声明
摘要
插图索引
附表索引
第1章 绪论
1.1 论文研究背景-大数据时代
1.2 论文研究问题的提出及意义
1.2.1 数据传递及共享技术在大数据时代面临的挑战
1.2.2 数据存储技术在大数据时代面临的挑战
1.2.3 数据检索及分析技术在大数据时代面临的挑战
1.3 论文主要研究内容及贡献
1.4 论文结构与章节安排
第2章 布鲁姆过滤器概述及相关工作
2.1 布鲁姆过滤器工作原理
2.1.1 标准布鲁姆过滤器
2.1.2 标准计数器布鲁姆过滤器
2.2 布鲁姆过滤器国内外研究现状
2.3 布鲁姆过滤器典型扩展算法介绍
2.4 小结
第3章 面向NDN中名字查找的哈希布鲁姆过滤器
3.1 引言
3.2 背景及相关工作
3.2.1 NDN数据包转发机制介绍
3.2.2 相关研究成果介绍
3.3 哈希布鲁姆过滤器
3.3.1 HBF结构和原理
3.3.2 HBF算法分析
3.3.3 HBF算法实现
3.4 实验评估
3.4.1 实验方案及数据
3.4.2 HBF中插入CBF中名字个数均衡度
3.4.3 HBF误判率
3.4.4 HBF片内存储器访问次数
3.4.5 HBF片外存储器访问次数
3.4.6 HBF实际总体访问成本对比分析
3.4.7 HBF与d-left HTPIT访问次数及访问成本对比
3.5 小结
第4章 面向闪存的数据温度感知布鲁姆过滤器
4.1 引言
4.2 相关工作
4.3 数据温度感知布鲁姆过滤器
4.3.1 设计思想和动机
4.3.2 DTPBF结构和原理
4.3.3 DTPBF算法分析
4.4 实验评估
4.4.1 实验方案及实验数据
4.4.2 实验结果分析
4.5 小结
第5章 面向闪存键值存储的矩阵索引布鲁姆过滤器
5.1 引言
5.2 背景及相关工作
5.2.1 SkimyStash
5.2.2 BloomStore
5.3 矩阵索引布鲁姆过滤器
5.3.1 设计思想和动机
5.3.2 MIBF结构和原理
5.3.3 MIBF算法分析
5.3.4 MIBF算法实现
5.4 实验评估
5.4.1 模拟数据实验
5.4.2 实际数据实验
5.5 小结
第6章 面向Hadoop-Join算法的高精度布鲁姆过滤器
6.1 引言
6.2 背景及相关工作
6.3 高精度布鲁姆过滤器
6.3.1 ACBF构造原理
6.3.2 ACBF优化
6.3.3 模拟数据实验结果
6.4 ACBF在Hadoop中实现
6.4.1 MapReduce介绍
6.4.2 基于ACBF的Reduce-side Join算法
6.4.3 实验结果
6.5 小结
第7章 面向多维属性数据的高精度多维计数布鲁姆过滤器
7.1 引言
7.2 多维计数布鲁姆过滤器相关工作
7.3 高精度多维计数布鲁姆过滤器
7.3.1 AMD-CBF结构和原理
7.3.2 AMD-CBF理论假阳性计算
7.3.3 AMD-CBF实现算法
7.4 AMD-CBF实验评估
7.4.1 模拟数据实验
7.4.2 实际数据实验
7.5 小结
结论
参考文献
致谢
附录A 攻读学位期间发表的学术论文及著作
附录B 攻读学位期间主持或参与科研、专利