教育资源服务下海量云存储优化机制的研究

教育资源服务下海量云存储优化机制的研究

ID:31418727

大小:68.68 KB

页数:9页

时间:2019-01-09

教育资源服务下海量云存储优化机制的研究_第1页
教育资源服务下海量云存储优化机制的研究_第2页
教育资源服务下海量云存储优化机制的研究_第3页
教育资源服务下海量云存储优化机制的研究_第4页
教育资源服务下海量云存储优化机制的研究_第5页
资源描述:

《教育资源服务下海量云存储优化机制的研究》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、教育资源服务下海量云存储优化机制的研摘要:目前教育资源的数据量以爆发式增长,导致教育资源服务面临着海量数据管理困难、数据存储成本高、响应速度慢等难题。本文尝试从教育资源数据访问特性的角度出发,采用基于模糊C均值的聚类算法,建构相应的教育云存储的副本管理策略,以此来优化云存储的存储机制,从而提高教育资源的服务效率与质量。关键词:教育云存储;聚类分析;副本管理策中图分类号:TP315文献标志码:A文章编号:1673-8454(2014)13-0034-03一、引言提供快速、高效的教育资源服务一直是教育公共服务平台追求的目标。早在2010年7月,教育部发布的《国家中长

2、期教育改革和发展规划纲要(2010-2020年)》(公开征求意见稿)中就明确提出,"要建立开放灵活的教育资源公共服务平台,促进优质教育资源普及共享”。而在当今21世纪的信息时代,信息技术得到了飞速发展,如何应用信息技术提高教育资源服务的效率与质量,进而加快我国教育信息化进程是我国教育发展规划中的一个重要命题。随着教育信息化进程的不断深入,教学模式、教学内容、教学方法也以多样化的形式发展,但随之而来教育资源的数据量也会以几何级数增长,导致教育资源服务面临着海量数据管理困难、数据存储成本高、响应速度慢等难题。而随着云计算的出现,其提供的云存储是一个易于扩展的、虚拟化

3、的存储资源池,可以向用户提供海量的信息存储,使国内外有关教育存储的学者将研究的视角转移到云存储领域当中。但他们更多关注的是如何把云计算技术移植到教育领域中,忽略了教育资源本身具有的特性,如强交互性、多态性、个性化等特点,而现有云计算提供通用的存储机制难以满足这些教育特殊性的需求。因此,如何结合教育资源自身的特点对云存储的存储机制进行优化则成为现代教育资源服务技术迫切需要解决的重点问题之一。本文尝试从教育资源数据访问特性的角度出发,采用基于模糊C均值的聚类算法,建构相应的教育云存储的副本管理策略,以此来优化云存储的存储机制,从而提高教育资源的服务效率与质量。二、相

4、关研究1.云环境下的副本管理策略研究海量数据的存储与管理不仅给资源管理与调度带来了挑战,对副本管理也提出了新的要求,良好的副本管理策略不仅可以有效地提高海量数据处理平台的性能,也能有效地保障数据的可靠性,提高数据可用性和可扩展性。为了提升云存储系统的效率与性能,许多学者都在关注副本机制的研究。YIJIEWANG等[1]对分布式系统中的数据副本技术提出了间接副本算法,可以减少副本重复存储和存储开销,使存储系统的持久性和安全性提髙。MohamedY.Eltabkh[2]等针对Hadoop缺少对同一组节点协同定位相关数据的能力,提出了CoHadoop的数据放置策略。魏

5、青松[3]等提出了一种旨在用最小的代价获得最高的效益,同时提高云存储性能和负载平衡的CDRM模型。许信等[4]提出了一种面向可靠性副本管理策略,该策略将副本放置的过程分为副本初次放置与自适应放置,在初次放置时主要考虑节点的存储剩余空间、当前QoS负载Load、失效次数、历史访问次数等参数,从而得到副本放置倾向度,然后选择倾向度最高的节点进行放置。熊润群等[5]提出了基于QoS偏好感知的副本选择策略,该策略使用了层次分析法建立了副本选择的三维QoS模型,并使用模糊综合法对节点进行综合评价,最终得到具有最高QoS满意度的副本节点,来为各类个体服务质量敏感的用户提供合

6、理的副本策略。可以看出,许多学者提出的云存储优化机制,通常都使用了副本技术。副本技术是云存储系统的关键技术之一,通过研究对数据副本进行合理的管理,可以改进客户访问数据的性能,加快各种服务的反应时间,同时还可以平衡系统的负载。但以上提出的存储优化方案缺少领域的针对性,目前结合教育资源特性来优化云存储的研究还比较少,也缺乏相关的实践验证。2•数据访问模式的研究随着资源越来越数字化与网络化,使资源的数据访问模式得到越来越多的关注,许多研究开始关注资源数据访问特性来提高资源服务质量,包括资源的重用性、相似性、聚集性、生存性等特性。Francisco等[6]对校的移动无线

7、用户聚集现象进行了统计,经过分析发现对于无线接入来说13%的网站占据了70%的访问量,而且当地理位置比较接近的用户更有可能查询相同数据,对于出现这种现象的环境具有查询和信息的空间聚集性。HUANGLan等[7]基于Hadoop框架从web日志数据中提取用户信息,进而分析用户的访问行为,这是云存储中考虑用户访问模式的一个重要研究。吴俊杰[8]等对数据访问的重用性、相似性与亲和性这三种特性进行分析与优化,并基于这三种特性提出一种层次存储的访问分析与优化方法,这是考虑解决存储墙问题的一个重要研究。李梦源[9]等从用户体验质量的角度,分析云环境下用户访问服务的行为,利用

8、其访问服务的偏好性,提出

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。