發(fā)布時間：2017-04-13 09:08

  本文關(guān)鍵詞：基于云存儲的密文調(diào)度算法的應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：互聯(lián)網(wǎng)、無線傳感網(wǎng)技術(shù)的發(fā)展促使數(shù)據(jù)的大量產(chǎn)生,引領(lǐng)我們進入了一個大數(shù)據(jù)的時代。為了處理這些數(shù)據(jù),云計算應(yīng)運而生。云存儲作為云計算在概念的延伸和擴展有兩點需求:第一,數(shù)據(jù)以托管的方式存儲在云服務(wù)器中,數(shù)據(jù)脫離了數(shù)據(jù)擁有者的控制范圍,為了防止數(shù)據(jù)信息泄露,需要以密文的方式保證數(shù)據(jù)安全性;第二,為了提升云存儲系統(tǒng)的存儲負載平衡、熱度負載平衡的性能,以及縮短用戶請求的平均等待時間,需要根據(jù)數(shù)據(jù)副本的特征為副本放置節(jié)點的選擇做出多目標優(yōu)化。針對云存儲的兩點需求并結(jié)合江蘇省科技廳產(chǎn)學(xué)研前瞻項目(BY2013015-23)的要求進行研究,本文主要研究了基于多目標決策的云存儲調(diào)度算法和基于LODS(Local Optimum Distribution)的云存儲密文調(diào)度算法兩方面內(nèi)容。本文的主要工作如下:(1)針對現(xiàn)有云存儲調(diào)度算法優(yōu)化目標比較單一的不足,研究了局部最佳分布策略(LODS)。LO DS通過給出一系列新定義、并利用一致性哈希函數(shù)縮小副本分布的節(jié)點選擇范圍,進一步結(jié)合層次分析法,以一定決策半徑內(nèi)的節(jié)點作為方案層中的候選對象,更深入地研究云存儲多目標優(yōu)化的準則,選擇出當(dāng)前候選方案中的最佳目標節(jié)點。實驗結(jié)果表明,通過優(yōu)化的最優(yōu)決策半徑取值相對穩(wěn)定,不隨云存儲系統(tǒng)規(guī)模的擴展和數(shù)據(jù)的增多而劇烈變化。當(dāng)決策半徑取最佳決策半徑時,LODS策略的性能高于所比較的文獻中的副本調(diào)度算法的性能。(2)現(xiàn)有的關(guān)鍵詞權(quán)重量化的方法沒有考慮關(guān)鍵詞的范圍屬性,不能對篇幅或結(jié)構(gòu)不同的文本進行相對公平的關(guān)鍵詞權(quán)重量化。針對這一不足,通過研究關(guān)鍵詞權(quán)重與關(guān)鍵詞作用范圍的關(guān)系,提出了基于關(guān)鍵詞重提取的密文文本的相關(guān)性度量方法(The Correlation Measure of C ipher Text Based on Keyword Re_extract,CMC TBK R),并將其應(yīng)用于度量密文副本與存儲節(jié)點的相關(guān)性�；诖颂岢鲆环N基于LODS的云存儲密文調(diào)度(C-LODS)算法。實驗結(jié)果表明,C-LODS算法可以實現(xiàn)云端的密文調(diào)度,并且在相關(guān)性副本的均衡性方面表現(xiàn)頗佳.
【關(guān)鍵詞】：云存儲 副本分布 密文調(diào)度 相關(guān)性度量 多目標優(yōu)化
【學(xué)位授予單位】：江南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP333
【目錄】：

• 摘要3-4
• Abstract4-7
• 第一章 緒論7-12
• 1.1 研究背景7
• 1.2 云存儲副本調(diào)度策略的研究現(xiàn)狀7-8
• 1.3 文本相關(guān)性度量的國內(nèi)外研究現(xiàn)狀8-10
• 1.4 本文的主要研究工作10-12
• 1.4.1 論文研究內(nèi)容10
• 1.4.2 論文的組織結(jié)構(gòu)10-12
• 第二章 云存儲副本調(diào)度策略和文本相關(guān)性度量概述12-23
• 2.1 引言12
• 2.2 云存儲副本調(diào)度策略12-18
• 2.2.1 GFS副本調(diào)度策略12-13
• 2.2.2 HDFS的副本調(diào)度策略13-14
• 2.2.3 Amazon Dynamo副本策略14-18
• 2.3 文本相關(guān)性度量方法概述18-22
• 2.3.1 文本相關(guān)性度量的一般步驟18-20
• 2.3.2 文本相關(guān)性度量方法的評價標準20-21
• 2.3.3 Shingling算法21
• 2.3.4 CDSDG算法21-22
• 2.4 本章小結(jié)22-23
• 第三章 基于多目標優(yōu)化的云存儲副本分布策略23-43
• 3.1 引言23
• 3.2 一致性哈希23-24
• 3.3 層次分析法24-29
• 3.3.1 層次分析法概述24-26
• 3.3.2 層次分析法的流程26-29
• 3.4 云存儲局部最佳分布策略(LODS)29-38
• 3.4.1 LODS的基本思想29-30
• 3.4.2 影響存儲節(jié)點選擇的因素分析30-33
• 3.4.3 層次分析模型33-35
• 3.4.4 LODS副本分布算法35-36
• 3.4.5 存儲節(jié)點的增加與刪除36-38
• 3.5 副本調(diào)度算法的性能評價38-39
• 3.5.1 存儲負載平衡38
• 3.5.2 熱度負載平衡38
• 3.5.3 副本存儲請求的平均等待時間38
• 3.5.4 決策時間38-39
• 3.6 實驗結(jié)果分析39-42
• 3.7 本章小結(jié)42-43
• 第四章 基于LODS的云存儲密文調(diào)度算法43-56
• 4.1 引言43
• 4.2 CMCTBKR文本相關(guān)性度量方法43-46
• 4.2.1 關(guān)鍵詞提取與權(quán)重量化43-44
• 4.2.2 文本關(guān)鍵信息提取和密文索引建立44-45
• 4.2.3 密文文本的相關(guān)性度量公式45
• 4.2.4 CMCTBKR方法的一般過程45-46
• 4.3 基于LODS的密文調(diào)度算法46-48
• 4.3.1 基于LODS密文調(diào)度算法層次分析模型的擴展46-47
• 4.3.2 副本與存儲節(jié)點相關(guān)性的成對比較矩陣47
• 4.3.3 相關(guān)副本平衡性的評價指標47
• 4.3.4 基于LODS的密文調(diào)度算法（C-LODS）47-48
• 4.4 實驗結(jié)果分析48-55
• 4.4.1 CMCTBKR與Shingling算法、CDSDG算法的性能比較48-52
• 4.4.2 最佳決策半徑的存在性和穩(wěn)定性驗證52-53
• 4.4.3 C-LODS性能分析53-55
• 4.5 本章小結(jié)55-56
• 第五章 總結(jié)與展望56-57
• 5.1 總結(jié)56
• 5.2 展望56-57
• 致謝57-58
• 參考文獻58-61
• 附錄： 作者在攻讀碩士學(xué)位期間發(fā)表的論文61

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 侯孟書;王曉斌;盧顯良;任立勇;;一種新的動態(tài)副本管理機制[J];計算機科學(xué);2006年09期

2 董繼光;陳衛(wèi)衛(wèi);吳海佳;田浪軍;;基于動態(tài)副本技術(shù)的云存儲負載均衡研究[J];計算機應(yīng)用研究;2012年09期

3 廖彬;于炯;張?zhí)?楊興耀;;基于分布式文件系統(tǒng)HDFS的節(jié)能算法[J];計算機學(xué)報;2013年05期

4 王振振;何明;杜永萍;;基于LDA主題模型的文本相似度計算[J];計算機科學(xué);2013年12期

5 詹志建;楊小平;;基于語言網(wǎng)絡(luò)和語義信息的文本相似度計算[J];計算機工程與應(yīng)用;2014年05期

6 王永洲;茅蘇;;HDFS中的一種數(shù)據(jù)放置策略[J];計算機技術(shù)與發(fā)展;2013年05期

  本文關(guān)鍵詞：基于云存儲的密文調(diào)度算法的應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：303252