Bigtable系统的负载平衡技术研究

通过对分布式数据管理系统进行系统建模,分析了系统数据分配的特点,查找到适合本系统的负载平衡策略;对服务器的关键资源进行统计,计算出整个系统的负载分布情况,最后,在主服务器上创建可用队列和恢复队列,有效地对服务器信息进行管理,完成了最优服务器选择,从而保证整个系统的负载平衡,并且在一定程度上提高了系统的服务效率。     

Hypertable底层存储结构的改进

分析了Hypertable系统的底层存储结构CellStoreV0,针对其存在的问题,提出一种改进的存储结构CellStoreV1。选用顺序转置的逻辑结构实现用户操作,采用单级索引和多重索引相结合的物理结构进行数据存储,通过理论分析和实验测试验证了优化效果。。     

分布式海量数据管理系统Bigtable主服务器设计

针对海量网络数据的存储问题,介绍了Bigtable系统的数据模型和应用情况:对此系统的体系结构进行分析,阐述了系统的3个主要组件:客户端库、主服务器和数据服务器;重新设计主服务器工作流程,明确主服务器的主要功能,分别从总体设计、表的创建、表的删除和数据块合并4方面进行详细论述.从理论上分析设计了Bigtable系统主服务器的工作流程,为具体实现奠定了良好的基础.     

分布式海量数据管理系统Hypertable底层存储结构分析

通过分析Hypertable的源代码,描述了CellStore存储结构,介绍其读写流程,总结了该结构存在的缺陷,并提出了优化思路。优化步骤主要包括：将关键字数据进行合并,建立关键字到数据值的索引结构;并设置一个关键字快表,用于存储访问频率较高的关键字数据。结果表明：该优化结构可减少冗余数据,提高数据的读写效率。     

Bigtable 系统主服务器检查点的实现

为提高系统的故障恢复速度,通过设置检查点记录主服务器关键数据结构的状态,保存程序运行的关键数据,利用Google File System(GFS)对检查点数据进行可靠存储,以此来实现主服务器的快速重启。应用结果表明,该方法有效地提高了系统的故障恢复速度。     

基于表结构的海量数据管理系统技术综述

简述海量数据管理系统的研究背景,阐述Bigtable系统的数据模型,分析Bigtable和Hypertable系统的体系结构、实现功能和关键技术,总结对比两系统的差异和优缺点。     

分布式海量数据管理系统Hypertable元数据表分析

介绍Hypertable的系统结构和表结构,分析元数据表的结构,阐述数据块的查找原理,最后通过介绍Bigtable系统的元数据表,对比两种元数据表结构的差异.     

基于图像识别的干部测评系统的设计与实现

通过分析干部测评工作流程,借鉴OMR和OCR的技术特点,实现了一个快速高效的干部测评统计分析系统.该系统利用高速扫描仪得到纸质测评表的灰度图像,采用优化的图像识别算法从这些图像中快速采集测评数据,并使用数据库技术对测评数据进行存储和管理,快速完成对测评数据的统计、分析和报表生成,最终实现干部测评数据的高速度准确统计.