1? 大数据概述 1
1.1?大数据概述 2
1.2 大数据相关概念 4
1.3 大数据处理 8
1.4 大数据相关技术 10
1.4.1 物联网技术 10
1.4.2?云技术 11
1.4.3?移动互联技术 13
1.4.4?人工智能技术 15
1.5 大数据应用 16
2?大数据存储 21
2.1?高性能存储技术 21
2.1.1 存储介质 22
2.1.2 并行存储技术 36
2.1.3 缓存技术 48
2.1.4 预取技术 57
2.1.5 高速数据通道技术 63
2.2?云计算与云存储技术 64
2.2.1?云计算 65
2.2.2 云存储 75
3?大数据环境下高性能预取加权图模型 80
3.1 大数据存储系统中的顺序访问模式 81
3.1.1?顺序访问流长度信息的使用 84
3.1.2?不断增加的顺序访问 87
3.2?加权图模型 89
3.2.1?加权图的构建方法 91
3.2.2?及时更新加权图模型 96
3.3?模型有效性评估 99
3.3.1?基于加权图模型的预取算法 99
3.3.2?实验结果 100
3.3.3?模型敏感性研究 102
3.4?本章小结 104
4?多层存储系统中自适应顺序预取技术 105
4.1?第二层（底层）缓存特点 106
4.2?第二层缓存的管理 109
4.3?不同层级缓存下的顺序预取算法 114
4.4 自适应顺序预取 116
4.4.1?活动时间点缺失的评估 116
4.4.2?预测预取请求的精确度 119
4.4.3 自适应顺序预取算法及其实现 120
4.5?实验结果与性能分析 125
4.5.1?实验设置及其方法 126
4.5.2?顺序预取算法性能评估 127
4.5.3?页面活动时间点缺失评估的准确性 131
4.5.4?不同缓存管理算法下的顺序预取 134
4.6?本章小结 136
5?分布式大数据存储中条带化预取技术 138
5.1?并行磁盘系统的访问特点 139
5.2?预取算法及空间局部性 144
5.2.1?各种预取算法 144
5.2.2?空间局部性 147
5.3?基于空间局部性的条带化预取算法 148
5.3.1?确认预取数据区域 149
5.3.2 LSP算法描述 152
5.3.3 算法实现过程中的问题 155
5.4 性能评估 157
5.4.1 实验结果 158
5.4.2 不同配置下的预取性能 161
5.4.3 关于预取磁盘独立性的探讨 164
5.5?本章小结 167
6?面向存储并行性的缓存管理算法 169
6.1 并行磁盘系统缓存管理中的问题 169
6.2 并行磁盘系统中的并行性 172
6.2.1 并行性挖掘 172
6.2.2 说明示例 173
6.2.3 PCAR算法中的挑战 175
6.3 基于并行性缓存管理算法 176
6.3.1?如何形成并行队列以及顺序段 177
6.3.2 PCAR缓存替换算法 179
6.4 性能评估 182
6.4.1 不同日志下的实验结果 182
6.4.2 不同系统配置下的性能 185
6.5?本章小结 187
7?面向轨迹大数据的高性能大数据压缩技术 188
7.1 轨迹大数据概述 189
7.1.1 轨迹大数据问题定义 191
7.1.2?大数据管理 193
7.2?轨迹大数据压缩 195
7.2.1 轨迹大数据压缩国内外研究现状 195
7.2.2 基于SPARK的轨迹大数据压缩框架 200
7.3 时、空融合的轨迹大数据压缩 208
7.3.1 轨迹分解 209
7.3.2 空间路径压缩 211
7.3.3 时间序列压缩 217
7.4 实验与验证 221
7.5 本章小结 227
8?高性能轨迹大数据访问与检索 228
8.1 轨迹大数据研究现状 231
8.2 TSE高性能轨迹大数据检索 243
8.2.1 问题与挑战 244
8.2.2 问题模型与符号定义 246
8.2.3 基于路段的相似性度量 248
8.2.4 轻量级边与顶点索引 250
8.2.5 面向相似性搜索的剪枝技术 252
8.2.6?实验与验证 255
8.3 TSE检索并行优化 262
8.4 本章小结 271
参考文献/ 272
索?引/ 304
展开
