面向Restful Web Service的相似數(shù)據(jù)對象搜索技術
發(fā)布時間:2023-08-08 20:46
Roy T. F.在其2000年發(fā)表的博士論文Architectural Style and the Design ofNetwork-Based Software Architectures中提出了一種架構風格,即REST(Representational State Transfer)。在隨后的幾年中,采用REST原則設計的網站、Web應用及Web服務才逐漸出現(xiàn),而最近幾年的發(fā)展變得十分迅速。同時NOSQL數(shù)據(jù)庫的興起,也吹起了一股JSON熱潮,輕量級的JSON受到眾多開發(fā)人員的青睞。然而在當今的信息化和全球化的社會,人們對Web服務的性能包括響應時聞、傳輸速度等還提出了更高的要求。這對于用戶數(shù)量無比龐大且無時無刻不在產生Web服務的調用請求及應答的互聯(lián)網是個嚴峻的挑戰(zhàn)。因此對于基于JSON的Restful Web服務,本文主要研究這兩個問題:如何加快響應時間和節(jié)省網絡流量。 本文首先介紹了課題的相關背景和國內外的研究現(xiàn)狀,指出Restful Web服務所涉及到的一些基本概念關鍵技術。其次,分析了基于JSON的Restful Web服務性能。最后,本文分別對以下幾個問題進行重點研究...
【文章頁數(shù)】:59 頁
【學位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 研究背景
1.2 國內外研究現(xiàn)狀
1.2.1 半結構化數(shù)據(jù)
1.2.2 Web 服務性能表現(xiàn)
1.3 本文的研究思路
1.4 論文結構
第二章 Restful Web 服務相關概念及技術分析
2.1 Restful Web 服務
2.1.1 REST 概念
2.1.2 Restful Web 服務定義
2.1.3 面向資源的架構
2.2 關鍵技術
2.2.1 HTTP
2.2.2 XML/JSON
2.2.3 Web Service
2.2.4 WADL
2.3 基于 JSON 的 Restful Web 服務
2.3.1 JSON
2.3.2 JSON 和 XML 的比較
2.3.3 Web 服務分析
2.4 本章小結
第三章 JSON 數(shù)據(jù)的映射
3.1 動態(tài)提前綁定
3.2 JSON 數(shù)據(jù)映射模型
3.2.1 數(shù)據(jù)映射模板
3.2.2 基于下推自動機的 DMT 實現(xiàn)
3.3 實驗分析
3.4 本章小結
第四章 JSON 數(shù)據(jù)的多發(fā)技術
4.1 JSON 數(shù)據(jù)模型
4.2 相似度度量
4.2.1 傳統(tǒng)度量方法
4.2.2 布隆過濾器
4.2.3 基于 Bloom Filter 的 JSON 概要
4.2.4 相似度計算
4.3 壓縮和解壓縮
4.3.1 結構模板
4.3.2 數(shù)據(jù)分組
4.3.3 DataID
4.3.4 解壓縮
4.4 實驗分析
4.4.1 相同信息比和結構相似度
4.4.2 內容相似度
4.4.3 處理時間
4.5 本章小結
第五章 總結與展望
參考文獻
在讀期間公開發(fā)表的論文和承擔科研項目及取得成果
致謝
本文編號:3840453
【文章頁數(shù)】:59 頁
【學位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 研究背景
1.2 國內外研究現(xiàn)狀
1.2.1 半結構化數(shù)據(jù)
1.2.2 Web 服務性能表現(xiàn)
1.3 本文的研究思路
1.4 論文結構
第二章 Restful Web 服務相關概念及技術分析
2.1 Restful Web 服務
2.1.1 REST 概念
2.1.2 Restful Web 服務定義
2.1.3 面向資源的架構
2.2 關鍵技術
2.2.1 HTTP
2.2.2 XML/JSON
2.2.3 Web Service
2.2.4 WADL
2.3 基于 JSON 的 Restful Web 服務
2.3.1 JSON
2.3.2 JSON 和 XML 的比較
2.3.3 Web 服務分析
2.4 本章小結
第三章 JSON 數(shù)據(jù)的映射
3.1 動態(tài)提前綁定
3.2 JSON 數(shù)據(jù)映射模型
3.2.1 數(shù)據(jù)映射模板
3.2.2 基于下推自動機的 DMT 實現(xiàn)
3.3 實驗分析
3.4 本章小結
第四章 JSON 數(shù)據(jù)的多發(fā)技術
4.1 JSON 數(shù)據(jù)模型
4.2 相似度度量
4.2.1 傳統(tǒng)度量方法
4.2.2 布隆過濾器
4.2.3 基于 Bloom Filter 的 JSON 概要
4.2.4 相似度計算
4.3 壓縮和解壓縮
4.3.1 結構模板
4.3.2 數(shù)據(jù)分組
4.3.3 DataID
4.3.4 解壓縮
4.4 實驗分析
4.4.1 相同信息比和結構相似度
4.4.2 內容相似度
4.4.3 處理時間
4.5 本章小結
第五章 總結與展望
參考文獻
在讀期間公開發(fā)表的論文和承擔科研項目及取得成果
致謝
本文編號:3840453
本文鏈接:http://sikaile.net/guanlilunwen/ydhl/3840453.html
最近更新
教材專著