算法第23-24页
    2.4 HBase第24-26页
    2.5 YCSB工具第26-28页
    2.6 本章小结第28-29页
第三章 调优方法概述第29-43页
    3.1 HBase性能调优方法概述第29-31页
    3.2 特征选择与训练样本生成第31-36页
        3.2.1 性能特征选择第31-33页
        3.2.2 训练样本生成第33-36页
    3.3 基于随机森林的性能预测模型第36-42页
        3.3.1 数据预处理第36-37页
        3.3.2 预测模型生成第37-41页
        3.3.3 模型验证方法第41-42页
    3.4 本章小结第42-43页
第四章 调优方法实现第43-59页
    4.1 问题定义第43页
    4.2 优化方法概述第43-44页
    4.3 基于改进遗传算法的性能优化方法第44-57页
        4.3.1 初始化种群第45-46页
        4.3.2 解码第46-47页
        4.3.3 适应度函数第47-49页
        4.3.4 选择第49-52页
        4.3.5 交叉第52-55页
        4.3.6 变异第55-57页
    4.4 本章小结第57-59页
第五章 实验结果分析第59-71页
    5.1 实验环境与实验过程第59-63页
        5.1.1 实验环境第59-60页
        5.1.2 实验过程说明第60-63页
    5.2 HBase性能调优方法验证第63-68页
        5.2.1 预测模型验证分析第63-65页
        5.2.2 优化方法验证分析第65-68页
    5.3 性能调优方法在系统中的应用第68-70页
    5.4 本章小结第70-71页
第六章 总结与展望第71-73页
    6.1 本文工作总结第71-72页
    6.2 本文工作展望第72-73页
参考文献第73-77页
致谢第77-79页
作者简介第79-80页

论文共80页,点击 下载论文
上一篇:基于鼠标轨迹的用户情感分析方法研究
下一篇:基于深度学习的单帧图像超分辨率重建算法研究