导读:本文包含了分布式缓存论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:缓存,分布式,数据,技术,客户端,热点,系统。
分布式缓存论文文献综述
周锦程,王浩畅[1]（2019）在《分布式网络内置缓存优化技术研究》一文中研究指出以分布式网络内置缓存优化为研究目的,提出热节点缓存优化策略,使用基于数据频率缓存算法提高缓存利用效率。通过实验分析得到的结果是基于数据频率缓存算法缓存内容平均值相比最不经常使用页置换算法和页面置换算法更接近理论值,网络缓存接收率更高,平均数据请求延时和缓存数据置换率较低。由此得出结论基于数据频率缓存优化算法在分布式网络内置缓存优化中具有较好的应用价值。(本文来源于《微型电脑应用》期刊2019年10期）
徐川,凌正山,赵国锋,韩珍珍,徐磊[2]（2019）在《基于分布式缓存的天基遥感数据安全分发机制》一文中研究指出随着卫星通信相关技术的逐步成熟,以通、导、遥一体化为特征的天基综合信息网在可预见的未来将会形成广泛的覆盖,遥感数据分发是其中一个重要的应用。在调查了当前多媒体内容分发研究的基础上,针对天基综合信息网特点,利用软件定义卫星技术的功能可重构优势,提出了基于分布式缓存的遥感数据分发架构,能够充分利用在网资源,降低卫星负载,提高系统效率。此外,还考虑到该分发系统的安全性,对于因分布式架构难以充分管控所造成的数据泄露等问题,结合可伸缩编码和加密技术,设计了一种透明分发机制,能够在缓存数据为密文的状态下完成分发任务。最后,设计了实验以验证方案的可行性,并证明其在降低计算和存储开销方面的优势。(本文来源于《2019软件定义卫星高峰论坛摘要集》期刊2019-07-05）
吴佳佳[3]（2019）在《基于内容编码的无线分布式缓存平台与实现》一文中研究指出随着无线通信技术的不断发展,众多的移动社交平台和多元化的新业务导致用户流量激增,带来了巨大呈指数增长的基站负荷。针对该现象,应用于无线网络中的分布式缓存技术被提出并成为研究热点。通过引入分布式缓存并结合纠删码技术,将待缓存内容进行预先编码分块后分别缓存在无线网络的节点(用户设备)上,无线通信系统的负载压力大大减小,尤其是高峰期的拥塞情况得到缓解。基于内容编码的分布式缓存技术的研究包括内容部署和内容传输两个方面。聚焦以上两个方面,本文提出了基于完备匹配的主题敏感缓存联合策略,该联合策略由两阶段算法组成。在内容部署阶段,结合物理域与社交域信息计算网络中用户中心度标识值作为选择缓存者的依据,提出主题敏感的内容缓存算法;而在内容传输阶段,根据请求的内容和缓存内容的分布情况,将用户中请求者和内容提供者(帮助者)匹配问题建模为二分图匹配问题,综合物理链路和社交因素定义边权值,提出基于拓展KM匹配的D2D内容帮助者选择算法。通过联合以上两个阶段算法提出的策略,提升传输成功率。另一方面,结合分布式缓存系统的概念以及无线通信原理,通过引入内容编码作为冗余技术,本文设计了一个基于内容编码的无线分布式缓存系统(Wireless Distributed Storage System,WDSS),所实现的系统包括自主开发的服务端和对应的移动端应用,以及基于开源平台搭建的无线接入模块。利用开源的OAI软件平台和OpenWrt固件,以及对应的通用无线电外设(USRP)和路由器,系统实现了蜂窝和Wi-Fi的双无线接入。系统构建了一个无线分布式缓存网络,实现了有效且可靠的缓存内容分享机制,包括内容部署、内容传输、损失内容分片修复等功能。该系统验证了基于纠删码的缓存机制的可行性,提供了一个基于纠删码的无线分布式缓存系统原型,并通过实现系统挖掘更深层次的理论研究点和应用场景。(本文来源于《北京邮电大学》期刊2019-05-29）
李崇杰[4]（2019）在《分布式文件系统缓存技术研究》一文中研究指出在大数据时代,计算机存储和处理的数据规模呈爆炸式增长。近几年来,大数据分布式存储与并行计算技术也得到了长足的发展。以Alluxio系统为代表的分布式内存文件系统,能够给传统的分布式存储带来显着的性能提升。层次化分布式存储系统为了提升数据访问的效率,通常都会采用热数据缓存机制。然而,现有分布式内存文件系统的缓存机制还难以高效地支撑频繁小规模数据量的读取和多租户共享缓存空间的场景应用。首先,对频繁随机访问大文件和重复访问大量小文件这些小规模数据访问的场景下,现有的缓存技术依然主要依赖于服务端缓存,而并没有充分发挥客户端缓存的优势。第二,在服务端多租户共享缓存空间的场景下,现有的缓存共享算法难以有效地兼顾公平性与效率性能。因此,现有的分布式文件系统的缓存技术,难以满足小规模数据高效缓存和多租户共享缓存空间场景的诸多应用需求。针对上述问题,本文提出了一种基于子模优化算法的细粒度客户端缓存模型,以及两种新型多租户缓存共享策略,并构建了一套完整的缓存框架。论文主要研究工作和贡献点包括:(1)在客户端缓存方面,针对小规模数据缓存低效的问题,本文设计了一种新型的细粒度缓存模型,能够管理包含部分重合片段的变长缓存块。在该缓存模型中,本文将缓存问题抽象为子模函数优化问题,在处理部分重合的文件片段集合时,使用子模优化算法识别热数据,并提供同步/异步缓存替换/提升策略。(2)在服务端缓存方面,本文提出了两种多租户缓存共享算法:高效公平共享(Efficient Sharing based on Fairness,ESF)算法和比例公平(Proportion Fairness,PF)算法。其中,ESF算法综合考虑命中率衰减、资源使用率和共享文件访问;PF算法满足无怨(Envy Free)属性,从而实时保证用户效益衰减值总和不高于效益上升值总和。(3)本文还综合上述技术设计实现了一套多租户缓存框架,提供多缓存机制扩展、多系统支撑、以及多租户管理。该框架包括应用层、缓存服务层、中间件层、以及存储层。应用层提供客户端缓存;缓存服务层管理数据与元数据,支持可插拔的缓存迁移策略;中间件层包含外部缓存与依赖组件;存储层包含多个底层存储系统。实验表明,在客户端缓存方面,本文提出的细粒度缓存技术能够比服务端块缓存提升系统随机读取速度4倍左右;在服务端缓存方面,相较于现有缓存共享算法,在保证较高公平性前提下,本文提出的ESF和PF算法能有效提升全局命中率,且在用户访问不均衡场景下具有更高的公平性。(本文来源于《南京大学》期刊2019-05-25）
屠雪真[5]（2019）在《分布式缓存系统客户端关键技术研究》一文中研究指出分布式缓存作为支撑海量数据处理的关键技术方案,近年来受到了广泛关注和应用。从分布式缓存的工程实践出发,研究分布式缓存系统的客户端关键技术,提出了一种针对分布式缓存系统客户端的优化设计,通过异步多线程、双缓冲队列、连接池组和精准重试等设计,较好地解决了抗突发业务量冲击、重试雪崩效应等痛点,提高了客户端的适应能力和性能。实验证明,相比原客户端,采用优化技术的客户端能更好地适应突发业务量的冲击。(本文来源于《电脑编程技巧与维护》期刊2019年04期）
赵兴旺[6]（2018）在《基于分布式缓存Memcached的HC Model机制及内部数据淘汰算法的研究》一文中研究指出现阶段,随着云计算技术的越发成熟,分布式缓存技术也越来越受到重视和青睐。分布式缓存技术所具有的高度读写,快速扩展,支持并发,快速响应等优势能够在数据大规模集中访问时提供良好反馈,其中,Memcached是分布式缓存系统的代表,它能够在动态Web应用中提升访问速度,因此在访问量很高的大型网站上得到广泛应用。但是,伴随着大数据时代的到来,用户请求量大,访问请求相对集中,大量用户的访问会产生热度较高的缓存数据,并且热度高的缓存数据在“降温”后有一定概率会在一段时期内被用户再次请求访问,即某些热度高的缓存数据会被反复“加热”。分布式缓存Memcached对内部的缓存数据相同对待,没有针对某些热度高的缓存数据会被反复访问“加热”这一特点,提高这类数据的响应速度。本文首先剖析了分布式缓存系统Memcached的相关技术,并将分布式缓存Memcached与热点数据的概念结合起来。本文从分布式缓存系统Memcached出发,为了提高热点缓存数据的响应性能,并针对缓存数据热度容易反复这一特点提出一种HC(Hot and Cold)Model机制。HC Model机制由任意指定的两台Memcached服务器---热点缓存数据服务器和冷点缓存数据服务器组成,Memcached会按照优先级为“热点缓存数据服务器,冷点缓存数据服务器,普通Memcached服务器”的3Level算法来响应访问请求。其中热点缓存数据服务器存放热点缓存数据,冷点缓存数据服务器存放冷点缓存数据。当某些缓存数据的用户访问次数激增后,这类缓存数据会成为热点缓存数据,并根据热度计算公式计算得出缓存数据的热度值。Memcached收集各个节点中的热点缓存数据,并存放至热点数据服务器,以提高热点缓存数据响应的优先级。热点缓存数据服务器中的数据淘汰采用提出的HCClockPro算法,该算法将热点缓存数据淘汰至冷点数据服务器。冷点缓存数据服务器起到一个缓冲池的作用,以备后期冷点缓存数据的热度升高,可重新返回热点缓存数据服务器,冷点缓存数据服务器采用HCLRU算法进行数据淘汰。最后,通过仿真实验对HC(Hot and Cold)Model机制的Memcached进行验证,实验结果表明,在特定时间周期内用户反复访问相同缓存数据时,该机制能提高Memcached的性能。(本文来源于《南京邮电大学》期刊2018-11-14）
李翀,刘利娜,刘学敏,张士波[7]（2018）在《一种高效的Redis Cluster的分布式缓存系统》一文中研究指出为了满足大型互联网应用对高并发访问、快速响应、动态扩展、易维护性等需求,本文基于Redis 4.0设计并实现了一种Redis Cluster分布式缓存系统,集成了可视化开源工具CacheCloud对该系统进行实时监控和高效管理,基于官方Redis-Bechmark进行了QPS性能测试,并与Codis分布式缓存系统进行了对比.实验结果表明Redis Cluster各功能高效运作,性能优越,在并发访问数10 000以上时响应时间明显优于Codis.(本文来源于《计算机系统应用》期刊2018年10期）
钟启文[8]（2018）在《云计算环境下分布式缓存技术的现状与挑战》一文中研究指出在信息时代的影响下,计算机技术在我国实现了快速发展,分布式缓存技术开始应用于各个领域。在云计算环境下,为满足不同计算机领域的运作需求,实现各种技术之间的有效对接,主动应对目前分布式缓存技术存在的问题,显得十分必要。(本文来源于《信息与电脑(理论版)》期刊2018年16期）
周智[9]（2018）在《Redis分布式缓存实现与解析》一文中研究指出近年来,中国的互联网产业正在以前所未有的速度迅猛发展。在此背景下涌现出一些亿级数据量规模的网站。为了保证用户体验,以及系统的高并发,在架构方面会使用缓存机制来降低请求对后台DB的访问。为了解决系统的高可用性以及可扩展性,在系统架构方面采用分布式的方式。因此要求缓存的也必须是分布式部署。Redis作为高性能KV存储系统,基于内存存储的特点使得Redis与传统的关系型数据库相比,拥有极高的吞吐量和相应性能。并且具备跨服务器的水平拆分、复制的分布式特性。很多系统都采用此数据库来解决高并发的问题,作者通过Redis的分布式实现,来具体探讨下其实现原理。(本文来源于《信息通信》期刊2018年06期）
欧阳文臣[10]（2018）在《基于Redis技术的分布式缓存电商平台设计与实现》一文中研究指出随着电子商务的交易规模的日益增大,用户对电子商务网站的需求也随之发生了变化。从最初用简单的图文展示商品信息,到现在大量的图片和视频对商品的全方位展示。交易从最初的货到付款,到现在的“双十一”的支付系统峰值每秒处理高达12万笔/秒。在电商系统高速发展的背后,然而传统的关系型数据库已经无法胜任这种高并发、海量数据、业务复杂等特性。基于以上这种情况,本论文采用新型的“NoSQL”非关系型数据库来解决电商网站面临的问题。并加入了分布式、服务器集群的技术,在提高并发访问量的同时也降低了服务器的运营成本。这种方案使可以让更多初创型企业也能够架设一套性能优异的电商系统,从而推动电子商务走向更快的发展。本论文采用Redis数据库来解决电商系统缓存的问题,因为Redis是一个高速缓存数据库软件,把网站高频、热门的搜索结果放到Redis中,可以减少后台数据库的压力,同时减少用户的响应时间,提高用户体验。(本文来源于《南昌大学》期刊2018-06-02）
分布式缓存论文开题报告
（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：
随着卫星通信相关技术的逐步成熟,以通、导、遥一体化为特征的天基综合信息网在可预见的未来将会形成广泛的覆盖,遥感数据分发是其中一个重要的应用。在调查了当前多媒体内容分发研究的基础上,针对天基综合信息网特点,利用软件定义卫星技术的功能可重构优势,提出了基于分布式缓存的遥感数据分发架构,能够充分利用在网资源,降低卫星负载,提高系统效率。此外,还考虑到该分发系统的安全性,对于因分布式架构难以充分管控所造成的数据泄露等问题,结合可伸缩编码和加密技术,设计了一种透明分发机制,能够在缓存数据为密文的状态下完成分发任务。最后,设计了实验以验证方案的可行性,并证明其在降低计算和存储开销方面的优势。
（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。
分布式缓存论文参考文献
[1].周锦程,王浩畅.分布式网络内置缓存优化技术研究[J].微型电脑应用.2019
[2].徐川,凌正山,赵国锋,韩珍珍,徐磊.基于分布式缓存的天基遥感数据安全分发机制[C].2019软件定义卫星高峰论坛摘要集.2019
[3].吴佳佳.基于内容编码的无线分布式缓存平台与实现[D].北京邮电大学.2019
[4].李崇杰.分布式文件系统缓存技术研究[D].南京大学.2019
[5].屠雪真.分布式缓存系统客户端关键技术研究[J].电脑编程技巧与维护.2019
[6].赵兴旺.基于分布式缓存Memcached的HCModel机制及内部数据淘汰算法的研究[D].南京邮电大学.2018
[7].李翀,刘利娜,刘学敏,张士波.一种高效的RedisCluster的分布式缓存系统[J].计算机系统应用.2018
[8].钟启文.云计算环境下分布式缓存技术的现状与挑战[J].信息与电脑(理论版).2018
[9].周智.Redis分布式缓存实现与解析[J].信息通信.2018
[10].欧阳文臣.基于Redis技术的分布式缓存电商平台设计与实现[D].南昌大学.2018
论文知识图
