本文關(guān)鍵詞：基于Hadoop的海量醫(yī)療數(shù)據(jù)存儲(chǔ)系統(tǒng)的研究與實(shí)現(xiàn)

  更多相關(guān)文章： 海量數(shù)據(jù)存儲(chǔ) 醫(yī)療數(shù)據(jù) Hadoop HBase 負(fù)載均衡

【摘要】：隨著醫(yī)療信息化又健康又快速的發(fā)展,醫(yī)療數(shù)據(jù)迅速的涌現(xiàn)出來(lái)。然而,現(xiàn)存的醫(yī)療數(shù)據(jù)存儲(chǔ)平臺(tái)不能夠滿足日益增長(zhǎng)的海量數(shù)據(jù)的需求。因此,研究并開發(fā)一個(gè)有效的存儲(chǔ)平臺(tái)來(lái)管理和存儲(chǔ)這些海量醫(yī)療數(shù)據(jù)顯得尤其的重要。 云計(jì)算為目前所面臨的存儲(chǔ)分析醫(yī)療數(shù)據(jù)困難,提供了一種低成本、容錯(cuò)性強(qiáng)、高可擴(kuò)展性和可用性的解決方案。基于分布式計(jì)算技術(shù),本文提出了一種新的管理和存儲(chǔ)海量醫(yī)療數(shù)據(jù)的方法。它提供了一種基于Hadoop,使用Linux集群技術(shù)的海量數(shù)據(jù)存儲(chǔ)的解決方案。 基于云存儲(chǔ)和Hadoop技術(shù)在國(guó)內(nèi)外的研究現(xiàn)狀,本文設(shè)計(jì)了基于Hadoop的醫(yī)療存儲(chǔ)系統(tǒng),該系統(tǒng)包括三個(gè)部分：存儲(chǔ)中心、管理中心和應(yīng)用中心。數(shù)據(jù)存儲(chǔ)中心以HBase作為數(shù)據(jù)庫(kù),分布式文件系統(tǒng)為其提供了底層存儲(chǔ)支持。 本文對(duì)HDFS原有的負(fù)載均衡算法進(jìn)行改進(jìn),提出了一種多指標(biāo)的負(fù)載均衡算法,并將其應(yīng)用于本系統(tǒng)的管理中心,用來(lái)控制集群負(fù)載的分配和遷移。 本文對(duì)系統(tǒng)進(jìn)行了實(shí)現(xiàn),搭建了Hadoop集群環(huán)境,并在應(yīng)用中心,編寫了數(shù)據(jù)管理軟件,實(shí)現(xiàn)了數(shù)據(jù)的存儲(chǔ)、查看、檢索等功能。最后利用壓力測(cè)試實(shí)驗(yàn),驗(yàn)證了系統(tǒng)在高負(fù)載量的情況下,具有優(yōu)良的負(fù)載均衡性能。 論文最后總結(jié)了本文所做的工作,并對(duì)未來(lái)的工作進(jìn)行了展望,提出了下一步的研究方向。
【關(guān)鍵詞】：海量數(shù)據(jù)存儲(chǔ) 醫(yī)療數(shù)據(jù) Hadoop HBase 負(fù)載均衡
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP333
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 緒論9-15
• 1.1 論文背景與意義9-11
• 1.1.1 海量醫(yī)療數(shù)據(jù)9-10
• 1.1.2 云存儲(chǔ)技術(shù)10
• 1.1.3 Hadoop技術(shù)10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-12
• 1.3 本文主要工作及創(chuàng)新點(diǎn)12-13
• 1.4 本文組織結(jié)構(gòu)13-15
• 第二章 基于HADOOP的云存儲(chǔ)技術(shù)概述15-23
• 2.1 Hadoop分布式文件系統(tǒng)15-18
• 2.1.1 HDFS體系結(jié)構(gòu)介紹15-16
• 2.1.2 HDFS讀寫文件流程16-18
• 2.1.3 HDFS負(fù)載均衡策略18
• 2.2 MapReduce計(jì)算模型18-19
• 2.3 HBase數(shù)據(jù)庫(kù)19-21
• 2.3.1 概述19-20
• 2.3.2 系統(tǒng)框架20-21
• 2.3.3 HBase數(shù)據(jù)模型21
• 2.4 本章小結(jié)21-23
• 第三章 基于HADOOP的海量醫(yī)療數(shù)據(jù)存儲(chǔ)系統(tǒng)的設(shè)計(jì)23-39
• 3.1 系統(tǒng)需求與總體設(shè)計(jì)23-25
• 3.1.1 系統(tǒng)需求23-24
• 3.1.2 總體設(shè)計(jì)24-25
• 3.2 海量醫(yī)療數(shù)據(jù)存儲(chǔ)中心25-28
• 3.2.1 存儲(chǔ)架構(gòu)25-26
• 3.2.2 存儲(chǔ)表結(jié)構(gòu)的設(shè)計(jì)26-28
• 3.3 海量醫(yī)療數(shù)據(jù)管理中心28-37
• 3.3.1 負(fù)載均衡策略29-30
• 3.3.2 多指標(biāo)負(fù)載均衡算法30-37
• 3.4 海量醫(yī)療數(shù)據(jù)應(yīng)用中心37-38
• 3.5 本章小結(jié)38-39
• 第四章 基于HADOOP的海量醫(yī)療數(shù)據(jù)存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)39-61
• 4.1 Hadoop集群環(huán)境的配置39-44
• 4.1.1 Hadoop集群介紹及硬件配置39-40
• 4.1.2 Hadoop集群軟件環(huán)境配置40-41
• 4.1.3 Hadoop集群的運(yùn)行41-44
• 4.2 Hadoop醫(yī)療存儲(chǔ)系統(tǒng)的功能設(shè)計(jì)44-46
• 4.3 數(shù)據(jù)庫(kù)設(shè)計(jì)46-49
• 4.4 Hadoop醫(yī)療存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)49-55
• 4.4.1 用戶登錄模塊49
• 4.4.2 用戶管理模塊49-50
• 4.4.3 醫(yī)療數(shù)據(jù)管理模塊50-55
• 4.5 系統(tǒng)性能測(cè)試及結(jié)果分析55-59
• 4.5.1 實(shí)驗(yàn)環(huán)境55
• 4.5.2 實(shí)驗(yàn)設(shè)計(jì)55-57
• 4.5.3 實(shí)驗(yàn)結(jié)果及分析57-59
• 4.6 本章小結(jié)59-61
• 第五章 總結(jié)與展望61-63
• 5.1 總結(jié)61-62
• 5.2 展望62-63
• 參考文獻(xiàn)63-65
• 致謝65-66
• 作者攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄66

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 李坤;王百杰;;服務(wù)器集群負(fù)載均衡技術(shù)研究及算法比較[J];計(jì)算機(jī)與現(xiàn)代化;2009年08期

2 陳慶奎;周利珍;;基于HBase的大規(guī)模無(wú)線傳感網(wǎng)絡(luò)數(shù)據(jù)存儲(chǔ)系統(tǒng)[J];計(jì)算機(jī)應(yīng)用;2012年07期

，

本文編號(hào)：806193