HDFS数据副本存储的优化及对海量数据存储方法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 大数据存储的研究现状 | 第14-15页 |
| 1.2.1 国外的研究现状 | 第14-15页 |
| 1.2.2 国内的研究现状 | 第15页 |
| 1.3 大数据存储的特点及其难点 | 第15-16页 |
| 1.3.1 大数据存储的特点 | 第15页 |
| 1.3.2 大数据存储的难点 | 第15-16页 |
| 1.4 论文结构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 研究基础 | 第18-27页 |
| 2.1 Hadoop简介 | 第18-19页 |
| 2.1.1 Hadoop构架的优势 | 第18-19页 |
| 2.1.2 Hadoop构架下的项目 | 第19页 |
| 2.2 分布式文件系统HDFS | 第19-23页 |
| 2.2.1 分布式文件系统简介 | 第19-20页 |
| 2.2.2 HDFS的设计理念 | 第20页 |
| 2.2.3 HDFS的构架 | 第20-21页 |
| 2.2.4 名字节点和数据节点简介 | 第21-23页 |
| 2.3 MapReduce框架实现构架 | 第23-26页 |
| 2.3.1 MapReduce简介 | 第23-25页 |
| 2.3.2 MapReduce数据处理 | 第25页 |
| 2.3.3 执行分配的任务 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 HDFS对数据块多副本复制策略的优化 | 第27-41页 |
| 3.1 HDFS的数据块副本 | 第27-29页 |
| 3.1.1 详述分布式文件系统的构架 | 第27-28页 |
| 3.1.2 文件系统的存储过程 | 第28-29页 |
| 3.2 数据块副本存在的问题 | 第29页 |
| 3.3 对数据副本进行优化 | 第29-40页 |
| 3.3.1 基于概率模型选择副本存储个数 | 第31-33页 |
| 3.3.2 创建副本模型 | 第33-35页 |
| 3.3.3 副本放置策略 | 第35-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 对海量数据存储方法的研究 | 第41-53页 |
| 4.1 基于HBase对大数据存储方法的研究 | 第41-44页 |
| 4.1.1 HBase的体系结构 | 第42-43页 |
| 4.1.2 HRegionServer的管理过程 | 第43-44页 |
| 4.2 对大数据存储的主要解决方案 | 第44-48页 |
| 4.2.1 HDFS对小文件存储方案的改进 | 第46-47页 |
| 4.2.2 对改进的小文件存储方案的实现 | 第47-48页 |
| 4.3 HBase结合HDFS对大数据存储的实现 | 第48-52页 |
| 4.3.1 大数据存储前进行压缩 | 第48-50页 |
| 4.3.2 HBASE库表 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 实验结果及数据分析 | 第53-61页 |
| 5.1 试验环境 | 第53页 |
| 5.2 集群的搭建及配置 | 第53-57页 |
| 5.2.1 Hadoop配置 | 第54-55页 |
| 5.2.2 SSH配置 | 第55-56页 |
| 5.2.3 HBase的配置 | 第56-57页 |
| 5.3 实验结果分析 | 第57-60页 |
| 5.3.1 副本优化方案分析 | 第57-59页 |
| 5.3.2 HBase与HDFS结合存储方案分析 | 第59-60页 |
| 5.4 本章总结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 论文总结 | 第61-62页 |
| 6.2 未来工作展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
