掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
博士后文庫面向云存儲系統的高能效技術研究 版權信息
- ISBN：9787030647443
- 條形碼：9787030647443 ; 978-7-03-064744-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
博士后文庫面向云存儲系統的高能效技術研究 內容簡介
本書主要探討如何降低數據中心的重要組成部分-云存儲系統的能耗。在分析和調研現有云計算相關環境中的降耗技術的基礎上，針對目前云存儲系統中的降耗技術存在的問題。利用多種數據管理技術以層次遞進的方式，針對不同層面在降耗研究中還存在的問題，從不同的層面降低云存儲系統中的能耗。
博士后文庫面向云存儲系統的高能效技術研究 目錄
目錄
第1章 引言 1
1.1 研究背景 2
1.1.1 云計算技術及其框架 2
1.1.2 云存儲系統及其框架 4
1.2 云存儲系統的能耗現狀 5
1.3 研究內容和主要貢獻 6
1.4 研究思路和本書結構安排 8
1.4.1 研究思路 8
1.4.2 本書的結構安排 8
第2章 云計算能效的國內外研究現狀綜述 11
2.1 云計算系統中降耗技術概覽 11
2.2 存儲系統中能耗技術的國內外研究現狀 11
2.3 云計算相關環境中的降耗技術研究綜述的分類 15
2.3.1 面向整個云計算系統不同角度的能效技術綜述 15
2.3.2 云計算系統特定層面或特定部分的降耗技術綜述 17
2.3.3 云計算系統中各種降耗技術的綜述 19
2.3.4 云計算系統特定能效技術的綜述 20
2.3.5 其他的能效技術綜述 21
2.3.6 綜述分類的總結及觀察 22
2.4 云存儲環境中能耗感知的數據管理策略綜述 25
2.4.1 能耗感知的數據分類策略 25
2.4.2 能耗感知的數據放置策略 27
2.4.3 能耗感知的數據備份策略 30
2.4.4 能耗感知的數據管理策略綜述的總結及觀察結果 35
2.5 本章小結 37
第3章 基于數據訪問特性的聚類存儲方法 39
3.1 數據訪問的特性 39
3.1.1 數據的生命周期特性 40
3.1.2 數據訪問的潮汐特性 42
3.1.3 數據的季節性特性 47
3.1.4 小結 49
3.2 聚類分析方法 49
3.2.1 聚類分析概述 49
3.2.2 相似性度量 50
3.3 基于K-means的能耗感知的數據聚類存儲方法(K-ear) 54
3.3.1 分類數據集的描述 54
3.3.2 數據的預處理 81
3.3.3 數據的分類實現及其結果 82
3.3.4 基于K-means的能耗感知的數據分類算法(K-ear) 105
3.4 模擬實驗 131
3.4.1 不同的高速磁盤利用率與系統利用率的比值對比實驗 133
3.4.2 不同的季節性特性數據比例的對比實驗 138
3.4.3 不同潮汐特性數據比例的對比實驗 144
3.4.4 不同冷熱數據比例的對比實驗結果 151
3.5 本章小結 156
第4章 能效自適應的數據副本管理策略E2ARS 157
4.1 面向降耗的副本管理策略的相關研究 157
4.2 能效自適應的副本管理策略E2ARS的設計與實現 158
4.2.1 E2ARS系統框架 158
4.2.2 E2ARS算法 159
4.3 E2ARS能效性的數學分析 163
4.4 模擬實驗評估 165
4.4.1 不同的請求到達率對三種性能指標的影響 166
4.4.2 不同的預期響應時間對三種性能指標的影響 168
4.4.3 不同的副本個數對三種性能指標的影響 170
4.4.4 不同的數據塊平均并行度對三種性能指標的影響 171
4.4.5 E2ARS的額外開銷定性分析 173
4.5 本章小結 173
第5章 多樣化QoS約束的磁盤調度策略 174
5.1 QoS要求和多樣化的QoS 要求 174
5.2 相關術語及其定義 175
5.3 相關工作 176
5.4 多樣化QoS約束的磁盤調度策略MQDS的設計與實現 178
5.4.1 MQDS的系統框架 178
5.4.2 MQDS性能分析及評估 185
5.5 本章小結 195
第6章 總結與展望 197
6.1 總結 197
6.2 展望 198
6.2.1 現有工作的深入和完善 199
6.2.2 研究計劃 199
6.3 本章小結 206
參考文獻 208
附錄 217
編后記 241
彩圖
第1章 引言 1
1.1 研究背景 2
1.1.1 云計算技術及其框架 2
1.1.2 云存儲系統及其框架 4
1.2 云存儲系統的能耗現狀 5
1.3 研究內容和主要貢獻 6
1.4 研究思路和本書結構安排 8
1.4.1 研究思路 8
1.4.2 本書的結構安排 8
第2章 云計算能效的國內外研究現狀綜述 11
2.1 云計算系統中降耗技術概覽 11
2.2 存儲系統中能耗技術的國內外研究現狀 11
2.3 云計算相關環境中的降耗技術研究綜述的分類 15
2.3.1 面向整個云計算系統不同角度的能效技術綜述 15
2.3.2 云計算系統特定層面或特定部分的降耗技術綜述 17
2.3.3 云計算系統中各種降耗技術的綜述 19
2.3.4 云計算系統特定能效技術的綜述 20
2.3.5 其他的能效技術綜述 21
2.3.6 綜述分類的總結及觀察 22
2.4 云存儲環境中能耗感知的數據管理策略綜述 25
2.4.1 能耗感知的數據分類策略 25
2.4.2 能耗感知的數據放置策略 27
2.4.3 能耗感知的數據備份策略 30
2.4.4 能耗感知的數據管理策略綜述的總結及觀察結果 35
2.5 本章小結 37
第3章 基于數據訪問特性的聚類存儲方法 39
3.1 數據訪問的特性 39
3.1.1 數據的生命周期特性 40
3.1.2 數據訪問的潮汐特性 42
3.1.3 數據的季節性特性 47
3.1.4 小結 49
3.2 聚類分析方法 49
3.2.1 聚類分析概述 49
3.2.2 相似性度量 50
3.3 基于K-means的能耗感知的數據聚類存儲方法(K-ear) 54
3.3.1 分類數據集的描述 54
3.3.2 數據的預處理 81
3.3.3 數據的分類實現及其結果 82
3.3.4 基于K-means的能耗感知的數據分類算法(K-ear) 105
3.4 模擬實驗 131
3.4.1 不同的高速磁盤利用率與系統利用率的比值對比實驗 133
3.4.2 不同的季節性特性數據比例的對比實驗 138
3.4.3 不同潮汐特性數據比例的對比實驗 144
3.4.4 不同冷熱數據比例的對比實驗結果 151
3.5 本章小結 156
第4章 能效自適應的數據副本管理策略E2ARS 157
4.1 面向降耗的副本管理策略的相關研究 157
4.2 能效自適應的副本管理策略E2ARS的設計與實現 158
4.2.1 E2ARS系統框架 158
4.2.2 E2ARS算法 159
4.3 E2ARS能效性的數學分析 163
4.4 模擬實驗評估 165
4.4.1 不同的請求到達率對三種性能指標的影響 166
4.4.2 不同的預期響應時間對三種性能指標的影響 168
4.4.3 不同的副本個數對三種性能指標的影響 170
4.4.4 不同的數據塊平均并行度對三種性能指標的影響 171
4.4.5 E2ARS的額外開銷定性分析 173
4.5 本章小結 173
第5章 多樣化QoS約束的磁盤調度策略 174
5.1 QoS要求和多樣化的QoS 要求 174
5.2 相關術語及其定義 175
5.3 相關工作 176
5.4 多樣化QoS約束的磁盤調度策略MQDS的設計與實現 178
5.4.1 MQDS的系統框架 178
5.4.2 MQDS性能分析及評估 185
5.5 本章小結 195
第6章 總結與展望 197
6.1 總結 197
6.2 展望 198
6.2.1 現有工作的深入和完善 199
6.2.2 研究計劃 199
6.3 本章小結 206
參考文獻 208
附錄 217
編后記 241
彩圖
展開全部
書友推薦
- >
伊索寓言-世界文學名著典藏-全譯本
- >
羅庸西南聯大授課錄
- >
龍榆生：詞曲概論/大家小書
- >
伯納黛特,你要去哪(2021新版)
- >
名家帶你讀魯迅:故事新編
- >
月亮與六便士
- >
上帝之肋:男人的真實旅程
- >
莉莉和章魚
本類暢銷
