一、如何正确设置Windows的虚拟内存和磁盘缓存(论文文献综述)
于承志[1](2021)在《软件使用手册本地化英译中翻译实践报告 ——以Azure为例》文中研究说明随着信息全球化速度的加快,软件本地化已经成为信息技术中发展最快的领域之一。随之而来的,是对软件翻译需求的急剧增加。然而,软件本地化在翻译质量、翻译风格、翻译模式等方面还存在着诸多问题,专业性不达标。本翻译实践报告以Microsoft Azure软件使用手册为例,总结了机器翻译和计算机辅助翻译工具中的错误类型,并提出了相应的译后编辑策略。本报告首先分析了Microsoft Azure软件使用手册的语言和风格特征。然后选择了Trados做为计算机辅助翻译软件进行机器翻译。其次,在卡特琳娜·莱斯文本类型理论中信息型文本的翻译策略指导下,对机器翻译后的文本逐句进行人工译后编辑。为保证译文的客观性与准确性,作者还邀请了计算机行业的专业人士对译后编辑的译文进行校对和评审。最后,根据中国翻译协会本地化质量评价模型对错误进行分类,分析每种错误类型的出现频率,并针对典型错误提出相应的译后编辑策略。本翻译实践报告的结果显示,在随机选取的十章软件使用手册(750句)中,47%(352句)有不同类型的错误,需要进行译后编辑。其中,不符合表达习惯的翻译占22%(164句),其次是术语误用(17%,125句),误译(4%,29句),过度翻译(5%,34句)。为了满足信息型文本对翻译准确性和专业性的要求,作者提出了句子拆分、语序调整和词义重选等译后编辑策略。本文应用莱斯的文本类型理论指导软件手册的翻译。作者结合理论与实例,对软件手册中的机器翻译错误进行了分类,并提出了相应的译后编辑策略。为软件本地化领域的翻译人员提供翻译建议,以提高软件手册翻译的质量。
袁静斌[2](2020)在《基于分布式框架的海量神经结构数据管理方法研究》文中进行了进一步梳理人脑,作为人体中最高级的器官,控制着人体的日常活动。人类对大脑的探索也从未停止。使用不同的工具,从不同方面研究大脑,希望能够了解大脑的运行机制。使用电子显微镜对脑组织序列切成像,进而重建微观脑连接组也是目前前言的研究方向之一,也面临着众多的挑战。近年来,随着先进技术的发展和对重建完整微观脑连接组的期望,重建的脑组织不断增长的同时,也产生了大量的数据。如何有效地管理大规模数据,以便研究人员能够重用这些数据并在用户之间共享,从而挖掘出有价值的信息是目前需要面临的挑战。为此,本文结合脑组织序列切片电子显微镜图像与基于电子显微镜图像的分割数据的特点,设计了相应的数据管理策略,并开发了一个数据管理模块,由服务器端的存储和检索模块和客户端的图像缓存模块两部分组成。在服务器端,结合分布式文件系统Hadoop和分布式数据库Hbase,采用金字塔模型存储电子显微镜图像,解决了海量数据存储问题。并设计了一种基于空间位置信息的快速检索方法,其检索的时间复杂度为常数时间复杂度O(1)。对于分割结果数据,提出了一种基于分块存储的存储方法,以及分别用于逐层获取分割结果和获取整个神经结构对象的检索方法。在客户端设计了图像三级图像缓存模块,进一步减少数据获取的延迟时间,改善用户的体验。通过理论分析和实际测试,该工具具有良好的实时性,能够支持大规模神经结构数据的管理,可扩展性强,完全满足用户在一般浏览情况下的需求。
王亚丽[3](2020)在《消防维保系统中图片传输与加载框架的研究与实现》文中研究表明随着移动互联网的高速发展,移动应用的种类越来越丰富,图片凭借其清晰、直观的展示效果成为各大应用传递消息的主要载体。由于移动终端自身可使用的资源非常有限,对于图片数据的不当处理,会导致移动应用出现内存溢出、响应时间过长等性能问题。本文以消防维保系统为研究对象,针对其中由图片处理引起的性能问题,如上传包含大量图片数据时响应延迟、界面加载缓慢等,研究了图片传输与加载过程中的优化策略,最终实现了一套适用于消防维保系统的图片传输与加载框架。首先,本文对消防维保系统由于图片数据处理不当、客户端用户访问频繁造成的系统请求响应延迟、页面加载缓慢等问题进行分析,明确了研究图片传输与加载过程优化策略的必要性,并且在消防维保系统中涉及图片传输功能模块居多,得出开发一个涉及图片传输与加载过程基础功能点框架来提升系统性能的重要性;其次,本文介绍了研究图片传输与加载框架中的优化策略和设计实现目标框架所需的相关理论知识和技术,包括Android内存管理机制、数据传输、无损数据压缩等;然后本文针对消防维保系统中的图片传输与加载过程优化策略进行了研究和设计,主要包括数据传输和内存管理机制两方面的优化策略;然后结合图片传输与加载过程的功能特点以及本文所研究的优化策略,设计并实现了消防维保系统中的图片传输与加载框架。在实验测试阶段,本文从功能测试和性能测试两方面对消防维保系统进行测试。在功能测试方面,通过对加入图片传输与加载框架后系统主要模块图片显示与上传的测试,证明了该框架运用于消防维保系统之后各个模块间也可正确的协调工作。在性能测试方面,首先对消防维保系统在加入图片传输与加载框架前后请求响应时间和流量损耗两个方面进行测试,实验结果表明本文所设计的图片传输与加载框架能节省20%的网络流量,减少近1/4的请求响应时间;然后对本文在数据传输和内存缓存策略方面所做的优化进行测试,实验结果表明改进后的数据传输方法和缓存策略效果更好。通过以上测试得出本文所研究的图片传输与加载框架能够提高消防维保系统响应速度以及减少流量损耗的结论,从而为用户提供更好的服务。
余俊[4](2020)在《基于ICE的文件并发传输系统设计与实现》文中进行了进一步梳理随着互联网技术的迅猛发展,网络在工作和生活中扮演着越来越重要的角色,信息交互越来越频繁,交互内容也越来越丰富。文件交互即是交互信息中非常重要的一种类型。传统文件传输应用程序的编写需要调用操作系统提供的通信接口API(即SOCKET)来实现,需要考虑异构环境下的各种状况,也需要处理通信协议的细节,工作量较大且繁杂。而使用通信中间件作为系统的通信框架,把大量的底层通信细节让中间件去完成,可以使在开发应用程序时更关注业务逻辑的实现,有效提升开发效率。ICE(Internet Communications Engine)是一个面向对象、开源的、高效的通信中间件,通过ICE中间件提供的分布式服务技术ICE Grid构建的服务,先天具备分布式特性,使服务端具有弹性扩容、水平伸缩能力,提升文件传输并发数。同时,在超短波、3G、4G、卫星等无线网络环境下,信道资源受带宽限制,且随着通信节点位置的变化,信号覆盖也具有时好时坏的特征。通常情况下,为了保证数据的可靠传输,某些应用系统直接采用TCP进行传输;然而在无线信道下,TCP开销较大,没有最大限度利用有限的信道能力。针对无线网络环境下的文件传输信道利用率低、传输效果较差的问题,本文设计了一种无线网络环境下文件自适应传输方法。在无线信道下利用UDP的传输机制最大限度利用无线信道带宽,同时基于UDP传输的反馈(包括传输时延抖动、丢包率等)进行网络带宽预测,控制发送速率,最大限度接近当前实际带宽值,实现传输速率的自适应。同时,本文设计了一种窄带文件传输加速方法,通过对数据块进行MD5编码,建立本地变长数据块库,采用重复数据删除技术,极大减小发送数据量(最多可减少70%的数据量)。最大限度节省传输带宽、利用传输带宽,提高传输效率。经测试,本文设计的基于ICE的文件并发传输系统,各项功能和性能满足指标要求,达到了预期效果。
范心仪[5](2019)在《移动终端下五层十五级遥感瓦片的多维显示及缓存优化方法研究》文中认为随着移动通讯技术和遥感技术的迅猛发展,移动终端GIS应用已经成为GIS应用领域的研究热点。五层十五级作为一种新型的遥感数据组织模型,能够处理和存储多源、异构的海量遥感影像,解决传统影像组织模型存在的处理复杂、精度损失等问题,有效实现海量遥感影像在移动端上的应用,具有非常重要的实用价值。然而作为应用的基础,目前五层十五级遥感瓦片移动端显示的相关研究仅停留在二维平台,未顾及地图开发框架适应性和移动设备特性,三维显示相关研究仍为空白。针对上述问题,本文从多维显示与缓存优化方面展开研究,为实现移动终端下五层十五级遥感瓦片多维显示框架提供行之有效的解决方案。研究内容如下:(1)结合五层十五级模型与移动设备两者特性,提出了 一套较为完整的移动端五层十五级遥感瓦片的多维显示方法。针对二维显示方面,本文研究了避免影像内部形变的瓦片数据投影变换方法,并构建了不同类别开发框架下的层级对应关系,从而有效解决了模型与地图框架的适应性问题;制定了加快界面显示速度的预取策略和避免闪屏问题的滞后卸载策略,提升了显示效率和流畅度。针对三维显示方面,本文设计了适应五层十五级模型的瓦片数据结构,建立了量化绘制精度的节点体系,并制定了保障应用顺畅运行的实时视域数据调度策略,弥补了三维显示相关研究的不足。(2)基于五层十五级遥感瓦片的移动端二维显示特性及用户操作偏向定义了瓦片距离价值的概念,结合时间价值、瓦片大小价值和多属性决策思想发展了一种依据瓦片时空操作(TSO)的缓存置换算法。并通过性能对比实验验证了该算法在缓存命中率上具有优势,且更适用于中型缓存空间。此外,本文依据实验结果设计了缓存结构,有效减少移动端与服务器端网络传输成本,加快影像显示速度。(3)构建基于五层十五级的海量遥感影像移动端多维可视化原型系统。本文利用二三维显示、缓存预取、网络服务、多线程并发及混合云架构等技术,实现了移动终端下五层十五级多时相高分切片数据的多维、多尺度显示及外业标绘辅助功能,在验证显示应用模型可行性和有效性的同时,实现了移动应用系统海量遥感信息服务的按需扩展和快速响应。
王子炫[6](2019)在《基于HDFS光盘库的磁盘缓存系统的设计与实现》文中指出随着大数据时代的到来,全球每天产生的数据总量高达PB级,数据总量规模也越来越大。但是这些数据只有很少一部分经常使用,大部分数据在很长一段时间内都不会被访问。若是将所有的数据都存储到磁盘阵列中,将会带来高昂的存储成本和数据管理成本。随着光盘技术的发展,由于其单位存储成本低、容量大、安全性高、能耗低等优点,被应用到各种冷数据备份系统中。目前市场上出现一种基于光盘库的Hadoop分布式文件系统(HDFS光盘库),HDFS光盘库与传统的光盘库相比,在系统容量和数据传输速度方面都得到了很大的提升,但是仍然和磁盘之间存在很大差距。本课题正是为解决HDFS光盘库和磁盘存储设备之间的差距而进行的研究。论文首先研究HDFS光盘库系统的结构特点,以及HDFS文件系统中小文件存储优化方案,针对HDFS光盘库内合并的小文件之间关联性较低的问题,本文提出了一种基于文件名的标签分类算法,并在虚拟存储模块内根据文件标签信息设计小文件合并策略。然后研究国内外缓存替换算法和预取技术,结合文件标签信息和系统内调度对象,提出了一种基于文件标签的LB-LRU算法(Label Based Least Recently Used),该算法有效地提高了磁盘缓存系统的缓存命中率,在Cache模块内设置文件预取策略提高磁盘缓存系统的缓存命中率。最后针对传统HDFS光盘和加入磁盘缓存系统的HDFS光盘在文件读写性能和NameNode内存消耗进行性能测试,同时对磁盘缓存系统内标签分类算法和LB-LRU算法的性能进行测试,测试结果表明磁盘缓存系统可有效的提高文件读写能力,降低HDFS光盘库的内存消耗。
宋涛[7](2018)在《数据中心的网络调度与应用研究》文中指出云计算时代的来临使得传统资源专用模式的数据中心演变成新型资源共享模式的数据中心。一方面,数据中心网络结构从传统的层次化树状结构演变成了新型的扁平化对称结构,网络流量从“南北”流量为主演变成“东西”流量为主。因此,传统的数据中心网络调度机制已经不适应云计算数据中心的网络结构和流量模式。另一方面,资源共享模式的出现使得原有的数据中心应用已经不适用于云计算数据中心,新型的云计算数据中心应用开始大量涌现。本文将主要聚焦于云计算数据中心的网络调度和新型应用研究两大主线,完成了以下三个方面的研究:1.数据中心网络流族调度当前的数据中心网络调度研究常常以流为粒度进行调度,但是这种调度方式在对当前数据中心中大量出现的并行计算框架产生的数据流进行调度时表现并不理想,因为它忽视了这些并行的数据流之间存在的语义相关性,最终的调度结果并不能满足它们期望实现的效果。以流族为粒度的调度方法研究正是着眼于解决这类问题。本文设计了一个集中式的实时动态流族调度系统Seagull++,它着眼于减小平均流族完成时间和提升满足Deadline流族数目两个流族调度主要目标,通过实现流族信息获取模块和网络瓶颈探测模块,结合启发式调度算法,很好的实现了流族的实时动态调度,达到了期望的性能。小规模的真实测试平台实验和大规模仿真实验均证明了Seagull++系统在降低平均流族完成时间和提升满足Deadline流族数目上取得了良好的效果。2.数据中心应用——多租户远程虚拟系统计算机技术的迅猛发展,使得大众对计算资源的需求不断增加,人们通过不断升级个人计算设备以满足这种需求,随之带来了高昂的成本开销和硬件资源的浪费。虚拟化技术的诞生和云计算的发展与成熟为这一问题的解决带来一种行之有效的解决思路:通过远程连接到云计算数据中心中虚拟资源的方式,实现现有个人计算设备共享和复用数据中心中的硬件资源。但是,现实中个人计算设备多种多样(包括个人电脑,智能手机,可穿戴设备等等),如果为每一类设备都设计和实现一种专有的远程虚拟系统则会带来标准混乱,兼容性差,难于维护等各种问题。本文着力于搭建一种通用的多租户远程虚拟系统,它在云计算数据中心与个人计算设备之间架起必要的桥梁。该系统的主要贡献包括:一方面,这是一种通用的系统框架,通过模块化的资源适配,即可实现特定的虚拟系统。通过远程虚拟系统,个人计算设备只需要安装简单的应用程序,便可以直接使用远程数据中心的计算资源,达到降低个人计算设备性能要求,保护了个人敏感数据安全,易于集中管理与部署等目的。另一方面,系统设计了一种基于改进蚁群算法的虚拟计算单元的放置算法来满足多租户同时使用的需求,可以充分利用数据中心的硬件资源,避免浪费。为了验证系统的通用性,本文还分别针对两种不同类型的个人计算设备,即个人电脑和智能手机,构建了实例应用展示。在这两种不同类型设备使用的场景下,进行了大量的基准性能测试与用户体验测试。测试结果表明,本文提出的通用多租户远程虚拟系统,一方面,可以充分发挥数据中心的计算能力,避免硬件资源浪费,并且具有良好的可扩展性;另一方面,完全适用于低配置的客户端计算设备,也为终端用户带了良好的用户体验,比如高质量低延迟的视频显示,较低的电池消耗等等。3.数据中心应用——异构分布式深度神经网络基于深度神经网络的智能应用通常是部署于数据中心中高性能服务器上,相关研究主要关注如何提升深度神经网络性能。由于数据中心的高性能服务器通常以集群的方式存在,因此分布式的深度神经网络也成为了提升深度神经网络的重要方法之一。但是,这类分布式深度神经网络只是限于数据中心内部的同构服务器上采用,忽视了深度神经网络的数据来源采集者——搭载各类数据传感器的终端结点。这种忽视造成了一种研究方向的盲点,层次化的异构型分布式深度神经网络少有人研究。针对此研究盲点,本文提出了一种新型的层次化异构分布式深度神经网络框架HDDNN。它是一种以数据中心为核心,结合人工智能,云计算,物联网,普适计算概念于一体的新型智能应用。HDDNN框架通过将云结点,边缘结点和终端结点连接起来形成层次化的架构,并结合每类结点的特性和能力,最终设计和实现了分布式计算结点异构,分布式神经网络异构,分布式系统任务异构的新型数据中心应用。大量的实验论证了HDDNN框架具有更短的响应时间,高的准确性,更好的硬件利用率,高扩展性,使能隐私保护,使能容错性等特性。
田梦达[8](2018)在《Android云存储文件系统的设计与实现》文中研究表明在当今社会,云存储技术蓬勃发展,在我们身边不同的领域中得到了广泛的应用。如何在移动设备上有效的利用云存储技术成为了目前的关注点。市面上的大部分云存储移动客户端是基于应用层开发,这种设计方式使得云存储数据只能通过对应客户端的软件访问,不同应用之间获取云存储的数据需要应用层面上的跨进程访问。而且这种基于应用层的云存储方式与操作系统解耦,无法真正的像文件系统一样组织与管理数据。同时移动端的存储能力有限,将云存储中的海量数据保存到有限的手机存储中需要用合理的方式处理冷热数据。针对上述问题,本文设计并实现了Android云存储文件系统ACFS,基本工作如下:本文设计的ACFS是一个用户空间文件系统,其基于FUSE开发,并实现了包括创建删除目录,创建删除文件,读写文件等多个文件系统调用。ACFS选择对象存储作为云后端,用户操作本地文件系统实际上是在操作云后端的对象存储。设计并实现了二级缓存模型来维护客户端本地系统的冷热数据,使用基于LRU替换算法的内存缓存维护客户端文件系统热数据,使用SQLite数据库与SD卡组成的磁盘缓存保存客户端文件系统冷数据。ACFS是在Android操作系统下运行的文件系统,可以挂载在Android任意可写目录下运行,其具有良好兼容性,可兼容Android 2.3以上的版本。目前,ACFS完成开发,本文对其文件系统功能、性能、缓存效率以及兼容性进行了相关测试,并结合具体实际案例进行了分析。根据测试结果以及测试案例表明,该系统运行稳定,可应用到实际中。
丁楠[9](2017)在《传统数据库业务迁移到虚拟化环境中的性能优化与应用研究》文中指出经过多年的发展,虚拟化技术在计算、存储、网络以及管理上已经日趋成熟,并广泛应用到各个领域的企业信息化建设中。但是在政府、企业、高校等组织机构进行业务虚拟化的过程中,却较少有针对性的性能优化操作,降低了虚拟化后的业务性能。针对传统数据库迁移问题,本文设计了一套关键业务迁移方案,使企业关键业务在虚拟化的过程中不发生业务中断。本文在深入研究当今主流虚拟化技术的基础上,在ESXi虚拟化环境中以SQL Server数据库为例,考虑企业关键业务虚拟机在虚拟化后遇到的实际性能问题,提出了一种可行的性能优化应用方案,通过配置虚拟NUMA、超线程架构负载均衡、虚拟SMP等策略提高虚拟机调用物理CPU资源的执行效率;通过配置管理程序内存交换、虚拟机内存分配等策略以避免内存过载导致的性能下降;通过分散虚拟机存储的读写负载,配置vFRC等技术以优化存储性能;通过协同定位虚拟机网络通信关系、更换虚拟网卡、更改虚拟网络交换机冗余策略等方法避免网络瓶颈导致的通信阻塞问题等。本文采用业界主流数据库基准性能测试工具,对虚拟机迁移前后、性能优化前后进行基准性能测试,通过实际的测试数据验证了本文研究工作的可行性和有效性,表明本文解决方案具有应用价值。
彭晨[10](2015)在《无磁盘缓存高速光盘刻录机制的设计与实现》文中研究表明随着信息化程度的不断加深,数据爆炸性增长,海量数据长期、高效、安全的保存备受关注。近年来蓝光光盘技术的发展,光盘存储具有低成本、低功耗、高容量、高可靠性、安全性、长期保存和高维护性的特性,因此成为长期数据归档的重要技术之一。但是现有光盘库结构的先存再刻方式限制了高并发流式刻录的性能。针对先存再刻机制的性能问题,提出直接使用内存作为光盘高速流式刻录的缓冲器,称之为无磁盘缓存光盘库刻录。设计无磁盘缓存光盘刻录机制的整体技术架构,实现了高性能的无磁盘缓存光盘库数据归档系统。具体而言,无磁盘缓存光盘刻录主要通过四个模块实现,分别是光盘库内存管理模块、光盘轨道划分模块、UDF生成及数据刻录模块和元数据动态记录模块。使用环形缓冲的方法管理光盘库内存缓冲区,提高光盘库内存缓冲区的利用率;将光盘进行轨道划分,从而实现元数据信息以及数据信息的分别定位写。通过简化光盘库数据归档流程及利用内存数据传输率相对较高的特性,提高系统的性能。通过数据归档实验及其结果分析,单光驱数据归档所执行时间为760秒,对比目前先存再刻机制系统,使用单光驱进行数据归档的吞吐率提升56.84%。
二、如何正确设置Windows的虚拟内存和磁盘缓存(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:
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、如何正确设置Windows的虚拟内存和磁盘缓存(论文提纲范文)
(1)软件使用手册本地化英译中翻译实践报告 ——以Azure为例(论文提纲范文)
摘要 |
Abstract |
Introduction |
1 Translation Project Description |
1.1 Introduction to the Source Text |
1.2 Research Significance |
1.3 Structure of the Thesis |
2 Guiding Theory |
2.1 Introduction to Text Typology |
2.1.1 Text Typology |
2.1.2 Translation Methods for Informative Text |
2.2 Quality Evaluation Framework |
3 Translation Process |
3.1 Pre-Translation |
3.1.1 Features of the Source Text |
3.1.2 Selection of CAT Tool |
3.2 While-Translation |
3.3 Post-Translation |
3.3.1 Verification of the Inconsistency of Machine Translation |
3.3.2 Error Classification on Machine Translation Output |
3.3.3 Putting Forward Post-editing Methods |
4 Case Study |
4.1 Language and Style Errors |
4.1.1 Attributive Clause |
4.1.2 Prepositional Phrases |
4.1.3 Verbal Phrases |
4.2 Terminological Errors |
4.3 Inaccurate Translation |
4.3.1 Negative Structure Sentence Translation |
4.3.2 Fragmentary Sentence Translation |
4.3.3 Article Translation |
References |
Appendix(1):Translation practice and the Author’s Analysis |
Appendix(2):TAC’s Quality Evaluation Model |
Acknowledgement |
(2)基于分布式框架的海量神经结构数据管理方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 重建软件工具的国内外研究历史与现状 |
1.3 论文的研究内容与贡献 |
1.4 论文的结构安排 |
第2章 神经结构数据管理预备知识 |
2.1 微观脑连接组重建流程 |
2.2 重建过程中产生的数据 |
2.2.1 电子显微镜图像数据 |
2.2.2 分割结果数据 |
2.3 分布式框架 |
2.3.1 分布式文件系统Hadoop |
2.3.2 分布式数据库Hbase |
2.4 本章小结 |
第3章 电子显微镜图像数据管理方法 |
3.1 图像存储模型与检索 |
3.1.1 存储模型设计 |
3.1.2 图像检索 |
3.2 图像缓存 |
3.2.1 三级缓存模块 |
3.2.2 缓存优先级 |
3.3 序列电子显微镜图像集制作方法 |
3.4 本章小结 |
第4章 分割结果数据管理方法 |
4.1 分割数据类型定义与存储 |
4.1.1 分割数据类型 |
4.1.2 存储模型设计 |
4.2 分割数据检索 |
4.2.1 2D检索方法 |
4.2.2 3D检索方法 |
4.3 分割结果数据集制作方法 |
4.4 本章小结 |
第5章 数据管理工具系统设计及测试 |
5.1 软件工具架构设计 |
5.2 数据管理工具界面 |
5.2.1 数据管理工具主界面 |
5.2.2 数据工程创建界面 |
5.2.3 数据集制作界面 |
5.3 网络通信模块 |
5.3.1 数据传输格式和服务接口定义 |
5.3.2 创建服务器端 |
5.3.3 客户端服务创建 |
5.4 数据管理模块设计 |
5.5 图像三级缓存模块 |
5.6 软件工具测试 |
5.7 本章小结 |
结论 |
参考文献 |
攻读学位期间发表的学术论文 |
致谢 |
(3)消防维保系统中图片传输与加载框架的研究与实现(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 研究现状 |
1.3 研究目标与内容 |
1.4 论文组织结构 |
1.5 本章小结 |
第二章 相关理论与技术 |
2.1 Android系统架构 |
2.2 基于JSON格式的数据传输 |
2.2.1 JSON数据文法 |
2.2.2 JSON数据的封装与解析 |
2.3 Android内存管理机制 |
2.3.1 Java虚拟机与Android虚拟机 |
2.3.2 Android虚拟机内存分配 |
2.3.3 Android虚拟机垃圾回收 |
2.4 图片格式 |
2.5 数据压缩 |
2.5.1 LZ77数据压缩算法的基本概念 |
2.5.2 LZ77算法的原理 |
2.6 本章小结 |
第三章 消防维保系统中图片传输与加载过程优化方法研究 |
3.1 消防维保系统中图片应用问题分析 |
3.2 优化关键点分析 |
3.3 数据传输的研究与优化 |
3.3.1 数据压缩算法的研究 |
3.3.2 LZ77数据压缩算法的改进 |
3.4 内存管理机制的研究与优化 |
3.4.1 常见的缓存策略 |
3.4.2 缓存替换策略的优化 |
3.5 本章小结 |
第四章 消防维保系统中图片传输与加载框架的设计和实现 |
4.1 图片传输与加载框架的总体设计 |
4.1.1 功能模块划分 |
4.1.2 数据交互模块设计 |
4.1.3 网络请求模块设计 |
4.1.4 数据缓存模块设计 |
4.2 图片传输与加载框架的实现 |
4.2.1 数据交互模块实现 |
4.2.2 网络请求模块实现 |
4.2.3 数据缓存模块实现 |
4.3 本章小结 |
第五章 实验测试 |
5.1 实验环境 |
5.2 实验设计 |
5.3 实验结果及分析 |
5.3.1 功能测试结果及分析 |
5.3.2 性能测试结果及分析 |
5.4 本章小结 |
第六章 总结与展望 |
参考文献 |
致谢 |
作者简介 |
(4)基于ICE的文件并发传输系统设计与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 研究意义 |
1.3 国内外研究现状 |
1.4 本文主要工作 |
1.5 论文的内容及结构 |
第二章 相关开发技术介绍 |
2.1 ICE通信中间件技术 |
2.1.1 ICE的概述 |
2.1.2 ICE的组成 |
2.1.3 ICE的关键特性 |
2.1.4 ICE的优势 |
2.2 分布式服务技术 |
2.2.1 资源层 |
2.2.2 平台层 |
2.2.3 服务层 |
2.3 自适应传输技术 |
2.4 本章小结 |
第三章 基于ICE的文件并发传输系统需求分析 |
3.1 设计目标 |
3.2 功能需求 |
3.3 性能需求 |
3.4 数据需求 |
3.5 环境需求 |
3.6 本章小结 |
第四章 基于ICE的文件并发传输系统总体设计 |
4.1 系统架构 |
4.2 系统组成 |
4.3 系统接口设计 |
4.3.1 接口示意图 |
4.3.2 接口描述 |
4.4 工作原理和流程 |
4.4.1 用户管理流程 |
4.4.2 用户注册流程 |
4.4.3 身份认证流程 |
4.4.4 通讯录呈现流程 |
4.4.5 文件传输流程 |
4.4.6 文件并发传输流程 |
4.4.7 日志管理流程 |
4.5 软件设计方案 |
4.5.1 业务控制服务 |
4.5.2 文件传输服务 |
4.5.3 文件加速服务 |
4.5.4 通讯录呈现服务 |
4.5.5 安全支撑服务 |
4.5.6 综合管理服务 |
4.5.7 文件客户端软件 |
4.6 系统部署 |
4.7 本章小结 |
第五章 基于ICE的文件并发传输系统的实现 |
5.1 业务控制服务 |
5.1.1 组件构成 |
5.1.2 组件说明 |
5.1.3 内部流程 |
5.1.4 核心代码 |
5.2 文件传输服务 |
5.2.1 组件构成 |
5.2.2 组件说明 |
5.2.3 内部流程 |
5.2.4 核心代码 |
5.3 文件加速服务 |
5.3.1 组件构成 |
5.3.2 组件说明 |
5.3.3 内部流程 |
5.3.4 核心代码 |
5.4 通讯录呈现服务 |
5.4.1 组件构成 |
5.4.2 组件说明 |
5.4.3 内部流程 |
5.4.4 核心代码 |
5.5 安全支撑服务 |
5.5.1 组件构成 |
5.5.2 组件说明 |
5.5.3 内部流程 |
5.5.4 核心代码 |
5.6 综合管理服务 |
5.6.1 组件构成 |
5.6.2 组件说明 |
5.6.3 内部流程 |
5.6.4 核心代码 |
5.7 文件客户端软件 |
5.7.1 组件构成 |
5.7.2 组件说明 |
5.7.3 核心代码 |
5.8 界面实现 |
5.8.1 综合管理界面 |
5.8.2 客户端软件界面 |
5.9 本章小结 |
第六章 基于ICE的文件并发传输系统测试 |
6.1 测试环境 |
6.2 测试目标 |
6.3 测试用例 |
6.3.1 功能测试 |
6.3.2 性能测试 |
6.4 测试结果 |
6.5 本章小结 |
第七章 全文总结及展望 |
7.1 总结 |
7.2 下一步工作 |
致谢 |
参考文献 |
(5)移动终端下五层十五级遥感瓦片的多维显示及缓存优化方法研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 遥感瓦片显示技术的研究现状 |
1.2.2 遥感瓦片缓存技术的研究现状 |
1.2.3 五层十五级遥感数据组织模型的研究现状 |
1.3 主要研究内容 |
1.4 论文组织结构 |
2 五层十五级遥感瓦片的移动端多维显示方法研究 |
2.1 五层十五级遥感数据组织模型 |
2.1.1 模型技术背景 |
2.1.2 五层十五级遥感数据组织模型 |
2.2 五层十五级遥感瓦片二维显示关键技术研究 |
2.2.1 瓦片数据的投影变换 |
2.2.2 层级对应关系构建 |
2.2.3 基于预取策略的数据载入 |
2.2.4 顾及平滑过渡原则的滞后卸载策略 |
2.3 五层十五级遥感瓦片三维显示关键技术研究 |
2.3.1 三维瓦片显示方法研究 |
2.3.2 适应五层十五级组织模型的瓦片数据结构设计 |
2.3.3 瓦片节点评价体系建立 |
2.3.4 基于实时视域的数据调度策略 |
2.4 多线程并行加载策略 |
2.5 本章小结 |
3 移动终端下的五层十五级遥感瓦片缓存算法及结构 |
3.1 传统缓存置换算法 |
3.2 依据瓦片时空操作的缓存置换算法 |
3.2.1 五层十五级遥感瓦片的移动端二维显示特性分析 |
3.2.2 缓存置换策略的价值指标设计 |
3.2.3 瓦片时空操作价值计算 |
3.2.4 考虑缓存策略的瓦片数据结构设计 |
3.2.5 缓存置换算法设计及流程 |
3.3 缓存算法实验与分析 |
3.3.1 实验数据及测试环境 |
3.3.2 算法评价指标 |
3.3.3 不同阈值设定对比实验 |
3.3.4 不同缓存算法对比实验 |
3.3.5 TSO算法效率分析实验 |
3.4 缓存结构设计 |
3.5 基于缓存结构的瓦片请求访问流程 |
3.6 本章小结 |
4 系统应用实例 |
4.1 系统设计目的 |
4.2 系统结构设计 |
4.2.1 系统总体结构 |
4.2.2 系统模块划分 |
4.3 可视化及标绘功能模块实现 |
4.3.1 空间信息多维展示相关功能 |
4.3.2 多时相数据主分屏展示相关功能 |
4.3.3 外业标绘采集管理相关功能 |
4.4 本章小结 |
5 总结与展望 |
5.1 工作与成果总结 |
5.2 研究特色 |
5.3 展望 |
参考文献 |
作者简历及攻读硕士期间科研成果 |
(6)基于HDFS光盘库的磁盘缓存系统的设计与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 缓存替换算法 |
1.2.2 预取技术 |
1.3 本文的主要研究工作 |
1.4 本文的内容安排 |
第二章 相关理论与技术 |
2.1 HDFS光盘库文件系统概述 |
2.1.1 小文件处理模块 |
2.1.2 块文件管理模块 |
2.1.3 光盘库I/O调度模块 |
2.2 HDFS小文件处理策略的概述 |
2.2.1 HDFS原生小文件处理策略 |
2.2.2 其他小文件处理策略 |
2.3 本章小结 |
第三章 磁盘缓存系统的设计 |
3.1 系统需求分析 |
3.2 系统总体设计 |
3.3 标签分类模块的设计 |
3.3.1 关键词数据库的设计 |
3.3.2 关键词提取模块的设计 |
3.3.3 标签分类算法的设计 |
3.4 虚拟存储模块的设计 |
3.4.1 小文件合并模块的设计 |
3.4.2 小文件映射模块的设计 |
3.4.3 小文件提取模块的设计 |
3.5 Cache模块的设计 |
3.5.1 文件预取模块的设计 |
3.5.2 缓存替换算法的设计 |
3.6 本章小结 |
第四章 磁盘缓存系统关键模块的实现 |
4.1 标签文件目录的实现 |
4.2 标签分类模块的实现 |
4.3 虚拟存储模块的实现 |
4.3.1 小文件合并模块的实现 |
4.3.2 小文件映射模块的实现 |
4.3.3 小文件提取模块的实现 |
4.4 Cache模块的实现 |
4.4.1 文件预取模块的实现 |
4.4.2 缓存替换算法的实现 |
4.5 本章小结 |
第五章 系统测试与分析 |
5.1 测试环境 |
5.2 标签分类性能测试 |
5.2.1 测试方案 |
5.2.2 测试结果及分析 |
5.3 小文件处理性能测试 |
5.3.1 测试方案 |
5.3.2 测试结果及分析 |
5.4 缓存替换算法性能测试 |
5.4.1 测试方案 |
5.4.2 测试结果及分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 进一步研究工作 |
参考文献 |
致谢 |
在学期间的研究成果及发表的学术论文 |
(7)数据中心的网络调度与应用研究(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 数据中心的网络调度 |
1.3 数据中心的应用研究——远程虚拟系统 |
1.3.1 远程虚拟桌面系统 |
1.3.2 远程虚拟智能手机系统 |
1.4 数据中心的应用研究——分布式深度神经网络框架 |
1.5 本文的主要贡献 |
1.6 本文的组织结构 |
第二章 数据中心的网络流族调度 |
2.1 引论 |
2.2 相关背景研究 |
2.2.1 虚拟巨型交换机 |
2.2.2 流族的饿死 |
2.2.3 流族通信方式分类 |
2.2.4 经典流族调度算法 |
2.3 问题描述和分析 |
2.3.1 示例一:发送端瓶颈 |
2.3.2 示例二:接收端瓶颈 |
2.3.3 流族大小分布 |
2.4 系统设计和实现 |
2.4.1 系统架构 |
2.4.2 流族API |
2.4.3 流族信息获取模块 |
2.4.4 分布式网络瓶颈检测模块 |
2.5 流族调度算法 |
2.5.1 期望特性 |
2.5.2 算法描述 |
2.5.3 期望特性实现 |
2.6 实验评测及分析 |
2.6.1 真实实验 |
2.6.2 仿真实验 |
2.7 本章小结 |
2.7.1 延伸工作 |
第三章 数据中心应用——多租户远程虚拟系统 |
3.1 引论 |
3.2 相关背景介绍 |
3.2.1 虚拟化 |
3.2.2 虚拟机 |
3.2.3 虚拟机的放置 |
3.3 主要贡献 |
3.3.1 通用多租户远程虚拟系统设计 |
3.3.2 基于蚁群算法的虚拟计算单元放置 |
3.4 应用实例一:多租户远程桌面虚拟系统 |
3.4.1 应用动机 |
3.4.2 实现细节 |
3.4.3 实验评估 |
3.5 应用实例二:多租户远程虚拟智能手机平台 |
3.5.1 应用动机 |
3.5.2 系统框架 |
3.5.3 实现细节 |
3.5.4 实验评估 |
3.6 本章小结 |
3.6.1 延伸工作 |
第四章 数据中心应用——异构分布式深度神经网络 |
4.1 引论 |
4.2 相关背景介绍 |
4.2.1 人工智能和深度神经网络 |
4.2.2 物联网 |
4.2.3 普适计算和分布式系统 |
4.3 异构分布式深度神经网络框架设计 |
4.3.1 分布式计算结点异构 |
4.3.2 神经网络异构 |
4.3.3 系统任务异构 |
4.3.4 任务分配和可扩展性 |
4.3.5 隐私保护 |
4.3.6 容错性 |
4.4 评测系统设计 |
4.4.1 评测系统框架 |
4.4.2 评测系统里的神经网络 |
4.4.3 评测数据集 |
4.4.4 评测通信开销 |
4.5 实验结果和分析 |
4.5.1 分布式计算结点异构的影响 |
4.5.2 神经网络异构的影响 |
4.5.3 系统任务异构的影响 |
4.5.4 任务分配和可扩展性的评测 |
4.5.5 隐私保护的额外开销 |
4.5.6 容错性测试 |
4.6 本章小结 |
4.6.1 延伸工作 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文 |
攻读学位期间参与的项目 |
攻读学位期间申请的专利 |
(8)Android云存储文件系统的设计与实现(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究背景 |
1.2 国内外研究现状 |
1.2.1 移动云技术现状 |
1.2.2 云存储文件系统现状 |
1.2.3 冷热数据处理研究现状 |
1.3 研究目标 |
1.4 本文的结构 |
第二章 相关理论和技术基础 |
2.1 对象存储相关知识 |
2.1.1 对象存储介绍 |
2.1.2 对象存储概念 |
2.1.3 对象存储产品 |
2.2 文件系统开发方式 |
2.2.1 用户空间文件系统 |
2.2.2 内核空间文件系统 |
2.2.3 可堆叠式文件系统 |
2.2.4 开发方式对比和选择 |
2.3 用户空间文件系统FUSE |
2.3.1 FUSE工作原理 |
2.3.2 FUSE的发展 |
2.3.3 FUSE结构体定义 |
2.3.4 FUSE的优缺点 |
2.4 本章小结 |
第三章 ACFS文件系统总体架构 |
3.1 ACFS功能描述 |
3.2 ACFS总体架构 |
3.3 ACFS的基本定义 |
3.4 ACFS的基本操作 |
3.5 本章小结 |
第四章 ACFS系统设计 |
4.1 系统模块结构 |
4.2 系统详细设计 |
4.2.1 对象存储的选择 |
4.2.2 用户接口模块设计 |
4.2.3 云存储模块设计 |
4.2.4 内存缓存模块设计 |
4.2.5 磁盘缓存模块设计 |
4.2.6 配置模块设计 |
4.3 文件系统的动作 |
4.3.1 文件系统的挂载和卸载 |
4.3.2 目录操作 |
4.3.3 文件操作 |
4.4 本章小结 |
第五章 ACFS文件系统实现 |
5.1 开发环境 |
5.2 云存储模块实现 |
5.3 用户接口模块 |
5.4 内存缓存模块实现 |
5.5 磁盘缓存模块实现 |
5.6 配置模块实现 |
5.7 交叉编译 |
5.8 本章小结 |
第六章 ACFS文件系统测试 |
6.1 系统测试 |
6.1.1 测试环境 |
6.1.2 功能测试 |
6.1.3 性能测试 |
6.1.4 缓存效率测试 |
6.1.5 兼容性测试 |
6.2 案例测试 |
6.3 本章小结 |
总结与展望 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
(9)传统数据库业务迁移到虚拟化环境中的性能优化与应用研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 国内外研究现状 |
1.1.1 基本概念 |
1.1.2 虚拟化的发展现状与趋势 |
1.2 主要研究工作 |
1.2.1 论文的主要研究内容 |
1.2.2 技术路线 |
1.3 论文组织结构 |
第二章 企业关键应用与虚拟化技术 |
2.1 企业关键应用 |
2.2 虚拟化企业关键应用的作用 |
2.2.1 高可用性 |
2.2.2 灾难恢复 |
2.2.3 可扩展性 |
2.2.4 部署便利 |
2.2.5 迭代测试 |
2.2.6 高效整合 |
2.3 企业关键应用的虚拟化架构 |
2.4 本章小结 |
第三章 关键应用在虚拟化中的性能优化方案设计 |
3.1 企业关键应用虚拟化迁移 |
3.1.1 克隆迁移技术 |
3.1.2 迁移企业关键业务至ESXi服务器 |
3.2 性能优化目标与方案 |
3.2.1 虚拟化性能优化目标 |
3.2.2 虚拟化性能优化方案 |
3.3 ESXi主机性能优化 |
3.4 虚拟化计算性能优化 |
3.4.1 计算虚拟化的基本概念 |
3.4.2 ESXi NUMA调度的工作原理 |
3.4.3 超线程架构的负载均衡 |
3.4.4 虚拟化计算性能优化方案 |
3.5 虚拟化内存性能优化 |
3.5.1 管理程序内存交换 |
3.5.2 管理虚拟机内存分配 |
3.5.3 虚拟化内存性能优化方案 |
3.6 虚拟化存储性能优化 |
3.6.1 存储虚拟化的基本概念 |
3.6.2 虚拟化存储性能优化方案 |
3.7 虚拟网络性能优化 |
3.7.1 虚拟网络的基本概念 |
3.7.2 虚拟化网络性能优化方案 |
3.8 本章小结 |
第四章 关键应用虚拟化后的性能优化实施 |
4.1 SQL Server数据库实例的虚拟化 |
4.1.1 物理环境架构 |
4.1.2 迁移物理SQL Server至ESXi服务器 |
4.1.3 物理服务器与虚拟机的工作负载切换 |
4.2 ESXi主机性能优化 |
4.2.1 能源管理 |
4.2.2 Windows虚拟机能源设置 |
4.3 虚拟机计算性能优化 |
4.3.1 启用硬件与软件NUMA |
4.3.2 启用虚拟SMP整合 |
4.3.3 启用vNUMA |
4.3.4 NUMA与SQL Server连接 |
4.4 虚拟机内存性能优化 |
4.4.1 配置主机SSD缓存内存交换 |
4.4.2 更改工作集大小侦测频率 |
4.4.3 配置虚拟机内存预留 |
4.4.4 配置虚拟机内存热插拔 |
4.5 虚拟机存储性能优化 |
4.5.1 更改虚拟磁盘类型 |
4.5.2 为虚拟机配置多个vSCSI控制器 |
4.5.3 更改vSCSI控制器类型 |
4.5.4 分离不同类型的读写I/O |
4.5.5 配置虚拟闪存读缓存 |
4.6 虚拟机网络性能优化 |
4.6.1 添加DRS关联性规则 |
4.6.2 更改网络延迟敏感度 |
4.6.3 更改虚拟交换机负载均衡策略 |
4.6.4 更改虚拟机网卡类型 |
4.6.5 分离VMkernel流量 |
4.6.6 绑定ISCSI网络流量到指定的VMkernel端口 |
4.7 本章小结 |
第五章 性能优化测试结果与分析 |
5.1 测试平台 |
5.1.1 SQL Server物理服务器环境 |
5.1.2 ESXi服务器环境 |
5.1.3 服务器CPU与内存性能对比 |
5.2 测试工作负载与相关参数工具 |
5.2.1 类TPC-E OLTP工作负载 |
5.2.2 类TPC-E OLTP性能验证工具 |
5.2.3 主要测试参数与监控指标 |
5.3 基于类TPC-E OLTP工作负载的数据库性能 |
5.3.1 测试场景 1-虚拟化前的数据库OLTP工作负载性能 |
5.3.2 测试场景 2-虚拟化后的数据库OLTP工作负载性能 |
5.3.3 测试场景 3-性能优化后的数据库OLTP工作负载性能(6GB) |
5.3.4 测试场景 4-性能优化后的数据库OLTP工作负载性能(12GB) |
5.4 性能测试结果分析 |
5.4.1 虚拟化性能优化前后测试结果对比 |
5.4.2 虚拟化前与性能优化后测试结果对比 |
5.4.3 内存过载与正常场景下的测试结果对比 |
5.5 结论 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
附录1 攻读硕士学位期间撰写的论文 |
致谢 |
(10)无磁盘缓存高速光盘刻录机制的设计与实现(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究的现状 |
1.3 本文的主要内容 |
2 相关原理及技术 |
2.1 光盘库原理 |
2.2 无磁盘缓存光盘库刻录原理与技术 |
2.3 本章小结 |
3 无磁盘缓存光盘库刻录系统的设计 |
3.1 无磁盘缓存需求分析 |
3.2 无磁盘缓存整体设计方案 |
3.3 无磁盘缓存各模块详细设计方案 |
3.4 本章小结 |
4 无磁盘缓存光盘库刻录系统实现方案 |
4.1 无磁盘缓存整体实现方案 |
4.2 无磁盘缓存各模块实现方案 |
4.3 本章小结 |
5 系统测试 |
5.1 测试环境 |
5.2 测试参数设置 |
5.3 基本功能测试 |
5.4 性能测试结果与分析 |
5.5 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
四、如何正确设置Windows的虚拟内存和磁盘缓存(论文参考文献)
- [1]软件使用手册本地化英译中翻译实践报告 ——以Azure为例[D]. 于承志. 大连理工大学, 2021(02)
- [2]基于分布式框架的海量神经结构数据管理方法研究[D]. 袁静斌. 哈尔滨理工大学, 2020(02)
- [3]消防维保系统中图片传输与加载框架的研究与实现[D]. 王亚丽. 西安电子科技大学, 2020(05)
- [4]基于ICE的文件并发传输系统设计与实现[D]. 余俊. 电子科技大学, 2020(07)
- [5]移动终端下五层十五级遥感瓦片的多维显示及缓存优化方法研究[D]. 范心仪. 浙江大学, 2019(02)
- [6]基于HDFS光盘库的磁盘缓存系统的设计与实现[D]. 王子炫. 南京航空航天大学, 2019(02)
- [7]数据中心的网络调度与应用研究[D]. 宋涛. 上海交通大学, 2018(01)
- [8]Android云存储文件系统的设计与实现[D]. 田梦达. 华南理工大学, 2018(12)
- [9]传统数据库业务迁移到虚拟化环境中的性能优化与应用研究[D]. 丁楠. 南京邮电大学, 2017(02)
- [10]无磁盘缓存高速光盘刻录机制的设计与实现[D]. 彭晨. 华中科技大学, 2015(05)