一、可扩展并行Web服务器群技术的研究（论文文献综述）
胡小康[1]（2020）在《云数据中心性能与安全关键问题研究》文中研究指明随着云计算的广泛部署和应用,传统的互联网数据中心正在向云数据中心演变。性能和安全是长期伴随云数据中心的重要议题,本论文以云数据中心的性能与安全为主线,紧跟学术界和工业界发展趋势,从系统虚拟化、异构加速器、敏感数据安全这三个重要又相互联系的性能和安全研究方向展开,总结亟需解决的三个关键科学问题并加以研究,分别为I/O虚拟化事件通路,云数据中心异构计算I/O协同交互,以及云环境租户私钥保护与使用。系统虚拟化的研究重点在于I/O虚拟化,I/O虚拟化的主要性能瓶颈在于事件通路:虚拟机监控器（VMM）的频繁介入造成大量昂贵的VM-Exit。本论文首先研究I/O虚拟化事件通路这一性能关键问题,构建高效虚拟I/O事件通路。早期软件解决方案的缺陷促使了硬件辅助Posted-Interrupt（PI）技术的诞生,提供无Exit的虚拟中断递交和完成。尽管如此,PI距离最优虚拟I/O事件通路仍存在挑战:其一,PI仅作用于中断路径,但虚拟机I/O请求也会引发大量VM-Exit;其二,基于PI的虚拟中断递交仍可能会受虚拟CPU调度影响,造成I/O处理延迟。以构建最优虚拟I/O事件通路为目标,本文基于PI提出高效低延迟虚拟I/O事件系统ES2,同时提升虚拟机与其设备之间的双向I/O事件递交。ES2首先引入混合I/O处理机制高效传递虚拟机的I/O请求,此混合机制在已有的基于Exit的通知模式和新添加的无Exit的轮询模式之间适时切换,同时攫取两种模式的优点,并提供通用的感知模式切换和专用的乐观模式切换两种算法。其次,ES2使用智能中断重定向策略优化PI递交,将虚拟中断重定向至最合适的虚拟CPU从而有效提升虚拟机的I/O响应性,在挑选最合适的中断目的虚拟CPU时,如果存在多个备选则优先考虑缓存亲和性确保I/O处理性能,并对需要定位最先运行虚拟CPU的情形提供了精确递交策略。综合性实验表明ES2可以有效减少I/O相关VM-Exit,在吞吐量和I/O延迟两方面大幅提高I/O虚拟化性能,并且具备良好的性能可扩展性。I/O虚拟化的发展促进了异构加速器（新型I/O设备）上云,成为云数据中心提升算力的有力解决方案,当前的研究重点在于如何提升系统/应用加速性能,其关键不仅仅在于加速器本身,I/O协同交互（即卸载I/O）同样非常重要。本论文接着研究云数据中心异构计算I/O协同交互这一性能关键问题,使得CPU和加速器之间可以紧密协同,有效提升加速性能。本文选择广泛部署的事件驱动型Web负载作为研究对象,首先剖析直接引入异构加速器（直接卸载模式）存在的性能瓶颈,即卸载I/O中的频繁阻塞;然后分析并对比基于Intel QAT设备的两种新型高性能卸载模式,即SSL/TLS异步卸载模式（异步并发）和HTTP压缩流水线卸载模式（同步并发）,这两种创新卸载模式均允许单一应用进程/线程并发地提交卸载任务,继而分摊甚至消除阻塞造成的性能损失,且显着提高加速器内部并行计算单元的利用率。在深度分析SSL/TLS异步卸载模式的基础上,本文提出了两点重要性能优化,进一步提升I/O协同交互的效率:其一是引入启发式轮询机制,集成至应用内部以避免可能的频繁线程切换,并利用应用层知识来指导轮询行为,兼顾效率和及时性;其二是提供绕过内核的异步通知机制,通过避免异步事件递交造成的昂贵用户态/内核态切换来进一步提升应用加速性能。此外,在基于Nginx的原型实现中,本文将Nginx中的简单SSL Engine设置机制扩展为SSL Engine框架,既支持灵活强大的加速器功能配置,也方便开发者集成不同种类的加密加速器。丰富的实验表明SSL/TLS异步卸载模式和HTTP压缩流水线卸载模式均能显着提升系统加速性能,本文设计实现的两点性能优化也能带来进一步的性能提升。综合上述的分析、性能优化以及实验评估,本文可以得出一系列研究结论,为云数据中心负载引入异构加速器、实现高性能卸载提供参考。异构加速器的兴起为同时实现私钥安全和高性能密码学运算提供了新的可能性,但却不一定能够直接适应云环境。本论文最后研究云环境租户私钥保护与使用这一安全与性能关键问题,目标是在保护租户私钥的同时兼顾运算性能。现有的Keyless和Keyguard策略存在性能或安全性上的局限性,以Intel KPT为代表的新型架构使用可信安全模块（TPM）建立信任、部署密钥,并引入加密加速器卸载高开销的加密运算,然而直接将这种新型“类KPT架构”用于云租户私钥保护存在可扩展性（支持足够数量的共驻虚拟机/容器）、密钥部署延迟和透明性上的挑战。本文设计了综合性密钥管理系统Cloud KPT去解决上述挑战:基于密钥包装的思路,Cloud KPT为每个云租户随机生成唯一的租户对称密钥（TSK）作为使用类KPT硬件的主密钥并加密该租户的所有私钥,以此解决可扩展性和密钥部署延迟这两个挑战;加密私钥被租户用于应用部署,Cloud KPT使用从加速器Engine加载私钥的策略配合私钥特殊加密方式,使得上层应用和加密库不会感知到底层的底层的密钥保护机制,从而解决透明性挑战。考虑到TSK代替私钥成为租户最重要的密钥,Cloud KPT在TPM 2.0密钥复制协议的基础上引入证书信任来确保TSK部署的安全性,不仅满足传输安全,而且在目的存储处受真实TPM保护,并只能被合法租户所使用。对于需要安全TSK存储的云端密钥服务器实现方案,Cloud KPT提供了基于TPM的两阶段TSK复制机制,同时兼有高安全性、低成本以及灵活密钥部署等多项优点。此外,本文也呈现了以SGX作为可信硬件技术的Cloud KPT复用方案,提供了直接复用和间接复用两种设计思路。综合性实验表明Cloud KPT可以极大地扩展私钥保护容量,有效减少密钥部署延迟,运行时开销也很低,且得益于硬件加速,Cloud KPT仍能提供远超软件基准的私钥运算和SSL/TLS性能。
张新苹[2]（2018）在《超级基站全局计算资源管理系统的研究与实现》文中研究说明超级基站是一种集中式接入网架构,通过虚拟化和资源管控等技术将集中式部署的处理资源进行池化和按需分配以提高系统资源利用率,本课题重点关注的是资源管控技术。全局计算资源管理系统作为管控软件的核心组件,负责为虚拟基站分配计算资源和资源调整,支持计算资源的动态伸缩等功能,对提高计算资源的利用率具有重要意义。本文基于超级基站架构下研究和实现全局计算管理系统,包括研究资源分配算法和迁移决策算法、设计计算资源管理系统的架构并实现其功能、给出系统测试方案及测试结果。论文的主要工作如下:1.考虑到虚拟基站对不同类型计算资源的需求不同,本文提出了基于超级基站的资源分配算法,利用资源分配均衡策略分配基站处理资源。另外,针对突发负载造成基站处理资源不足的情况,设计迁移决策算法。选择内存占用最小的虚拟基站作为迁出对象,迁入虚拟基站后剩余资源利用率最高的服务器作为迁入主机。仿真结果表明,算法有效的减少了开启物理服务器的个数并提高了物理服务器的资源利用率。2.基于系统的需求分析,设计和实现了计算资源管理系统。考虑到系统的低耦合性,采用功能模块化设计系统的内部模块,包括系统数据库、资源分配、资源监测、数据存取、板卡信息更新模块,针对每个模块存在的问题定制详细的设计方案和流程图;考虑到系统的安全性,读写数据库的操作全部交由数据存取模块完成,并设计了资源合法检测机制;考虑到系统的高效性,设计了模块内部的并发机制。3.本文从单元测试、集成测试、系统测试三个方面对计算资源管理系统进行测试,给出测试方案和测试结果。其中单元测试验证了模块的功能及性能;集成测试确保了各模块之间接口的准确性;设计合理的测试例进行系统测试,验证系统功能。通过以上测试保证计算资源管理系统的高效稳定运行。
范建永[3]（2013）在《基于Hadoop的云GIS若干关键技术研究》文中提出云计算是互联网计算发展到一定阶段的产物,是并行计算、网格计算等多种新型计算方式演进的最新结果。云计算无限扩展的存储技术可以满足快速增长的空间数据对存储空间的需求,强大的计算能力可为空间信息的检索、处理、分析等提供高速的服务保证。本文针对GIS当前所面临的海量数据存储、处理、分析与持续服务等问题,结合GIS和云计算的特点,将开源Hadoop云计算平台应用到空间信息服务领域,研究利用Hadoop云计算平台提供的分布式存储能力和并行计算能力,构建基于Hadoop的GIS应用,并对其中的一些关键技术进行研究。本文主要工作如下:（1）在分析商业云GIS体系结构的基础上,设计了基于Hadoop的云GIS体系结构。体系结构包括物理设备层、平台层、软件层、应用层等4层,以及横跨多个层次的用户管理、服务管理、资源管理、监控系统、容灾备份、运营管理等服务。设计了基于Hadoop的云GIS部署模式。整个基于Hadoop的云GIS系统由平台管理门户、GIS Web服务器集群及多个Hadoop集群组成。分析了体系结构特点,为后面的研究内容奠定了基础。（2）本文在空间信息格网单元和OGC简单要素规范基础上,结合矢量数据的特点,利用格网单元ID的唯一性、多尺度性及索引性,提出了一种以格网单元为存储单位的矢量数据存储方案;结合矢量要素的定性属性数据,设计了矢量数据的存储格式“GWKT（Grid Well-know Text）”;为了达到矢量要素标识全球唯一,本文基于格网单元和Hilbert曲线的Base16编码,结合HBase数据库的特点,设计了矢量要素标识的编码,并实现了编码的生成算法;研究实现了基于单调链的矢量要素分割与合并算法,可有效的分割和合并线状和面状要素;在HBase基础上,扩展了HBase的数据类型及其过滤器,实现了属性数据的快速查询。（3）针对海量空间数据处理能力不足问题,设计了基于HDFS的矢量数据存储格式,实现了基于MapReduce的矢量数据分割入库并行处理模型;在MapReduce数据过滤器的基础上,设计了适合基于格网单元的空间数据并行计算模型,并以矢量数据缓冲区分析作为实例进行了验证;设计实现了基于MapReduce的kNN空间数据查询算法;分析了基于MapReduce的空间数据并行计算效率。（4）在空间信息服务方面,本文在OGC标准服务基础上,对服务参数进行了扩展,设计了云GIS空间信息服务分层体系结构,实现了基于空间信息多级格网的WMS、WMTS、WFS和WPS等服务;设计实现了空间信息服务接口,以实现客户端与服务器端的完全解耦。（5）在前文研究基础上,设计并实现了基于Hadoop的云GIS原型系统,完成了海量栅格与矢量数据的高效存储与管理、空间数据并行计算以及基于Hadoop的空间信息服务等关键模块;并对相关模块做了性能测试,验证了本文提出的相关存储模型和计算模型的可行性、有效性以及高效性。
李源林[4]（2013）在《基于服务器虚拟化的网络GIS集群关键技术研究》文中研究指明地理信息系统（GIS）与互联网的结合,拓展了GIS的新领域和新途径,极大的促进了地理空间信息的应用推广,让跨地区和跨行业的空间信息共享更加方便,也使基于地理信息的大众化应用得以快速发展。计算机硬件性能的快速提高,软件领域新构架新算法的推出,以及GIS学科的不断进步,都推动了网络GIS的快速发展。网络GIS应用的不断深入,带来了一些新的问题和挑战,表现有：互联网巨大的用户量和GIS海量数据给网络GIS应用带来很大的性能压力；软件落后于硬件发展的现状,使得新硬件对网络GIS系统性能提升作用受限；传统的网络GIS软件和开发模型不足以满足GIS应用快速开发的需求。网络GIS集群继承了计算机集群的特点,保证了服务和应用的稳定,极大的缓解了服务端压力,同时方便扩展。负载均衡策略和算法是集群的一项关键技术,算法的改进对提升集群性能和稳定性意义重大,也是各研究领域包括网络GIS的研究热点。服务器虚拟化技术提供了建设集群的新方法,利用它可以很便利的使用各类服务器和PC来构建虚拟集群,已经有不少学者和GIS厂商的研究人员提出了构建虚拟化网络GIS集群的方法和模型,各自有其特色和不足。本文结合国家科技支撑计划项目“地理空间信息工具集网络服务平台研发”,主要围绕基于服务器虚拟化的网络GIS集群的应用模型和关键技术的实现方法,重点研究网络GIS集群模型的构建方法、虚拟资源的分配技术、负载均衡调度策略和算法、服务与接口模型等一系列关键问题。在此基础上设计结构合理的网络GIS集群模型,解决集群中虚拟资源的动态分配问题,实现符合GIS应用特点的负载均衡算法,设计简明实用的网络GIS服务与接口模型。本文具体的研究工作如下：（1）研究分析了服务器虚拟化技术、网络GIS以及集群技术的研究现状和发展趋势,指出虚拟化和集群在提高硬件资源利用率、系统性能和可用性等方面具有独特的优势,是提高网络GIS集群可靠性和性能的有效技术手段。同时虚拟化和集群发展中存在着一些问题和难点,例如性能损耗、负载调度等,都成为GIS集群优化工作所要研究和解决的问题。（2）研究了虚拟化网络GIS集群结构模型。在研究服务器虚拟化的特点和实现的技术层次基础上,指出虚拟化技术是提高服务器硬件尤其是处理器利用率的有效手段,在基于多核处理器的微小型服务器迅速发展的当前,构建于廉价服务器之上的集群系统能够处理时空复杂度高的计算密集型问题,并可应用于GIS领域。以国内外主流GIS平台提供商的集群结构为研究目标做了分析和对比,结合服务器虚拟化技术,提出了一种网络GIS集群结构模型,该模型采用处理器核心、操作系统、GIS服务实例数量之间的1：1：1映射关系建立集群,并用实验测试的方法将其与单物理服务器多GIS服务实例的方案进行对比。（3）研究了虚拟化网络GIS集群资源分配技术。分析了虚拟机资源分配的一般方法和虚拟机放置策略,提出了一种基于集群负载预测的资源动态分配技术。对集群的中长期历史负载进行了时间序列建模,并以一组气象数据为实验对象进行了预测建模实验,在负载预测的基础上设计了虚拟机放置时机决策的策略和算法,以及基于最少优先策略的虚拟机放置目标选择算法,并描述了上述算法流程和伪代码。设计了基于分配算法的实验场景并在气象应用上进行测试,对分配技术进行验证。（4）研究了虚拟化网络GIS集群负载均衡算法。首先研究了遗传算法特点,以及它在负载均衡调度上的应用情况,表明它对网络GIS负载均衡调度同样具备适应性和和鲁棒性。根据GIS运算和应用的特殊性和复杂性,建立了基于任务优先级和执行时间的GIS任务模型,作为遗传算法基因编码依据,设计了用于负载均衡的遗传算法,包括适应度函数、遗传算子以及控制参数,并形成了算法流程。最后将算法插入网络GIS集群负载均衡模块进行了实验测试。（5）研究了虚拟化网络GIS集群服务与接口模型。在研究空间数据共享问题和面向服务构架的问题基础上,针对SOA结构厚重,数据模型复杂的不足,提出了基于ROA的轻量级GIS集群服务与接口模型,以及基于RIA的跨浏览器的客户端模型,降低了接口模型复杂度,方便用户使用。（6）研究了虚拟化网络GIS集群服务原型系统。设计并建立了基于服务器虚拟化技术的网络GIS集群原型框架,从具体技术实现的角度进行了原型的分析与描述。以气象行业某应用为研究和实验对象,将虚拟化网络GIS集群原型付诸实践,并进行性能测试,验证集群原型的可行性和合理性。
梁锐[5]（2013）在《基于Web服务器集群的负载均衡系统研究与实现》文中研究指明随着信息时代的高速发展,互联网已成为人们工作与生活中不可缺少的部分。国内外互联网环境表现为：第一,网民基数大并呈上升趋势；第二,网络访问量大；第三,依附于互联网上的大型商务活动将趋向于普遍。提供最佳的Web服务的方法是建立Web服务器集群,而Web服务器集群核心是负载均衡的调度策略。本文研究的目的是在上述环境下,缩短请求响应时间,使Web服务器集群较好地提供高可用高扩展性服务。提出基于动态信息反馈负载均衡,人工神经网络与遗传算法三者结合而成的负载均衡分配策略,并基于新分配策略设计与实现了负载均衡系统。主要研究内容如下：第一,研究基于动态信息反馈策略,对周期收集的各节点信息,采用可靠因子计算集群综合平均指标,基于平均指标修正分配比例,进行请求分发。第二,研究人工神经网络在动态反馈策略的应用,基于动态反馈数据,详述神经网络的设计,当节点数目大时采用CPU利用率、内存利用率、磁盘读写率、连接率四个指标综合量作为输入,采用动态学习率,进行人工神经网络训练。第三,研究遗传算法在动态调度策略的应用。基于集群全局节点负载均衡为目标函数。以人工神经神经网络输出权重作为遗传算法初始值,达到权重修正效果,得到全局最优的权重分配策略。第四,基于前三者结合的策略与中心处理模型,详细地论述了负载均衡系统的设计与实现过程,即对接收、分发、分类、策略、信息收集、调度和监控模块的设计与实现。其中策略模块采用策略与单例模式设计,运用joone与jgap实现；信息交换模块采用Sigar实现；监控器采用MVC模式设计,结合Ajax与jFreet技术实现。最后,构建测试环境,利用Jmeter模拟多用户并发测试,并对负载均衡系统进行性能的压力测试。结论表明,在本文构建的实验环境下,运用本文所述的策略优于轮换调度策略。这些内容对集群系统中相关研究有一定的参考价值,具有一定的借鉴意义。
张帆[6]（2013）在《认知可重构的高效能Web服务体系结构研究》文中提出通常Web服务的能力依赖于通用计算平台性能的提高，但是Web服务本身的业务特征和流量规律却与通用计算机体系中以科学计算为中心的设计初衷不尽相同，因此，Web服务的性能和效能无法直接从通用计算机性能的提高中获得预期的进步。在大规模数据中心（Internet Data Center，简称IDC）应用中，随着规模和负荷动态范围的增大，Web服务的高能耗问题更加严重，已经成为高效能Web服务发展的瓶颈。为了解决这个问题，人们采取了多核处理、缓存预取、前端加速等多种研究思路，也取得了一定的理论和实践成果。这些研究成果在一定条件下获得了改进，但却未从体系结构上解决如何使服务体系与承载系统相匹配的问题。本文从体系结构着手，提出了适合Web业务特征和流量特点的架构。论文进行了如下创新性的工作：提出了基于认知的主动重构Web服务体系结构（Proactive Reconfigurable Web serviceArchitecture，简称PRWA）；提出了PRWA模型的形式化定义；给出了PRWA模型的运行机理；导出了PRWA模型与现有体系结构模型之间的演化规律；理论证明了PRWA模型是一种面向Web服务的高效能模型。提出了混合可重构Web处理阵列（Hybrid Reconfigurable Web service Array，简称HRWA）；给出了基于Web服务运算处理规律的算粒特征；提出了算粒提取的形式化描述方法；设计了设计了相关的原理验证系统；证明了HRWA结构是一种面向Web服务高效能计算结构。提出了面向Web服务的智能混合存储结构（Smart Hybrid Memory Architecture，简称SHMA）；基于Web服务的数据结构和存储访问特征，设计了面向Web服务的智能混合存储体系；通过对词频统计和流媒体这两类典型Web服务的验证，证明了SHMA结构是一种面向Web服务的高效存储结构。设计并实现了一种基于PRWA模型的高效能Web验证平台，经过实测，验证了该平台的Web服务能效比达到普通服务器的十倍以上。
刘枫[7]（2011）在《基于Google云计算平台的Web应用系统设计及实现》文中提出云计算是最近几年发展起来的一种基于互联网的商业计算模式,其核心是Web应用。云计算应用服务目前尚处在开发阶段,有许多问题值得研究。本文基于Google云计算平台,运用手持移动终端开源手机操作系统（Google Android）和云计算服务平台（Google App Engine,GAE）设计实现了一个简单的Web应用系统。Android操作系统具有极大的开放性和兼容性,为开发人员提供了一个非常便捷的开发环境。在分析讨论Android应用系统设计原理的基础上,给出了基于Android平台智能手机与服务器信息交互技术、获取并解析JSON数据的方法。作为设计实例,实现了一个Android智能手机图书查询系统软件,并在模拟器及真机上通过调试运行。云计算作为一种以互联网为中心的新兴计算技术,将会越来越多地推动Web服务模式的变革和发展。针对云计算应用,在讨论Google云计算服务体系架构、实现机制和算法流程的基础上,以Google App Engine开发平台为例,讨论了如何利用其集成环境设计、部署一个Web应用服务,并通过一个Web应用服务实例,给出了Google App Engine for Java应用程序的基本开发流程,设计实现了一个基于GAE的Web网站云存储系统应用程序,并在本地通过调试运行,可以部署在相关托管网站上提供云存储服务。本文所设计实现的Web应用系统界面友好、操作方便、实用性强;手机图书信息查询系统软件在模拟器和真机上通过调试,运行结果满意,设计实现的Web网站云存储软件为信息化建设的云计算应用提供了应用范例。
马卫锋[8]（2011）在《基于Linux集群系统的负载均衡算法研究及在Webgis中的应用》文中进行了进一步梳理随着计算机网络的普及和网络用户数的迅猛增长,传统的大型服务器很难满足高并发的大量用户的访问需求,而集群技术正是为了解决该问题。由于集群系统所具有的诸多优点,比如很强的可伸缩性、高可用性,因此得到了广泛企业用户的青睐。负载均衡是集群系统的关键组成部分,也是提高集群性能的关键因素之一,本文主要研究了Linux集群的负载均衡和负载均衡调度算法。本文首先介绍了当前集群的发展状况、应用领域、集群的评测标准,负载均衡实现技术,随后介绍了集群的通用体系结构、软件的层次结构,着重分析了现有调度算法和基于IP层的调度模式。LVS集群的调度算法目前还是无反馈节点信息的负载调度,适合少量用户的访问。对于大规模高并发访问依然存在效率低,稳定性比较差,可用性差等问题。最后在分析原有调度算法存在不足的基础上,本文提出设计了一种新的适合webgis的调度算法,该算法通过收集真是服务器的真实负载信息,并且通过设定一定的阀值,来合理调度任务,达到最大的负载均衡。本文通过设计一整套webgis机群服务器系统,包括集群架构,集群监视,布设webgis环境,并且应用新的调度算法,用Loadrunner进行高并发测试,多用户访问,并且通过分析测试结果,得出新的算法的优劣。
袁俊超[9]（2010）在《G/S模式下分布式空间数据服务器群中的元数据组织与管理》文中进行了进一步梳理信息化是社会进步的重要手段之一。当前以计算机技术,通讯技术和网络技术为代表的现代信息技术,使人类对信息资源的利用进入了高效、专业化、多样化、共享化的现代阶段。信息已经成为生产力发展的重要核心和国家的战略资源。因此组织和管理大型数据集的复杂性正成为数据生产者和用户的最突出问题。数据生产者需要有效的数据管理和维护办法;用户需要找到更快、更加全面和有效的方法,以便发现、访问、获取和使用现势性强、精度高、易管理和易访问的数据。在这种情况下,数据的内容、质量、状况等元数据信息变得更加重要,成为信息资源有效管理和应用的重要手段。美国副总统戈尔在其有关“数字地球”的讲话中也把元数据作为数字地球的重要支撑条件之一。本文首先在分析G/S分布式空间数据服务器群的基础上,介绍了G/S模式理论,包括G/S模式的系统模型、G/S模式的特点和优势以及G/S模式的关键技术。本文在介绍HGML技术基础上,着重分析了HGML的概念、特点以及HGML的解析技术和查询技术。同时,还分析了目前元数据的现状、作用和意义,而元数据的定义目前还不统一。所以根据实际项目的需要,本文设计出了元数据的基本内容。然后根据目前的G/S模式分布式空间数据服务器群,提出了元数据组织与管理的总体架构。根据总体架构的特点,采用Socket通信技术,结合多线程编程技术,设计出来一种针对G/S下的分布式空间数据服务器群的元数据组织与管理的原型系统,最后在原型系统的基础上,对元数据的更新功能进行实现。本文成果主要体现在以下四个方面:第一,根据G/S模式G端的需求,以及元数据的定义,设计出了元数据的基本内容。第二,在G/S模式下采用了HGML实现元数据的组织与管理。第三,在分布式空间数据服务器群中,采用单个Master节点来管理MetaDataServer节点,并以此设计了元数据组织与管理的原型系统。第四,在实现原型系统的基础上,根据HTTP原理,实现了元数据的更新功能。
侯秀杰[10]（2009）在《Web Server Cluster系统负载均衡技术探讨》文中认为Web服务的高性能、高可用问题已经成为Web服务领域研究的热点。传统单纯增加Web服务器硬件性能,已无法满足日益增加的用户对服务能力的要求。Web集群服务器系统是解决当前Web服务性能问题的有效途径之一,它将用户的请求按照负载均衡算法分发到机群中的某台服务器上,并行处理用户的请求,从而提高系统运行效率,提高整个系统的性能。本文首先分析了Web服务器机群系统的基本理论及关键技术,对当前Web服务器机群进行分类研究,分析了其核心技术:基于OSI模型的L4-L7交换技术。详细探讨了影响负载均衡的关键因素并对比各类调度算法。在此基础上本文所做的具体工作如下:（1）考虑到在实际应用中,Web请求内容的不同和服务器的异构性。提出一种根据客户端的请求内容,结合服务器的性能参数和负载状态的动态负载均衡算法。该算法是在基于请求内容分配策略基础上而设计的一种改进的负载均衡算法。它对用户请求进行分类并实时评估服务器负载,并且为避免出现由转发模式本身所造成的负载分布不均匀的现象,提出了解决方法,具体的解决方法将在第三章中介绍。最后用模拟实验证明了这种负载均衡算法比常见的负载算法能够减少响应时间,提高了系统的吞吐量。（2）分析了以简单的信号传递实现心跳机制方法的弊端,通过对硬件和软件系统分别进行可用性的检测,避免了出现发送心跳信号只与当前的网络连接和信号发送进程相关,而没有真正反映系统硬件或软件是否正常的现象;以双进程技术,保证了系统关键进程的稳定运行,并对所涉及的相关模块的关键技术进行了分析、设计、与实现,实现了机群服务器系统的高可用性,保障了系统提供不间断的服务。相信在不久的将来,Web服务器负载处理模型、技术、算法以及评测等会更加成熟、效果更加优秀。
二、可扩展并行Web服务器群技术的研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、可扩展并行Web服务器群技术的研究（论文提纲范文）
（1）云数据中心性能与安全关键问题研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 云计算和数据中心 |
| 1.2 研究方向和关键问题 |
| 1.2.1 系统虚拟化 |
| 1.2.2 异构加速器 |
| 1.2.3 敏感数据安全 |
| 1.3 研究内容与贡献 |
| 1.3.1 研究内容 |
| 1.3.2 研究贡献 |
| 1.4 论文组织结构 |
| 第二章 背景知识和相关研究工作 |
| 2.1 虚拟I/O事件通路 |
| 2.1.1 x86 I/O事件架构 |
| 2.1.2 虚拟I/O事件递交:性能瓶颈 |
| 2.1.3 软件解决方案 |
| 2.1.4 硬件辅助技术:Posted-Interrupt |
| 2.2 云数据中心计算密集型负载加速 |
| 2.2.1 加密负载加速 |
| 2.2.2 压缩负载加速 |
| 2.3 云环境下密钥保护 |
| 2.3.1 云环境私钥安全威胁 |
| 2.3.2 Keyless解决方案 |
| 2.3.3 Keyguard解决方案 |
| 2.4 本章小结 |
| 第三章 高性能:I/O虚拟化事件通路研究 |
| 3.1 引言 |
| 3.2 现存挑战分析 |
| 3.3 高效低延迟虚拟I/O事件通路设计 |
| 3.3.1 概述 |
| 3.3.2 混合I/O处理机制 |
| 3.3.3 智能中断重定向机制 |
| 3.4 系统实现 |
| 3.4.1 混合I/O处理 |
| 3.4.2 智能中断重定向 |
| 3.5 实验验证与性能评估 |
| 3.5.1 实验设置 |
| 3.5.2 VM-Exit发生率测试 |
| 3.5.3 吞吐量测试 |
| 3.5.4 I/O响应性测试 |
| 3.6 分析讨论 |
| 3.6.1 系统开销分析 |
| 3.6.2 SR-IOV适用性讨论 |
| 3.7 本章小结 |
| 第四章 高性能:云数据中心异构计算I/O协同交互研究 |
| 4.1 引言 |
| 4.2 背景和挑战 |
| 4.2.1 事件驱动Web架构 |
| 4.2.2 Intel QAT加速器 |
| 4.2.3 直接卸载模式性能瓶颈 |
| 4.3 两种新型高效卸载模式分析和对比 |
| 4.3.1 SSL/TLS异步卸载模式 |
| 4.3.2 HTTP压缩流水线卸载模式 |
| 4.3.3 同步并发vs. 异步并发 |
| 4.4 SSL/TLS异步卸载模式优化 |
| 4.4.1 性能优化:启发式轮询机制 |
| 4.4.2 性能优化:绕过内核的异步通知机制 |
| 4.4.3 配置优化:SSL Engine框架 |
| 4.5 实验验证与性能评估 |
| 4.5.1 实验设置 |
| 4.5.2 SSL/TLS卸载 |
| 4.5.3 HTTP压缩卸载 |
| 4.5.4 联合卸载 |
| 4.6 研究结论 |
| 4.7 本章小结 |
| 第五章 安全加性能:云环境租户私钥保护与使用研究 |
| 5.1 引言 |
| 5.2 目标和方法 |
| 5.2.1 威胁模型和假设 |
| 5.2.2 设计目标 |
| 5.2.3 硬件选择:类KPT架构 |
| 5.2.4 上云挑战 |
| 5.2.5 Cloud KPT方法 |
| 5.3 Cloud KPT系统设计 |
| 5.3.1 系统概述 |
| 5.3.2 密钥生命周期 |
| 5.3.3 TSK部署安全保障 |
| 5.3.4 云密钥服务器:两阶段TSK复制机制 |
| 5.4 系统实现细节 |
| 5.4.1 加密私钥的生成、部署和加载 |
| 5.4.2 TSK相关操作 |
| 5.4.3 证书和信任 |
| 5.5 Cloud KPT复用:使用SGX作为可信硬件技术 |
| 5.5.1 基于TSK部署的直接复用 |
| 5.5.2 基于私钥部署的间接复用 |
| 5.5.3 密钥部署安全保障 |
| 5.5.4 后端加密服务集成与保护 |
| 5.6 安全分析 |
| 5.7 实验验证与性能评估 |
| 5.7.1 实验设置 |
| 5.7.2 保护容量 |
| 5.7.3 密钥部署延迟 |
| 5.7.4 私钥运算性能与运行时开销 |
| 5.8 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究总结 |
| 6.2 后续工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间已发表或录用的论文 |
| 攻读博士学位期间参与的项目 |
| 攻读博士学位期间申请的专利 |
（2）超级基站全局计算资源管理系统的研究与实现（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第1章 引言 |
| 1.1 研究背景与意义 |
| 1.2 主要研究内容 |
| 1.3 论文组织结构 |
| 第2章 计算资源管理系统的相关技术研究 |
| 2.1 集中式基站架构概述 |
| 2.1.1 C-RAN概述 |
| 2.1.2 超级基站概述 |
| 2.2 计算资源管理系统相关研究 |
| 2.2.1 LTE虚拟化框架 |
| 2.2.2 OpenStack资源管理平台 |
| 2.2.3 电信级云平台TECS |
| 2.3 集中式架构下资源分配算法相关研究 |
| 2.4 本章小结 |
| 第3章 计算资源管理系统关键算法设计 |
| 3.1 基站处理资源分配的框架 |
| 3.2 基站处理资源分配算法设计 |
| 3.2.1 问题描述 |
| 3.2.2 资源分配均衡模型及分析 |
| 3.3 迁移决策算法设计 |
| 3.4 仿真分析 |
| 3.5 本章小结 |
| 第4章 全局计算资源管理系统的设计与实现 |
| 4.1 计算资源管理系统的需求分析 |
| 4.1.1 系统功能性需求 |
| 4.1.2 系统非功能性需求 |
| 4.2 计算资源管理系统的架构设计 |
| 4.2.1 系统设计目标和原则 |
| 4.2.2 系统的物理架构设计 |
| 4.2.3 系统的逻辑架构设计 |
| 4.3 系统数据库设计 |
| 4.3.1 系统的用户数据库设计 |
| 4.3.2 系统的计算资源数据库设计 |
| 4.4 计算资源管理系统的主要功能模块设计 |
| 4.4.1 资源分配模块设计 |
| 4.4.2 资源监测模块设计 |
| 4.4.3 数据存取模块设计 |
| 4.4.4 板卡信息更新设计 |
| 4.5 本章小结 |
| 第5章 计算资源管理系统的测试 |
| 5.1 测试环境 |
| 5.2 单元测试 |
| 5.2.1 资源分配模块的测试 |
| 5.2.2 数据存取模块的测试 |
| 5.2.3 资源监测模块的测试 |
| 5.2.4 板卡信息更新模块的测试 |
| 5.3 集成测试 |
| 5.3.1 虚拟基站建立 |
| 5.3.2 资源池的动态伸缩测试 |
| 5.4 系统测试 |
| 5.4.1 计算处理资源的动态分配与释放测试 |
| 5.4.2 业务在线的虚拟基站迁移测试 |
| 5.4.3 可扩展的软硬件架构测试 |
| 5.5 本章小结 |
| 第6章 结束语 |
| 6.1 论文总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（3）基于Hadoop的云GIS若干关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究目的和意义 |
| 1.2 研究背景 |
| 1.2.1 技术背景 |
| 1.2.2 GIS面临的问题 |
| 1.2.3 云GIS及其优势 |
| 1.3 云计算研究现状 |
| 1.3.1 国外的研究现状 |
| 1.3.2 国内的研究现状 |
| 1.3.3 云计算分类 |
| 1.3.4 云计算与物联网、智慧地球 |
| 1.3.5 云计算研究小结 |
| 1.4 云GIS研究现状 |
| 1.4.1 云GIS国内外研究现状 |
| 1.4.2 存在的主要问题 |
| 1.5 本文研究内容 |
| 1.6 论文组织结构与章节安排 |
| 第二章 基于Hadoop的云GIS体系结构 |
| 2.1 云GIS体系结构设计目标与原则 |
| 2.1.1 设计目标 |
| 2.1.2 设计原则 |
| 2.2 开源云平台Hadoop体系结构 |
| 2.2.1 Hadoop的总体结构和模块 |
| 2.2.2 分布式文件系统HDFS |
| 2.2.3 分布式数据处理MapReduce |
| 2.2.4 Hama分布式计算框架 |
| 2.2.5 分布式数据库HBase |
| 2.3 基于Hadoop的云GIS体系结构设计 |
| 2.3.1 采用Hadoop搭建云GIS平台的原因 |
| 2.3.2 基于Hadoop的云GIS体系结构 |
| 2.3.3 基于Hadoop的云GIS服务开发流程 |
| 2.3.4 基于Hadoop的云GIS部署模式 |
| 2.3.5 基于Hadoop的云GIS体系结构特点 |
| 2.4 本章小结 |
| 第三章 基于Hadoop的云GIS数据存储相关技术 |
| 3.1 问题提出及解决思路 |
| 3.1.1 基于Hadoop的分布式存储问题 |
| 3.1.2 问题解决的基本思路 |
| 3.2 基于Mercator投影的层次剖分及空间索引 |
| 3.2.1 空间数据坐标系 |
| 3.2.2 Mercator投影金字塔四叉树层次剖分 |
| 3.2.3 基于MPPQT层次格网的空间索引 |
| 3.3 基于MPPQT层次剖分的矢量数据分布式存储 |
| 3.3.1 可行性分析 |
| 3.3.2 格网粒度确定 |
| 3.3.3 矢量要素唯一标识设计 |
| 3.3.4 基于格网单元的矢量数据分块组织 |
| 3.3.5 基于HBase的矢量数据表设计 |
| 3.4 基于HBase的数据过滤器属性数据查询 |
| 3.4.1 基于HBase的索引属性数据查询缺陷 |
| 3.4.2 基于HBase的数据过滤器及数据类型扩展 |
| 3.4.3 矢量数据查询接口设计 |
| 3.5 基于HBase的栅格数据分布式存储 |
| 3.6 本章小结 |
| 第四章 基于MapReduce的空间数据并行计算 |
| 4.1 MapReduce并行计算模型 |
| 4.1.1 MapReduce输入/输出格式 |
| 4.1.2 MapReduce输入分片 |
| 4.1.3 MapReduce数据过滤 |
| 4.2 基于MapReduce的空间数据并行计算可行性分析 |
| 4.2.1 MapReduce计算模型的使用场景及其局限性 |
| 4.2.2 基于MapReduce的空间数据并行处理可行性分析 |
| 4.2.3 基于MapReduce的空间数据并行处理层次结构 |
| 4.3 基于MapReduce的空间数据并行处理 |
| 4.3.1 基于MapReduce的HDFS矢量数据并行处理 |
| 4.3.2 基于MapReduce的HBase矢量数据并行处理 |
| 4.3.3 基于MapReduce的栅格数据并行处理 |
| 4.3.4 基于MapReduce的空间邻近查询设计 |
| 4.3.5 基于MapReduce的空间数据并行处理效率分析 |
| 4.4 本章小结 |
| 第五章 云GIS原型系统设计实现及实验结果分析 |
| 5.1 原型系统体系结构设计 |
| 5.2 测试环境与测试数据 |
| 5.2.1 软硬件试验环境 |
| 5.2.2 原型系统部署 |
| 5.2.3 测试数据 |
| 5.2.4 对比方案设计及软硬件配置 |
| 5.3 相关技术实现与验证 |
| 5.3.1 空间数据导入工具 |
| 5.3.2 数据查询试验 |
| 5.3.3 基于MapReduce矢量数据空间计算 |
| 5.4 基于Hadoop的空间信息服务实现与验证 |
| 5.4.1 OGC空间信息服务标准对云GIS适用性 |
| 5.4.2 空间信息服务实现的相关技术 |
| 5.4.3 基于Hadoop的空间信息服务设计 |
| 5.4.4 基于Hadoop的空间信息服务实现 |
| 5.4.5 空间信息服务接口应用 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 主要研究工作 |
| 6.2 主要创新点 |
| 6.3 本文不足与研究展望 |
| 致谢 |
| 参考文献 |
| 作者简历 |
（4）基于服务器虚拟化的网络GIS集群关键技术研究（论文提纲范文）
| 作者简介 |
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 绪论 |
| §1.1 研究背景和意义 |
| §1.2 服务器虚拟化技术相关研究 |
| 1.2.1 虚拟化概述 |
| 1.2.2 服务器虚拟化研究现状 |
| 1.2.3 服务器虚拟化存在的问题 |
| §1.3 网络GIS相关研究 |
| 1.3.1 网络GIS概述 |
| 1.3.2 网络GIS实现技术和体系结构 |
| 1.3.3 网络GIS发展现状和趋势 |
| §1.4 集群相关研究 |
| 1.4.1 集群技术概述 |
| 1.4.2 服务器集群研究现状 |
| §1.5 本文工作 |
| 1.5.1 研究目标 |
| 1.5.2 研究的主要贡献和创新点 |
| 1.5.3 本文组织结构 |
| 第二章 虚拟化网络GIS集群结构模型 |
| §2.1 概述 |
| 2.1.1 通用网络GIS集群体系结构 |
| 2.1.2 通用网络GIS集群控制结构 |
| 2.1.3 网络GIS集群与多核处理器 |
| §2.2 网络GIS虚拟化集群模型设计 |
| 2.2.1 设计目标和原则分析 |
| 2.2.2 软硬件匹配设计 |
| 2.2.3 集群体系结构设计 |
| 2.2.4 集群逻辑结构设计 |
| §2.3 实验测试 |
| 2.3.1 实验场景设计 |
| 2.3.2 实验结果与分析 |
| §2.4 本章小结 |
| 第三章 虚拟化网络GIS集群资源分配技术 |
| §3.1 概述 |
| 3.1.1 虚拟资源分配方法 |
| 3.1.2 虚拟机放置策略 |
| 3.1.3 负载预测 |
| §3.2 负载时间序列建模 |
| 3.2.1 数据采集和预处理 |
| 3.2.2 序列平稳化处理 |
| 3.2.3 模型识别和定阶 |
| 3.2.4 负载预测 |
| 3.2.5 预测值的聚类分析 |
| §3.3 基于预测的虚拟资源分配技术 |
| 3.3.1 技术实现思想 |
| 3.3.2 分配管理框架 |
| 3.3.3 分配流程 |
| 3.3.4 分配算法 |
| §3.4 实验测试 |
| 3.4.1 实验场景 |
| 3.4.2 测试结果与分析 |
| §3.5 本章小结 |
| 第四章 虚拟化网络GIS集群负载调度机制 |
| §4.1 概述 |
| 4.1.1 负载均衡调度常用方法 |
| 4.1.2 面向网络GIS的负载均衡研究进展 |
| 4.1.3 负载均衡评价指标 |
| 4.1.4 遗传算法特点 |
| 4.1.5 遗传算法研究现状 |
| 4.1.6 遗传算法在负载均衡中的应用 |
| §4.2 集群负载调度模型 |
| 4.2.1 需求描述 |
| 4.2.2 负载均衡策略 |
| §4.3 基于遗传算法的负载均衡调度设计 |
| 4.3.1 优化目标 |
| 4.3.2 编码机制 |
| 4.3.3 算法步骤 |
| 4.3.4 种群初始化 |
| 4.3.5 适应度函数 |
| 4.3.6 遗传算子 |
| §4.4 实验测试 |
| §4.5 本章小结 |
| 第五章 虚拟化网络GIS集群服务与接口模型 |
| §5.1 空间数据共享 |
| 5.1.1 共享方法 |
| 5.1.2 关键技术 |
| 5.1.3 发展现状 |
| §5.2 基于SOA的网络GIS服务模型 |
| 5.2.1 面向服务架构 |
| 5.2.2 研究现状 |
| 5.2.3 服务模型 |
| §5.3 基于ROA的网络GIS服务接口模型 |
| 5.3.1 面向资源构架 |
| 5.3.2 接口模型 |
| §5.4 基于RIA的网络GIS客户端模型 |
| 5.4.1 RIA技术在网络GIS的应用 |
| 5.4.2 网络GIS客户端模型 |
| §5.5 本章小结 |
| 第六章 虚拟化网络GIS集群原型系统及应用 |
| §6.1 概述 |
| §6.2 虚拟化网络GIS集群原型系统 |
| §6.3 新一代天气雷达信息共享平台GIS子系统及其应用 |
| 6.3.1 系统总体架构 |
| 6.3.2 应用部署情况 |
| 6.3.3 应用主要成果 |
| 6.3.4 系统性能测试 |
| §6.4 本章小结 |
| 第七章 结束语 |
| §7.1 论文工作总结 |
| §7.2 论文创新点 |
| §7.3 研究展望 |
| 致谢 |
| 参考文献 |
| 附件 |
（5）基于Web服务器集群的负载均衡系统研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 第1章 绪论 |
| 1.1 背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 集群及Web集群发展现状 |
| 1.2.2 Web集群负载均衡的发展现状 |
| 1.3 论文组织结构 |
| 第2章 负载均衡研究相关知识 |
| 2.1 Web集群 |
| 2.1.1 Web集群 |
| 2.1.2 Web集群系统的负载均衡模型 |
| 2.2 Web集群的负载均衡算法 |
| 第3章 负载均衡算法研究与设计 |
| 3.1 负载均衡算法思路的提出 |
| 3.1.1 静态负载均衡算法的不足 |
| 3.1.2 设计动态反馈负载均衡策略思路 |
| 3.2 动态信息反馈负载均衡算法 |
| 3.2.1 动态反馈负载均衡模型 |
| 3.2.2 基于动态反馈负载均衡算法设计 |
| 3.3 BP神经网络在动态负载均衡的应用 |
| 3.3.1 神经网络介绍 |
| 3.3.2 BP神经网络设计 |
| 3.3.3 负载信息处理的网络模型与流程 |
| 3.4 基于遗传算法整体最优的参数调整 |
| 3.4.1 遗传算法介绍 |
| 3.4.2 遗传算法与动态反馈负载均衡结合 |
| 3.4.3 染色体编码 |
| 3.4.4 建立适应度函数 |
| 3.4.5 算法设计流程 |
| 3.5 ANN-GA负载均衡系统策略 |
| 3.5.1 ANN-GA算法 |
| 3.5.2 算法举例 |
| 第4章 负载系统原型研究与实现 |
| 4.1 系统需求分析 |
| 4.2 总体设计 |
| 4.3 主要模块研究与实现 |
| 4.3.1 共享存储 |
| 4.3.2 接收与分发模块 |
| 4.3.3 分类模块 |
| 4.3.4 策略模块 |
| 4.3.5 信息收集模块 |
| 4.3.6 调度模块 |
| 4.3.7 监控模块 |
| 第5章 负载系统测试及结果分析 |
| 5.1 测试环境 |
| 5.2 测试结果分析 |
| 5.2.1 权重实时变化图 |
| 5.2.2 集群吞吐量对比 |
| 5.2.3 集群响时间对比 |
| 第6章 总结与展望 |
| 参考文献 |
| 附录A 人工神经网络实现 |
| 附录B 遗传算法实现 |
| 致谢 |
（6）认知可重构的高效能Web服务体系结构研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 表目录 |
| 图目录 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 背景和意义 |
| 1.2.1 课题背景 |
| 1.2.2 课题意义 |
| 1.3 工作介绍和内容组织 |
| 1.3.1 工作介绍 |
| 1.3.2 内容组织 |
| 第二章 高效能 Web 服务相关技术研究 |
| 2.1 Web 服务概述 |
| 2.1.1 Web 服务的功能和定义 |
| 2.1.2 Web 服务的模式和业务特征 |
| 2.1.3 Web 服务的效能问题 |
| 2.2 高效能 Web 服务研究 |
| 2.2.1 主流 Web 服务技术 |
| 2.2.2 高效能 Web 服务系统研究 |
| 2.3 Web 服务应用效能分析 |
| 2.3.1 通用服务器简单堆叠能效低下 |
| 2.3.2 IDC 的伸缩能力不足 |
| 2.3.3 缺乏有效的功耗控制策略 |
| 2.3.4 静态配置导致全局管理缺失 |
| 2.3.5 操作系统效率低下 |
| 2.3.6 局部加速与全局效率不匹配 |
| 2.4 小结 |
| 第三章 基于认知的主动重构 Web 服务体系模型研究 |
| 3.1 基于认知的主动重构 Web 服务体系结构 PRWA 模型 |
| 3.1.1 PRWA 的主要思想 |
| 3.1.2 PRWA 模型描述 |
| 3.2 PRWA 的运行机理和操作语义 |
| 3.2.1 PRWA 体系结构的图灵机原理 |
| 3.2.2 PRWA 的操作语义 |
| 3.2.3 操作语义分析 |
| 3.3 PRWA 与传统计算模型的关系 |
| 3.3.1 传统的计算模型分类 |
| 3.3.2 与传统计算模型的相互关系 |
| 3.4 PRWA 效能分析 |
| 3.4.1 PRWA 模型的性能/价格比分析 |
| 3.4.2 PRWA 的组合优化分析 |
| 3.5 并行任务在 PRWA 上的性能分析 |
| 3.5.1 异构重构任务图模型 |
| 3.5.2 异构匹配矩阵 |
| 3.5.3 重构耦合矩阵 |
| 3.5.4 基于任务调度的性能分析方法 |
| 3.6 小结 |
| 第四章 混合可重构 Web 处理阵列设计 |
| 4.1 引言 |
| 4.1.1 高效能 Web 服务中算粒研究的需求 |
| 4.1.2 可重构算粒模型的研究内容 |
| 4.2 Web 服务的业务特性描述 |
| 4.2.1 PMC 问题的概述 |
| 4.2.2 Web 服务的 PMC 特性 |
| 4.3 Web 服务的 PMC 算粒提取 |
| 4.3.1 算粒的特征 |
| 4.3.2 算粒的提取 |
| 4.3.3 Web 服务的 PMC 算粒模型分析和提取 |
| 4.4 TSP 计算结构 |
| 4.5 混合可重构 Web 处理阵列设计 |
| 4.5.1 Web 服务业务特点分析 |
| 4.5.2 典型 Web 服务算粒验证实例 |
| 4.5.3 混合可重构 Web 处理阵列结构设计 |
| 4.6 小结 |
| 第五章 面向 Web 服务的智能混合存储结构 |
| 5.1 引言 |
| 5.2 相关研究 |
| 5.2.1 主存系统 |
| 5.2.2 智能内存 |
| 5.2.3 外存系统 |
| 5.3 面向 Web 服务的混合存储系统设计 |
| 5.3.1 Web 服务存储访问特点 |
| 5.3.2 面向 Web 服务的混合存储设计 |
| 5.4 面向 Web 服务的混合存储验证 |
| 5.4.1 面向 Word Count 的智能存储验证 |
| 5.4.2 面向流媒体应用的混合存储验证 |
| 5.5 小结 |
| 第六章 基于 PRWA 的高效能 Web 服务验证平台设计 |
| 6.1 基于 PRWA 的高效能验证平台设计 |
| 6.1.1 基于 PRWA 的 Web 服务层次建模 |
| 6.1.2 支持可重构 Web 处理阵列 HRWA 的设计 |
| 6.1.3 支持智能混合存储的结构设计 |
| 6.1.4 支持主动认知的结构设计 |
| 6.2 基于 PRWA 的高效能 Web 服务原理样机设计 |
| 6.2.1 Web 基本功能分析 |
| 6.2.2 Web 算粒分解和存储结构设计 |
| 6.2.3 Web 业务的主动认知体系构建 |
| 6.3 高效能 Web 服务体系结构验证环境构建 |
| 6.4 实验验证和对比分析 |
| 6.4.1 测试环境 |
| 6.4.2 Web 服务验证平台与通用 Web 服务对比验证 |
| 6.4.3 智能混合存储的实验验证 |
| 6.4.4 基于主动认知可重构的实验验证 |
| 6.4.5 与盛大在线数据中心服务器的对比实验 |
| 6.5 总结 |
| 第七章 结束语 |
| 7.1 创新点 |
| 7.2 待研究工作 |
| 致谢 |
| 参考文献 |
| 作者简历 攻读博士学位期间完成的主要工作 |
（7）基于Google云计算平台的Web应用系统设计及实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景、目的及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的及意义 |
| 1.2 ANDROID 智能手机操作系统简介 |
| 1.2.1 相关手机操作系统的现状分析 |
| 1.2.2 Android 与其它平台的分析比较 |
| 1.3 GOOGLE APP ENGINE 简介 |
| 1.4 论文的主要工作及内容组织 |
| 1.4.1 论文的主要工作 |
| 1.4.2 论文的内容组织 |
| 1.5 本章小结 |
| 第二章 相关理论技术研究与开发环境构建 |
| 2.1 云计算 |
| 2.1.1 云计算的基本概念及主要特点 |
| 2.1.2 云计算系统组成及其服务 |
| 2.1.3 Google 应用套件（Google Apps） |
| 2.2 GOOGLE ANDROID 平台研究与分析 |
| 2.2.1 Android 体系结构分析 |
| 2.2.2 Android 应用程序组件构成 |
| 2.2.3 Android 最新进展 |
| 2.3 GOOGLE APP ENGINE 研究与分析 |
| 2.3.1 GAE 的整体架构 |
| 2.3.2 GAE 的核心技术 |
| 2.3.3 Google 云计算实现机制及其算法流程 |
| 2.3.4 Google 数据API |
| 2.4 GOOGLE 云计算平台开发环境及其构建 |
| 2.4.1 JDK 和Eclipse 及其安装配置 |
| 2.4.2 Google Android 开发环境配置 |
| 2.4.3 Google App Engine 开发环境配置 |
| 2.5 ANDROID 手机应用系统调试工具及方法 |
| 2.6 本章小结 |
| 第三章 智能手机WEB 功能需求分析与设计 |
| 3.1 ANDROID 手机应用系统功能需求分析 |
| 3.1.1 智能手机的一般功能需求 |
| 3.1.2 Android 手机Web 功能需求分析 |
| 3.2 基于ANDROID 的手机图书查询系统功能设计 |
| 3.3 实现手机WEB 功能的关键技术及其方法 |
| 3.3.1 Android 手机与Web 服务器之间的信息交互技术 |
| 3.3.2 基于Android 的JSON 解析方法 |
| 3.4 本章小结 |
| 第四章 手机图书查询系统编程及调试运行 |
| 4.1 手机图书查询系统的工程目录结构 |
| 4.2 程序设计与编码实现 |
| 4.2.1 程序的初始化 |
| 4.2.2 连接Web 网站并获得返回数据 |
| 4.2.3 对网站服务器返回的JSON 数据进行解析 |
| 4.2.4 响应用户点击事件 |
| 4.2.5 用户界面设计 |
| 4.3 ANDROID 手机图书查询系统的调试 |
| 4.3.1 使用模拟器调试 |
| 4.3.2 使用真机调试 |
| 4.3.3 系统程序调试运行结果 |
| 4.4 系统调试发现的问题及其解决方法 |
| 4.5 本章小结 |
| 第五章 基于GAE 平台的WEB 网站设计与实现 |
| 5.1 GAE 平台的配置及应用程序部署 |
| 5.1.1 Eclipse Google 插件安装及其开发环境配置 |
| 5.1.2 运用GAE 部署应用程序 |
| 5.2 简单云存储应用程序设计实现 |
| 5.2.1 基于Google 平台的云存储系统功能设计 |
| 5.2.2 工程目录结构 |
| 5.2.3 简单云存储应用程序编程实现 |
| 5.3 本地调试及运行 |
| 5.4 测试并发布应用程序到GAE |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文研究工作总结 |
| 6.2 前景展望 |
| 6.2.1 物联网与智能生活 |
| 6.2.2 移动Web 应用将成为云计算的应用核心 |
| 致谢 |
| 参考文献 |
| 攻硕期间取得的研究成果 |
（8）基于Linux集群系统的负载均衡算法研究及在Webgis中的应用（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 引言 |
| 1 绪论 |
| 1.1 研究的目的与意义 |
| 1.2 问题的提出及研究意义 |
| 1.3 本文的研究内容及论文的组织 |
| 1.4 本章小结 |
| 2 集群系统和负载均衡技术 |
| 2.1 集群系统分类简介 |
| 2.1.1 国外主要集群系统 |
| 2.1.2 国内主要集群系统介绍 |
| 2.1.3 集群应用领域 |
| 2.2 集群系统架构 |
| 2.2.1 web 服务器集群的特点 |
| 2.2.2 服务器集群测评标准 |
| 2.2.3 WebGIS 服务特点分析 |
| 2.2.4 理想集群模型 |
| 2.3 负载均衡实现机制分析 |
| 2.3.1 基于RR-DNS 的解决方法 |
| 2.3.2 基于客户端的解决方法 |
| 2.4 本章小结 |
| 3 LVS 集群负载均衡技术以及在WebGis 服务特点 |
| 3.1 负载均衡 |
| 3.1.1 负载均衡的定义 |
| 3.1.2 负载均衡分配粒度分析 |
| 3.1.3 LVS 拓扑结构分析 |
| 3.2 LVS 的三种负载均衡调度方法及比较 |
| 3.2.1 网络地址转换模式(VS/NAT) |
| 3.2.2 IP 隧道模式(VS/TUN) |
| 3.2.3 直接路由模式(VS/DR) |
| 3.3 负载均衡调度算法 |
| 3.3.1 负载均衡静态调度算法分析 |
| 3.3.2 负载均衡动态调度算法分析 |
| 3.4 本章小结 |
| 4 一种改进的负载调度算法 |
| 4.1 现有算法存在的不足 |
| 4.2 算法思想 |
| 4.3 新算法中主要参数计算 |
| 4.4 算法实现 |
| 4.4.1 算法设计流程图 |
| 4.4.2 真实服务器负载计算 |
| 4.4.3 算法代码 |
| 4.5 本章小结 |
| 5 webgis 集群系统搭建与分析 |
| 5.1 系统构建过程 |
| 5.1.1 集群系统的结构分析 |
| 5.1.2 负载均衡系统安装配置 |
| 5.1.3 webgis 测试平台 |
| 5.2 监控系统 |
| 5.2.1 监控集群系统软件介绍 |
| 5.2.2 nagios 安装配置 |
| 5.2.3 测试监控系统 |
| 5.3 系统测试 |
| 5.3.1 测试工具介绍 |
| 5.3.2 测试环境搭建 |
| 5.3.3 测试结果及测试报告分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（9）G/S模式下分布式空间数据服务器群中的元数据组织与管理（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 引言 |
| 1.1 课题来源 |
| 1.2 选题的目的和意义 |
| 1.3 国内外研究现状 |
| 1.3.1 元数据研究现状 |
| 1.3.2 元数据管理研究现状 |
| 1.4 研究内容 |
| 1.5 研究成果 |
| 1.6 组织结构 |
| 1.7 本章小结 |
| 第2章 G/S 模式理论 |
| 2.1 G/S 模式的提出依据 |
| 2.2 G/S 模式框架体系研究 |
| 2.3 G/S 模式的特点 |
| 2.4 G/S 模式的关键技术 |
| 2.5 本章小结 |
| 第3章 基于HGML 的元数据组织与管理 |
| 3.1 元数据技术 |
| 3.1.1 元数据的定义 |
| 3.1.2 元数据的作用 |
| 3.1.3 元数据的标准 |
| 3.2 HGML 技术 |
| 3.2.1 HGML 介绍 |
| 3.2.2 HGML 文档 |
| 3.2.3 HGML 解析技术 |
| 3.2.4 HGML 查询技术 |
| 3.3 HGML 存储元数据的方法 |
| 3.3.1 HGML 表示空间元数据 |
| 3.3.2 HGML 空间元数据模式 |
| 3.4 本章小结 |
| 第4章 G/S 模式下元数据组织与管理总体结构设计 |
| 4.1 元数据组织与管理总体架构 |
| 4.1.1 总体架构介绍 |
| 4.1.2 单个MASTER |
| 4.1.3 MASTER 节点的要求 |
| 4.2 关键技术 |
| 4.2.1 SOCKET 通信技术 |
| 4.2.2 HTTP 通信技术 |
| 4.2.3 多线程编程技术 |
| 4.3 元数据内容的设计 |
| 4.4 本章小结 |
| 第5章 元数据组织与管理的原型系统设计与实现 |
| 5.1 开发环境 |
| 5.2 原型系统的设计与实现 |
| 5.2.1 设计目标 |
| 5.2.2 MASTER 节点模块设计与实现 |
| 5.2.3 METADATASERVER 节点模块设计与实现 |
| 5.2.4 更新模块设计与实现 |
| 5.3 系统应用及其测试 |
| 5.4 本章小结 |
| 结论 |
| 研究工作总结 |
| 进一步工作 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
（10）Web Server Cluster系统负载均衡技术探讨（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究目的与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 机群技术当前研究现状 |
| 1.2.2 负载均衡研究现状 |
| 1.3 本文研究内容 |
| 1.4 论文的组织和结构 |
| 第二章 Web服务器机群系统 |
| 2.1 机群系统介绍 |
| 2.1.1 机群概念及其分类 |
| 2.1.2 机群的关键技术 |
| 2.2 Web服务器机群系统 |
| 2.2.1 Web服务器机群概述 |
| 2.2.2 Web服务器机群的分类 |
| 2.3 机群的高可用性介绍 |
| 2.3.1 定义 |
| 2.3.2 机群运行模式 |
| 第三章 Web服务器机群负载均衡技术研究 |
| 3.1 引言 |
| 3.2 L4调度策略 |
| 3.2.1 轮转法 |
| 3.2.2 加权轮转法 |
| 3.2.3 最小连接调度 |
| 3.2.4 加权最小连接调度 |
| 3.2.5 基于服务器状态的调度 |
| 3.3 L7调度策略 |
| 3.3.1 CAP算法 |
| 3.3.2 LARD算法 |
| 3.3.3 WARD算法 |
| 3.3.4 MC-RR算法 |
| 3.4 DLBC算法的提出 |
| 3.4.1 DLBC算法的设计基础 |
| 3.4.2 DLBC算法的设计 |
| 3.4.3 OpenSTA性能测试工具的介绍 |
| 3.4.4 DLBC算法性能测试 |
| 第四章 LWSC系统关键技术与实现方案 |
| 4.1 LWSC系统设计方案 |
| 4.1.1 系统总体结构 |
| 4.1.2 系统功能模块介绍 |
| 4.2 LWSC系统通信方案设计 |
| 4.2.1 机群系统通讯机制 |
| 4.2.2 基于流套接字的单播通信 |
| 4.2.3 基于数据报套接字的广播通信 |
| 4.3 Web服务器的性能监控 |
| 第五章 LWSC系统高可用性技术的实现 |
| 5.1 判断服务器的高可用性 |
| 5.1.1 Web服务器硬件系统的诊断 |
| 5.1.2 Web服务器软件系统的诊断 |
| 5.2 实现机群服务稳定运行的策略 |
| 5.3 Http会话失效的转移策略 |
| 5.4 Session的跟踪和管理 |
| 第六章 机群技术在学生信息管理系统平台中的应用 |
| 6.1 学生信息管理系统中Web服务器机群架构设计 |
| 6.2 Web服务器机群在学生信息管理系统中的设计和应用 |
| 6.2.1 学生信息管理系统业务概述 |
| 6.2.2 Web服务器机群在学生信息管理系统中的设计和应用 |
| 6.3 学生信息管理系统平台下Web服务器机群性能测试 |
| 6.3.1 实验目的 |
| 6.3.2 实验环境 |
| 6.3.3 实验方法及其结果 |
| 第七章 总结和展望 |
| 7.1 本文的工作总结 |
| 7.2 进一步的工作 |
| 参考文献 |
| 在校期间发表的学术论文 |
| 致谢 |
四、可扩展并行Web服务器群技术的研究（论文参考文献）
- [1]云数据中心性能与安全关键问题研究[D]. 胡小康. 上海交通大学, 2020(01)
- [2]超级基站全局计算资源管理系统的研究与实现[D]. 张新苹. 重庆邮电大学, 2018(01)
- [3]基于Hadoop的云GIS若干关键技术研究[D]. 范建永. 解放军信息工程大学, 2013(07)
- [4]基于服务器虚拟化的网络GIS集群关键技术研究[D]. 李源林. 中国地质大学, 2013(04)
- [5]基于Web服务器集群的负载均衡系统研究与实现[D]. 梁锐. 大连海事大学, 2013(09)
- [6]认知可重构的高效能Web服务体系结构研究[D]. 张帆. 解放军信息工程大学, 2013(01)
- [7]基于Google云计算平台的Web应用系统设计及实现[D]. 刘枫. 电子科技大学, 2011(06)
- [8]基于Linux集群系统的负载均衡算法研究及在Webgis中的应用[D]. 马卫锋. 辽宁工程技术大学, 2011(06)
- [9]G/S模式下分布式空间数据服务器群中的元数据组织与管理[D]. 袁俊超. 成都理工大学, 2010(04)
- [10]Web Server Cluster系统负载均衡技术探讨[D]. 侯秀杰. 曲阜师范大学, 2009(09)