發(fā)布時(shí)間：2017-03-21 11:00

  本文關(guān)鍵詞：基于內(nèi)存云架構(gòu)的帶寬負(fù)載均衡算法，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著網(wǎng)絡(luò)時(shí)代的到來(lái),以社交網(wǎng)絡(luò)為代表的在線數(shù)據(jù)密集型應(yīng)用迅速發(fā)展,在線密集型數(shù)據(jù)對(duì)數(shù)據(jù)的實(shí)時(shí)性、交互性、準(zhǔn)確性,而現(xiàn)有計(jì)算機(jī)系統(tǒng)采用的磁盤訪問(wèn)具有很高的延遲,已經(jīng)成為大數(shù)據(jù)時(shí)代的影響計(jì)算機(jī)性能的瓶頸。MapReduce、NoSQL等新型數(shù)據(jù)庫(kù)系統(tǒng)以及云計(jì)算的出現(xiàn),以其虛擬化、分布式的處理方式,大大提高了計(jì)算機(jī)系統(tǒng)的服務(wù)性能,但是都未能從根本上解決計(jì)算機(jī)磁盤的延遲問(wèn)題。近年來(lái)隨著內(nèi)存價(jià)格的不斷降低,其快速傳輸?shù)奶攸c(diǎn)成為了替代磁盤的選擇。內(nèi)存云RAMCloud是由內(nèi)存作為服務(wù)器存儲(chǔ)介質(zhì)的云系統(tǒng),它將云系統(tǒng)的數(shù)據(jù)中心從磁盤遷移至內(nèi)存中,實(shí)現(xiàn)數(shù)據(jù)在內(nèi)存與系統(tǒng)中的快速訪問(wèn),摒棄了磁盤訪問(wèn)時(shí)延大的缺點(diǎn),從根本上解決了磁盤瓶頸危機(jī)。但是在內(nèi)存云這一特殊的云服務(wù)器上,由于數(shù)據(jù)的頻繁訪問(wèn),服務(wù)器上內(nèi)存的帶寬會(huì)處于比較高的狀態(tài)。數(shù)據(jù)訪問(wèn)頻率存在差異性,內(nèi)存云服務(wù)器會(huì)出現(xiàn)內(nèi)存帶寬負(fù)載的不均衡,造成了服務(wù)器集群時(shí)延較和能耗增高以及帶寬資源利用的不均衡。內(nèi)存云數(shù)據(jù)中心采用段式日志結(jié)構(gòu)文件系統(tǒng),數(shù)據(jù)段的訪問(wèn)頻率決定了服務(wù)器的內(nèi)存帶寬負(fù)載情況,基于這一特性文章提出一種DSE(Data-Segments Exchanging,數(shù)據(jù)段交換)算法,周期性地對(duì)內(nèi)存帶寬負(fù)載不均衡的服務(wù)器上數(shù)據(jù)段,選取高內(nèi)存帶寬負(fù)載服務(wù)器上高訪問(wèn)頻率的數(shù)據(jù)段與低內(nèi)存帶寬負(fù)載服務(wù)器上低訪問(wèn)頻率的數(shù)據(jù)段,進(jìn)行相互交換,降低高內(nèi)存帶寬負(fù)載服務(wù)器的帶寬負(fù)載,升高低內(nèi)存帶寬負(fù)載服務(wù)器的帶寬負(fù)載,直到集群的帶寬負(fù)載達(dá)到均衡。仿真實(shí)驗(yàn)結(jié)果表明,DSE算法可以使內(nèi)存云集群的帶寬負(fù)載達(dá)到均衡,時(shí)延降低了12.61%,并且通過(guò)實(shí)驗(yàn)證實(shí)DSE算法使RAMCloud集群的能耗降低了34.28%,有效地提高了內(nèi)存云集群的性能。
【關(guān)鍵詞】：內(nèi)存云 在線數(shù)據(jù)密集型應(yīng)用 日志結(jié)構(gòu)文件結(jié)構(gòu) 帶寬負(fù)載均衡 DVFS
【學(xué)位授予單位】：新疆大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP333
【目錄】：

• 摘要2-3
• Abstract3-7
• 第一章 緒論7-11
• 1.1 研究背景及意義7-8
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀8-9
• 1.3 論文研究?jī)?nèi)容9-10
• 1.4 結(jié)構(gòu)安排10-11
• 第二章 相關(guān)研究11-26
• 2.1 磁盤危機(jī)概述11-17
• 2.1.1 磁盤危機(jī)的概述11-12
• 2.1.2 磁盤危機(jī)的相關(guān)研究12-17
• 2.2 內(nèi)存云概述17-23
• 2.2.1 內(nèi)存云概念17-21
• 2.2.2 內(nèi)存云的優(yōu)點(diǎn)21-22
• 2.2.3 內(nèi)存云的缺點(diǎn)22-23
• 2.3 內(nèi)存云的帶寬負(fù)載均衡23-25
• 2.3.1 內(nèi)存云帶寬負(fù)載均衡的概述23-24
• 2.3.2 內(nèi)存云帶寬負(fù)載均衡的研究24-25
• 2.4 本章小結(jié)25-26
• 第三章 RAMCloud的內(nèi)存帶寬模型26-33
• 3.1 內(nèi)存帶寬模型26-27
• 3.2 內(nèi)存時(shí)延模型27-29
• 3.3 RAMCloud的內(nèi)存帶寬模型29-30
• 3.4 RAMCloud的能耗模型30-32
• 3.4.1 能耗的定義30-31
• 3.4.2 RAMCloud的能耗模型31-32
• 3.5 本章小結(jié)32-33
• 第四章 DSE算法和DVFS策略33-38
• 4.1 DSE算法33-35
• 4.1.1 DSE算法的描述33
• 4.1.2 DSE算法的代碼33-35
• 4.1.3 算法的時(shí)間復(fù)雜度35
• 4.2 DVFS策略算法35-37
• 4.2.1 DVFS策略算法的描述35-36
• 4.2.2 DVFS策略算法的代碼36
• 4.2.3 DVFS策略算法的時(shí)間復(fù)雜度36-37
• 4.3 本章小結(jié)37-38
• 第五章 實(shí)驗(yàn)38-46
• 5.1 DSE算法帶寬利用率和時(shí)延的實(shí)驗(yàn)38-43
• 5.1.1 實(shí)驗(yàn) 1 DSE算法的一般性分析38-40
• 5.1.2 實(shí)驗(yàn)2集群服務(wù)器吞吐量低的實(shí)驗(yàn)40-41
• 5.1.3 實(shí)驗(yàn)3集群服務(wù)器吞吐量高的實(shí)驗(yàn)41-43
• 5.2 DSE算法的能耗分析43-45
• 5.2.1 實(shí)驗(yàn) 1 DSE算法能耗的一般性分析43-44
• 5.2.2 實(shí)驗(yàn) 2 DSE算法低負(fù)載的能耗分析44
• 5.2.3 實(shí)驗(yàn) 3 DSE算法在高負(fù)載的能耗分析44-45
• 5.3 本章小結(jié)45-46
• 第六章 結(jié)語(yǔ)與展望46-47
• 參考文獻(xiàn)47-52
• 在校期間發(fā)表論文情況52-53
• 致謝53-54

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 李紅燕,王力;日志結(jié)構(gòu)文件系統(tǒng)技術(shù)的研究[J];計(jì)算機(jī)應(yīng)用研究;2003年01期

  本文關(guān)鍵詞：基于內(nèi)存云架構(gòu)的帶寬負(fù)載均衡算法，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：259499