分布式数据库可协调的一致性策略的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.3 主要研究的内容 | 第14页 |
| 1.4 论文的章节安排 | 第14-16页 |
| 第2章 分布式数据库及区块链研究 | 第16-25页 |
| 2.1 分布式系统 | 第16页 |
| 2.2 NoSQL数据库 | 第16-20页 |
| 2.2.1 NoSQL数据库主要特点 | 第17-18页 |
| 2.2.2 NoSQL数据库分类 | 第18-20页 |
| 2.3 Cassandra数据库 | 第20-22页 |
| 2.3.1 Cassandra数据库特点 | 第20页 |
| 2.3.2 Cassandra数据模型 | 第20-22页 |
| 2.4 区块链技术及BigchainDB | 第22-25页 |
| 2.4.1 区块链简介 | 第22-23页 |
| 2.4.2 BigchainDB简介 | 第23-25页 |
| 第3章 一致性策略的研究与分析 | 第25-39页 |
| 3.1 主流的一致性策略 | 第25-29页 |
| 3.1.1 ACID原则和MVCC机制 | 第25-27页 |
| 3.1.2 向量时钟算法 | 第27-29页 |
| 3.2 一致性和可用性的权衡 | 第29-30页 |
| 3.2.1 BASE原则、CAP原则 | 第29-30页 |
| 3.2.2 NWR策略 | 第30页 |
| 3.3 Cassandra中的一致性策略 | 第30-35页 |
| 3.3.1 副本因子 | 第31页 |
| 3.3.2 写一致性级别 | 第31-32页 |
| 3.3.3 读一致性级别 | 第32-33页 |
| 3.3.4 一致性级别之间的影响 | 第33-34页 |
| 3.3.5 Hinted Handoff和读修复 | 第34-35页 |
| 3.3.6 时间戳和粒度 | 第35页 |
| 3.4 基于文件热度的自适应一致性策略 | 第35-39页 |
| 3.4.1 文件热度的计算方法 | 第35-36页 |
| 3.4.2 自适应副本一致性策略 | 第36-39页 |
| 第4章 可协调的一致性策略的设计 | 第39-55页 |
| 4.1 副本因子数自适应算法 | 第39-43页 |
| 4.1.1 参数定义 | 第39-41页 |
| 4.1.2 使用概率的方法估计数据读取异常的比率 | 第41-43页 |
| 4.2 可协调一致性策略设计 | 第43-52页 |
| 4.2.1 总体设计框架 | 第43-47页 |
| 4.2.2 关键技术研究 | 第47-52页 |
| 4.3 防止饥饿机制 | 第52-55页 |
| 第5章 可协调的一致性策略实验及结果分析 | 第55-64页 |
| 5.1 实验环境介绍 | 第55-57页 |
| 5.1.1 硬件介绍 | 第55页 |
| 5.1.2 软件介绍 | 第55-57页 |
| 5.2 测试工具和数据集 | 第57-59页 |
| 5.3 实验流程及参数设置 | 第59-63页 |
| 5.3.1 延迟实验 | 第59-60页 |
| 5.3.2 吞吐量实验 | 第60-62页 |
| 5.3.3 读数据异常实验 | 第62-63页 |
| 5.4 实验分析和小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |
