一、一种提高磁盘阵列I/O性能的策略（论文文献综述）
李牧原[1]（2021）在《RAID6编码设计与在线扩容方案优化研究》文中进行了进一步梳理当今时代,5G、物联网、云计算等技术的高速发展,带来了数据信息量的爆炸式增长,这对存储系统提出了更高的要求。存储系统的存取效率、数据的可靠性将受到严峻挑战。RAID存储系统具有良好的存取性能、优秀的可扩展性再加上相对低廉的成本,因而被广泛应用在各大企业的存储服务器中。本文基于RAID6存储系统,对RAID6编码的布局与重构、RAID6在线扩容方案的优化进行研究,并设计出两种方案。内容如下:本文提出了N-code编码。N-code编码是一种基于RAID6的编码。N-code编码具有优秀的存储效率、编解码复杂度和校验更新复杂度。在实验测试中与7种流行的RAID6编码进行比较,N-code表现出了较好的降级读性能和较好的部分条带写入性能。与采用水平编码的流行编码相比,N-code在部分条带写入速度上增加了32%-66%。与采用垂直编码的流行编码相比,N-code在降级读取速度上提升了32%-53%。本文基于HS6扩容方案设计了HS6-O在线扩容优化方案。HS6-O针对在线扩容过程中用户访问I/O和扩容迁移I/O之间相互影响问题,设计了基于热度的迁移策略、基于顺序读写排序机制、面向用户写操作的重定向策略三个方案进行优化。实验结果显示,在整体扩容效率上HS6-O比HS6提升了7.89%-19.15%,在用户平均响应时间上HS6-O比HS6优化了5.69%-22.12%。本文基于RAID6存储系统,分析了7种流行的RAID6编码的优势与劣势,针对性的设计了新的RAID6编码,有效提升了RAID6存储系统的存取性能。针对HS6扩容方案在线运行时存在的问题,设计了I/O调度策略,有效提升了HS6扩容方案在线运行时的效率。为RAID6存储系统下一步的发展,提供了理论基础和新的思路。
胡宇[2]（2021）在《基于RAID-6的磁盘阵列扩容方案的研究与实现》文中研究表明信息爆炸时代的来临和云存储的高速发展造成了数据量成倍的增长,物联网的发展也使物和物之间增多了联系,信息技术的蓬勃发展带来了社会的欣欣向荣,同时都造成了数据量日益增加,数据存储的承载量和存储设备可靠性问题受到业界人们的关注,科研人员希望寻找有效的办法来应对这类挑战。RAID-6存储系统相比其它的RAID存储系统具有更高的数据可靠性,通过纠删码在RAID中的应用,设计出高效的扩容方案一直探索的方向。在一定程度上,有效的扩容方案可以解决存储容量不足的问题,编码的布局决定着扩容时间,影响着扩容效率。因此为了达到提升存储容量的同时还能提升扩容效率。本文分别对符合横式编码、纵式编码、Non-MDS编码中的一种进行横向分析,根据编码特点进行扩容方案的设计,从数据的计算开销、数据迁移量和迁移方式三方面进行了优化。三种扩容方案的设计思路分别是:（1）横式编码在正常模式下拥有两个专用校验盘,因此这两个校验磁盘不能正常读,其中斜校验磁盘更不能在单个磁盘发生故障的时候,执行降级读操作。作为纵式编码的N-Code编码,可以提高正常/降级的读I/O性能,且在所有磁盘之间分配校验链,根据该编码的优势本文设计了SNC扩容方案。该方案通过读三角形区域的数据,写到新磁盘上,满足最小数据迁移,同时还实现了数据的均匀布局。在实现部分MDS编码良好读性能时,还能提高降级读性能。通过实验分析,SNC扩容方案与传统的两种扩容方案相比,减少了76.52%-88.94%的I/O开销。（2）本文根据EVENODD编码特点提出一种扩容方案—ECS。该扩容方案通过优化迁移数据,在扩容之后,尽量保证校验链的完整性,扩容前后仍然能保证公共校验链不产生额外计算开销的特点,这样可以有效减少EVENODD编码在扩容后进行异或开销的次数。通过实验结果分析,ECS方案与传统的两种扩容方案相比,有效降低了43.28%-68.46%的计算开销。（3）本文针对一种Non-MDS编码-HoVer,提出一种可以降低HoVer编码的复杂性达到双容错机制的扩容方案。通过校验数据分布在磁盘上位置的不同,有效缩短扩容时间的一种扩容方案—H2CS。该方案通过行校验数据与斜校验数据分布的特征,来决定新磁盘的插入位置。通过校验数据的选择,减少了计算开销以及缩短了扩容时间。通过实验结果分析,H2CS方案与传统的两种扩容方案相比,减少了62.86%-81.56%的数据迁移量。
程鹏[3]（2020）在《面向高性能计算系统的融合数据管理关键技术研究》文中进行了进一步梳理随着高性能计算、大数据与人工智能的不断融合,高性能计算社区亟需同时支持这三种场景的计算系统来加速科学发现。然而,爆炸性增长的科学数据以及不同场景下应用截然不同的I/O特征促使融合应用呈现前所未有的复杂性。与此同时,不断加深的存储层次和多样化的数据定位需求进一步增加数据管理难度,导致高性能计算系统面临严峻的数据存储与管理挑战。为了在高性能计算系统上有效支持融合应用,本文结合层次式存储结构和应用特征,研究融合应用场景下数据管理的关键问题,优化高性能计算系统的数据管理能力并提升应用I/O性能。本文的主要工作包括:1.针对高性能计算系统存储层次不断加深的趋势,本文设计基于层次式存储结构的数据管理系统,统一管理内存、固态硬盘等多个存储层次,为融合应用提供高效数据缓存空间。为充分发挥不同存储层次的性能和容量等特点,该层次式数据管理系统结合应用数据访问模式定制数据管理策略,协调数据在各个存储层次的分布方式。此外,针对存储层次加深引起的数据局部性变化,本文设计数据感知的任务调度机制,配合资源管理系统尽可能将任务调度到拥有数据的计算资源。相比于底层并行文件系统,该层次式数据管理系统能够为应用带来54%的性能提升。2.针对单一数据管理策略无法充分发挥层次存储结构性能优势的问题,本文以科学工作流应用为代表,提出面向融合应用的自适应数据管理技术。本文将层次式存储结构下的数据放置问题抽象为分类问题,提出基于分类模型的智能数据放置策略:该策略以最小化科学工作流应用的总I/O时间为目标,挖掘不同应用特征和系统实时状态下数据放置策略对应用总I/O时间的影响,并训练分类模型智能做出数据放置决策。数据预取问题方面,本文分析科学工作流应用的数据流图拓扑结构和数据访问特征之间的关系,提出针对文件类别的自适应数据预取策略:通过结合局部性预取策略和智能预取策略的各自优势,提升复杂数据访问模式识别能力。相比于固定数据放置策略,本文提出的自适应数据放置策略能够实现34%的I/O性能提升;相比于传统局部性预取策略,本文提出的自适应预取策略识别复杂数据访问模式的能力显着提升,并能够降低54.2%的数据读取时间。3.针对并行文件系统管理海量科学数据时面临的数据定位挑战,本文提出耦合文件系统的索引与查询优化。文件粒度数据定位问题方面,本文设计并发元数据提取机制,快速提取文件系统中已有文件的“应用定制元数据”信息,通过定制的层次式哈希索引结构,高效满足文件粒度定位需求。记录粒度数据定位问题方面,本文采取原位索引构建机制,允许数据在写入文件系统的同时构建索引信息;为了权衡索引粒度与索引构建开销,本文提出轻量级Range-bitmap索引结构;结合本文设计的并行查询处理机制,记录粒度数据定位需求能够被快速响应。对生物和气象等数据集的测试表明,本文设计的文件粒度索引查询方案能够在毫秒内从包含数百万个文件的目录中定位目标文件;本文设计的记录粒度索引查询方案相比于遍历整个数据集定位内部数据的方式实现2个数量级的查询速度提升。
陈妍霖[4]（2020）在《固态存储阵列的多通道I/O优化研究》文中研究说明近年来,存储技术发展迅速,除了容量的大小有所突破,硬件的升级使得存储性能也有较大幅提升,但其I/O性能并没有相应地大幅增长,随着多核CPU的多用户态频繁请求的增加,对于多通道固态存储阵列的固态存储设备来说,其I/O性能的优化就显得尤为重要。针对航空领域特定机载存储设备大容量且高速的需求,本文设计实现了一个以NAND Flash为存储介质的多通道固态存储阵列方案。当有大量频繁的I/O请求时,上层的请求需要经过多个不同的系统软件层才能到达下层硬件实现数据的访问,为此设计了一个专用的块设备驱动,针对3通道的固态存储阵列的硬件物理特性,以轮询的方式平均访问SRAM命令池中存放的命令以优化I/O调度,实现了一个较为高效的I/O调度策略。好的闪存管理能更好地处理I/O请求,在闪存转换层（Flash Translation Layer,FTL）中维护了一个虚实地址映射表来实现地址映射、磨损均衡、垃圾回收等机制,可使系统根据闪存内部结构的物理特性更为直观地进行数据块的使用和管理,充分利用了闪存通道的并行资源。此外,采用直接内存访问（Direct Memory Access,DMA）方式,在驱动层和固态存储阵列间传输数据和命令,可避免对CPU的大量请求,提升I/O请求的速度和性能。最后,分析对比了系统在不同大小的数据块、不同通道数量及不同读写比例下的读写性能、IOPS等,并展示了实际的测试结果。在不同通道下,本系统的带宽和I/O速度都有较大的提升,符合设计目标。
元铸[5]（2020）在《RAID6编码扩容方案研究与实现》文中研究说明随着大数据、云计算、物联网和5G等技术的发展,数据量呈现爆发增长,数据中心存储容量与设备可靠性愈发面临严峻挑战。由于RAID6存储系统拥有更高的数据可靠性和可扩展性,这就使得对RAID6存储系统扩容方案的研究显得尤为重要。鉴于RAID6编码都拥有自身独特的布局,且对扩容时间影响较大,因此本文对H-Code、HDP Code、Short Code三种编码布局特点进行分析,并分别从影响扩容效率的总I/O开销、总XOR开销和数据迁移量三个方面提出有针对性的解决方案。本文主要研究内容及创新点如下:（1）本文结合H-Code编码特点,提出一种满足降低扩容开销的HS6扩容方案。该方案优化了待移动数据的迁移路径,降低了行校验盘I/O读写频率,解决了H-Code编码独立行校验盘更新可能造成I/O瓶颈的潜在风险。对比实验数据显示,与Round-Robin和Semi-RR扩容方案相比,HS6方案减少了30.6%-62.9%的I/O开销。（2）本文提出一种拥有均匀数据分布、最小数据迁移和减少计算开销的HDS扩容方案。该方案迁移最少的数据,优化了校验数据的更新次序,减少了由于HDP Code编码不具备最优更新复杂度所带来的额外计算开销。对比实验数据显示,HDS方案与典型扩容方案相比,降低了66.1%-76.9%的XOR计算开销。（3）本文提出一种新磁盘添加位置最佳,满足最优数据迁移量的SS6扩容方案。该方案缓解了Short Code编码的RAID6存储系统中新磁盘添加位置对扩容效率的不利影响,合理的迁移数据选择机制满足了最小数据迁移的要求。对比实验数据显示,SS6方案与典型扩容方案相比,减少了67.92%-86.38%的数据迁移量,离线场景下缩短了14.5%-63.5%的总扩容时间。本文从RAID6编码的布局特点进行分析,对H-Code、HDP Code和Short Code编码的RAID6存储系统提出有针对性的解决方案,将编码布局对扩容效率所造成的不利影响降到最低,为下一步固态盘阵列扩容技术以及分布式环境下的扩容技术研究提供了理论基础及新的思路。
关启明[6]（2019）在《面向Open Channel SSD的I/O调度策略的研究》文中指出随着大数据应用的迅速发展,数据中心的I/O延迟以及吞吐量成为了关注的焦点。Lenovo/IBM的研究报告表明,即使装备基于PCIe接口的固态硬盘,当运行一个典型的数据库系统时,多于60%的时间是在等待外存的I/O数据请求。而现有的文件系统设计主要基于传统机械硬盘的顺序访问机制,其数据分配主要采用顺序分配的方案。顺序分配策略并没有充分考虑SSD的多通道特性,从而出现大量数据在同一时间访问一个数据通道,因此严重的浪费了数据通道资源。其次,在数据中心通常使用多个存储节点进行扩展存储的容量,而SSD具有有限的使用寿命。因此,如何平衡多个存储节点之间的负载同时最大化整个存储系统的使用寿命是迫切解决的问题之一。针对上述问题,本文设计了一个通用的SSD模型,它不仅考虑了SSD中并行组件的结构,而且研究了这些组件的利用率。之后,基于所提出的模型设计了一种新颖的基于延迟的I/O调度策略。该调度策略不仅可以预测资源利用,而且能智能地将请求分配给并行组件（例如信道）以实现降低访问SSD的等待时间。除此之外,针对使用多个存储节点对数据中心进行扩展存储容量的方案,本文提出了一种延迟-寿命可感知的I/O调度策略,它不仅可以优化I/O性能,而且能够延长磁盘阵列的使用寿命。最后,本文将基于延迟的I/O调度策略以及基于延迟-寿命可感知的I/O调度策略应用于跟踪驱动的模拟器中,并在Financial和Web Search数据集中评估其有效性。实验结果表明,基于延迟的I/O调度策略与最先进的调度策略（例如基于权重的请求调度策略）相比,IOPS和请求延迟分别提高了16.5%和14.2%。其次,延迟-寿命可感知的I/O调度策略的IOPS比EGS提高了8%以上,并且改善了磁盘阵列的使用寿命。
徐高翔[7]（2019）在《基于多种盘阵列的混合存储系统性能优化方法研究》文中认为随着信息技术的飞速发展,数据规模不断扩大,各类应用对存储性能的要求也越来越高,传统的存储系统在容量、性能、可靠性等方面面临着巨大的挑战。磁盘阵列（Redundant Array of Independent Disks,RAID）通过并行技术和冗余机制大大提高了存储系统的性能和可靠性,为构建高效高可靠的存储系统提供了一种很好的解决思路。相比于磁盘阵列,固态盘阵列（Redundant Array of Independent SSDs,RAIS）可提供更高的数据访问性能,但存储成本也更高。基于磁盘阵列和固态盘阵列构建的混合存储系统利用固态盘阵列的高性能提供快速的数据访问,利用磁盘阵列提供大容量存储。如何在磁盘阵列和固态盘阵列之间合理分布数据来充分发挥系统内各存储设备的优势,克服盘阵列系统在处理小写请求时频繁更新校验导致的系统性能影响,对于提升系统整体性能有着重要意义。论文从真实负载中的数据访问特性出发,考虑不同类型存储设备之间的差异,降低混合存储系统中盘阵列的校验更新开销,围绕着混合存储系统的性能优化提出了相应方法。针对混合存储系统中分布数据的问题,提出了基于访问顺序性感知的数据布局方法（Sequentiality Aware Data Placement,SADP）,将能够带来高性能收益的数据优先分布在性能更高的固态盘阵列上来提高系统整体性能。由于数据的访问类型存在差异,将不同数据存放在固态盘阵列上产生的性能收益差别很大。SADP根据数据的访问特征计算出将数据分布在固态盘阵列上的性能收益值,利用贪心算法优先将能够带来高性能收益的数据（简称高收益数据）存放在固态盘阵列上来获得最大的性能收益。不同于传统方法仅以数据访问频度和请求大小作为数据布局的依据,SADP增加了对数据访问顺序性的考虑,避免将顺序访问数据识别为高收益数据,更好地利用固态盘阵列的性能优势提升系统性能。同时,SADP设计了一种高效的冷热表结构,在O（1）时间复杂度内完成对高收益数据的查找,相比传统的全局查找方式有效提高了数据布局效率。测试表明,SADP比经典的Hystor系统中使用的数据布局方法的系统带宽提高了27.1%,系统平均响应延迟降低了20.7%。针对混合存储系统中校验更新消耗部分固态盘资源导致系统性能提升有限的问题,提出了基于缓存校验提升固态盘资源利用率的方法（Parity Caching based method for improving Utilization of SSD resource,PCUS）,利用缓存技术减少校验更新对固态盘资源的消耗。由于小写请求产生的校验更新开销远高于大写请求产生的校验更新开销,PCUS利用新型非易失存储器（Non-Volatile Memory,NVM）作为校验缓存推迟系统内固态盘阵列的校验更新,将一个条带的多次小写聚合成一次大写,降低固态盘阵列的校验更新开销,使得更多的固态盘资源用于系统性能提升。不同于传统缓存方法仅仅通过缓存校验来聚合条带小写,PCUS根据关联数据访问间隔短的特点将关联更新的热数据重组到一个条带,缩短了条带内数据更新间隔,提高了小写聚合成大写的概率,更有效地利用NVM缓存来降低固态盘阵列的校验更新开销和提高固态盘资源的利用率。测试表明,对比使用典型的缓存方法PPC来提高混合存储系统的固态盘资源利用率,PCUS将系统带宽提高了14.9%。针对混合存储系统中校验更新影响数据访问请求处理速度导致系统平均响应延迟增加的问题,提出了面向响应延迟优化重建友好的日志方法（Recovery Friendly Logging method for Latency reduction,RFLL）,利用日志技术优化系统平均响应延迟的同时兼顾了重建性能。混合存储系统中磁盘阵列上数据访问请求的响应延迟很高,RFLL将更新数据写到新的条带并重定向校验到一块专门的日志盘,降低了磁盘阵列的校验更新开销,提高了磁盘阵列上数据访问请求的处理速度,降低了系统的平均响应延迟。由于数据的写次数存在不对称性,直接将更新数据以日志方式写到新的条带容易造成新旧数据混杂,大量需要保留的旧数据导致磁盘故障时系统重建时间增加。RFLL在将更新数据写到新条带时避免将来自不同条带的更新数据写到一个条带,降低了新旧数据混杂的概率,减少了需要保留的旧数据个数,提高了重建效率。同时,RFLL利用缓存减少实际写到日志盘的校验量,提高了系统写性能。测试表明,对比使用典型的日志方法EPLOG来优化系统平均响应延迟,RFLL将系统平均响应延迟降低了20.6%,磁盘故障时的重建时间降低了12.5%。
李志鹏[8]（2019）在《基于纠删码的容错存储系统中数据布局优化》文中进行了进一步梳理大规模存储系统出错成为常态,纠删码技术广泛应用于存储系统中,以提供低存储开销的容错能力。然而,纠删码在存储系统中的数据布局,即块与存储设备之间的映射,与容错存储系统的可扩展性、可靠性、修复性能等指标有着紧密的关联。本文从数据布局的角度出发,在扩容（块的重新映射）算法设计、提高系统可靠性方案、高效故障修复策略三个方面展开研究。主要的研究内容与贡献如下:·提出基于部署Parity Declustering数据布局的磁盘阵列存储系统的高效扩容方案PDS（Parity Declustering Scaling）。PDS利用平衡不完全区组设计（Balanced Incomplete Block Design）定义数据迁移,实现了扩容所需数据迁移量最小,扩容后仍保持Parity Declustering数据布局,以及数据块与校验块的均匀分布。实验结果表明,PDS可有效缩短扩容时间和扩容过程中用户响应时间。·提出基于PDS数据迁移的提高磁盘阵列容错能力方案,以支持PDS扩容方案提高系统可靠性。PDS通过在条带中添加校验块来提高容错能力,并利用平衡不完全区组设计定义新加块在磁盘阵列中的放置,实现了提高可靠性后仍保持Parity Declustering数据布局,以及数据块与校验块的均匀分布。实验结果表明,提高可靠性的PDS扩容方案仍可有效缩短扩容时间和扩容过程中用户响应时间。·提出基于纠删码容错的分布式存储系统中面向高效故障修复的数据布局方案D3（Deterministic Data Distribution）。D3利用正交阵列（Orthogonal Array）定义块在机架和节点之间的放置,实现了数据块与校验块的均匀分布,以及在单节点故障下修复流量的负载均衡。此外,对于可容单机架故障的数据布局,D3修复单节点故障所需跨机架修复流量最小。实验结果表明,D3可显着加快单节点故障修复过程。
李连登[9]（2019）在《基于“神威·太湖之光”的数据密集型计算并行优化》文中提出随着物联网、移动互联网以及人工智能等技术的迅速发展,人类社会步入了大数据时代,数据的产生量呈指数型增长。大数据隐藏了巨大的价值,已被许多国家视为战略资源。大数据价值的挖掘对计算提出了更高的要求。然而,由于摩尔定律失效和功耗墙的限制,可用计算能力和计算需求之间的鸿沟反而在不断扩大,因此亟需探究数据密集型计算的新方式。基于异构众核架构的超级计算机被认为是解决大数据问题的“杀手锏”武器,但充分发掘其潜力面临内存访问、线程组织、数据共享、编程模型等多方面的挑战。本文以“神威·太湖之光”超级计算机为目标平台,选择数据密集型计算中无监督机器学习k-means算法、深度学习内核函数以及数据安全AES算法开展高效并行计算与优化的研究,以满足数据分析处理的时效性和准确性需求。论文的主要贡献和创新点如下:第一,针对无监督机器学习k-means算法,首次提出并实现了数据样本数、聚类质心数和数据维度能同时独立并行的多级层次化优化方法,解决了高维度数据处理的性能瓶颈问题;此外,设计实现了两阶段规约机制、大规模并行通信等并行优化策略,解决了大规模可扩展性问题,实现了高效并行计算。实验结果表明,通过并行应用4,096个计算节点（1,064,496个核心）,针对于样本个数为1,265,723,数据维度为196,608以及聚类质心为2,000的大规模数据聚类问题,实现了每次迭代少于18秒的性能,使k-means算法成为复杂场景中更为可行的数据分析解决方案;第二,针对深度学习内核函数,设计实现了基于申威异构众核架构的并行优化策略,通过寄存器通信、DMA访存、循环分块与合并、双缓冲等措施,缩短了计算时间,提升了网络模型的训练和推理效率。实验结果表明,经过上述优化措施,单个SW26010异构众核处理器上的内核函数计算性能可达到NVIDIA K40m GPU的23%-116%,而相比Intel 2路12核E52680 V3 OPU则有3.04-7.84倍的提升;第三,针对数据安全AES算法,设计实现了向量化编程模型、核组间、核组内及指令并行优化策略,解决了 AES算法在申威异构众核架构上的向量化、指令并行等问题,充分发掘了处理器性能。实验结果表明,并行优化后的AES算法在单个SW26010异构众核处理器上最大可获得13.49 GB/s的吞吐量,当计算节点扩展到1,024个且每个节点输入数据块大小为1 GB时,最大可获得13,381.58 GB/s的吞吐量,具有近线性扩展能力。
黄洵松[10]（2019）在《高可靠存储阵列性能优化方法的研究》文中提出在云存储和大数据处理系统中,高可靠性存储阵列因其低廉的价格和提供的高可用性而被广泛选择。高可靠存储阵列通常通过纠删码技术在保证多块磁盘同时失效的同时进行数据恢复。使用三盘容错的纠删码时,由于编码复杂,写入若干数据块的部分条带写可能引起大量的校验块修改,从而成为写性能瓶颈。重复数据删除是存储阵列的一种典型应用,由于索引表需要频繁从外存调入内存,数据搬运量庞大,总体性能受到限制。为解决高可靠性存储阵列的部分条带写性能不足的问题,在本篇论文中,我们提出一种优化的部分条带写方法（Optimized Partial Stripe Write Scheme,OPS）,通过重组写数据块的分布,让它们在数据块之间共享部分校验块,从而提高整体的I/O性能。OPS方法可以有效的减少所需修改的校验块的数目。为说明我们OPS方法的有效性,我们用Disksim对不同的部分条带写方法做了模拟仿真。结果显示,相比于传统方法,OPS方法可以降低37.21%的平均响应时间,减少26.22%的写操作数目。为解决高可靠性存储阵列的应用性能不足的问题,在本篇论文中,我们针对重复数据删除应用提出了一种基于计算融入存储体系结构的优化方法,通过嵌入到存储设备的计算单元执行部分原地计算,减少数据在存储设备到内存上的搬运。该方法可以有效减短数据路径的长度,提升重复数据删除应用检索索引表的性能。为说明我们方法的有效性,我们用Disksim对大量的重复数据删除应用做了模拟仿真。结果显示,相比于传统方法,我们的方法在使用200万内存指纹索引表和粒度为250条指纹的B+树叶子的情况下,最高可以降低285.74倍的运行时间,减少125.13倍的数据搬运。
二、一种提高磁盘阵列I/O性能的策略（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、一种提高磁盘阵列I/O性能的策略（论文提纲范文）
（1）RAID6编码设计与在线扩容方案优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 海量数据存储 |
| 1.1.2 数据存储可靠性 |
| 1.1.3 数据存储容错 |
| 1.2 纠删码存储技术 |
| 1.2.1 RS编码 |
| 1.2.2 LDPC编码 |
| 1.2.3 阵列编码 |
| 1.3 纠删码存储系统扩容机制 |
| 1.3.1 扩容的概念 |
| 1.3.2 扩容现有工作概述 |
| 1.3.3 在线扩容机制概述 |
| 1.4 本文研究内容与贡献 |
| 1.5 论文结构安排 |
| 第二章 相关技术介绍 |
| 2.1 RAID扩容简介 |
| 2.1.1 RAID编码介绍 |
| 2.1.2 RAID扩容基本概念 |
| 2.1.3 RAID扩容的评价标准 |
| 2.2 RAID6 编码介绍 |
| 2.2.1 流行的RAID6 编码介绍 |
| 2.2.2 RAID6 编码的评价标准 |
| 2.3 I/O均衡技术 |
| 2.4 Trace介绍 |
| 2.4.1 Trace的结构 |
| 2.4.2 Trace的类型 |
| 2.4.3 测试方法 |
| 2.5 本章小结 |
| 第三章 N-code编码设计 |
| 3.1 问题研究 |
| 3.1.1 RAID6 阵列编码中读取问题 |
| 3.1.2 RAID6 阵列编码中写入问题 |
| 3.2 N-code编码设计 |
| 3.2.1 N-code布局设计 |
| 3.2.2 N-code重建过程 |
| 3.2.3 N-code编码评价 |
| 3.3 N-code负载平衡分析 |
| 3.3.1 评价方法介绍 |
| 3.3.2 负载均衡比较 |
| 3.4 N-code读写性能测试与分析 |
| 3.4.1 实验平台介绍 |
| 3.4.2 评价方法介绍 |
| 3.4.3 读取性能实验分析 |
| 3.4.4 写入性能实验分析 |
| 3.4.5 数据长度对读写性能影响 |
| 3.4.6 在线性能测试 |
| 3.5 本章小结 |
| 第四章 HS6-O在线扩容方案优化设计 |
| 4.1 HS6 扩容算法简介 |
| 4.2 研究问题与动机 |
| 4.2.1 研究问题 |
| 4.2.2 研究动机 |
| 4.3 基于热度的迁移策略 |
| 4.3.1 概念设计 |
| 4.3.2 设计实现 |
| 4.4 基于顺序读写排序机制 |
| 4.4.1 概念设计 |
| 4.4.2 设计实现 |
| 4.5 面向用户写操作的重定向策略 |
| 4.5.1 概念设计 |
| 4.5.2 设计实现 |
| 4.6 HS6-O整体架构 |
| 4.7 实验分析 |
| 4.7.1 实验环境介绍 |
| 4.7.2 测试方案 |
| 4.7.3 测试结果分析 |
| 4.8 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（2）基于RAID-6的磁盘阵列扩容方案的研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 存储系统的背景意义 |
| 1.1.1 扩容方案研究目的与意义 |
| 1.1.2 存储系统的介绍 |
| 1.2 国内外扩容方案概况 |
| 1.2.1 优化块存储的扩容方案 |
| 1.2.2 优化算法的扩容方案 |
| 1.3 论文内容与贡献 |
| 第二章 相关理论基础 |
| 2.1 数据可靠性的保证 |
| 2.1.1 存储系统可靠性面临的挑战 |
| 2.1.2 非阵列编码的代表性介绍 |
| 2.1.3 阵列编码 |
| 2.2 RAID扩容相关概念 |
| 2.3 RAID扩容方案性能评价标准 |
| 2.4 有负载的测试方法 |
| 2.5 本章小结 |
| 第三章 基于N-Code编码的扩容方案SNC |
| 3.1 研究问题与动机 |
| 3.2 研究方案 |
| 3.2.1 N-Code编码相关工作 |
| 3.2.2 SNC扩容方案设计 |
| 3.3 方案实验分析 |
| 3.3.1 数据迁移率分析 |
| 3.3.2 总I/O开销分析 |
| 3.3.3 总XOR开销分析 |
| 3.3.4 是否添加负载的扩容时间分析 |
| 3.4 本章小结 |
| 第四章 基于EVENODD编码的扩容方案ECS |
| 4.1 研究问题与动机 |
| 4.2 研究方案 |
| 4.2.1 EVENODD编码相关工作 |
| 4.2.2 ECS扩容方案设计 |
| 4.3 ECS方案实验分析 |
| 4.3.1 数据迁移率分析 |
| 4.3.2 总XOR分析 |
| 4.3.3 I/O操作总数分析 |
| 4.3.4 是否添加负载的扩容时间分析 |
| 4.4 本章小结 |
| 第五章 基于HoVer编码的扩容方案H2CS |
| 5.1 研究问题与动机 |
| 5.2 研究方案 |
| 5.2.1 Ho Ver编码相关工作 |
| 5.2.2 H2CS扩容方案设计 |
| 5.3 H2CS方案实验分析 |
| 5.3.1 数据迁移率分析 |
| 5.3.2 总I/O开销分析 |
| 5.3.3 总XOR开销分析 |
| 5.3.4 是否添加负载的扩容时间分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
| 参与项目和获得奖项 |
| 发表论文和软件着作权 |
（3）面向高性能计算系统的融合数据管理关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文研究背景和意义 |
| 1.2 融合场景下数据管理关键问题与挑战 |
| 1.3 本文工作和贡献 |
| 1.4 论文组织结构 |
| 第二章 背景和相关工作 |
| 2.1 融合场景下应用特征与系统存储结构变化 |
| 2.1.1 科学工作流 |
| 2.1.2 应用特征变化 |
| 2.1.3 系统存储结构变化 |
| 2.2 现有数据存储与管理方案 |
| 2.2.1 设计动态库丰富数据管理功能 |
| 2.2.2 拓展文件系统优化数据存储与管理 |
| 2.2.3 定制外部数据管理系统管理科学数据 |
| 2.2.4 其他数据管理工具 |
| 2.3 自适应和智能数据管理优化 |
| 2.3.1 数据放置优化 |
| 2.3.2 数据预取优化 |
| 2.4 科学数据索引与查询优化 |
| 2.4.1 文件粒度索引与查询优化 |
| 2.4.2 记录粒度索引与查询优化 |
| 第三章 基于层次式存储结构的数据管理系统设计 |
| 3.1 前言 |
| 3.2 目的与挑战 |
| 3.3 层次式数据管理系统TDMS |
| 3.3.1 TDMS系统架构 |
| 3.3.2 水平及垂直数据管理策略 |
| 3.3.3 系统接口设计 |
| 3.4 面向应用特征的定制数据管理技术 |
| 3.4.1 科学工作流及数据访问模式划分 |
| 3.4.2 定制层次式数据管理策略 |
| 3.4.3 跨存储层的负载均衡机制 |
| 3.5 数据感知的任务调度技术 |
| 3.6 系统实现 |
| 3.7 系统评估 |
| 3.7.1 实验配置 |
| 3.7.2 TDMS基本性能评估 |
| 3.7.3 科学工作流应用评估 |
| 3.8 小结 |
| 第四章 面向融合应用的自适应层次式数据管理技术 |
| 4.1 前言 |
| 4.2 基于分类模型的智能数据放置策略 |
| 4.2.1 目的与挑战 |
| 4.2.2 数据放置与分类问题 |
| 4.2.3 基于启发式方法的自动数据标注 |
| 4.2.4 智能数据放置引擎 |
| 4.3 面向文件类别的自适应数据预取策略 |
| 4.3.1 目的与挑战 |
| 4.3.2 结合数据流图拓扑结构分析数据访问特征 |
| 4.3.3 针对文件类别设计自适应数据预取策略 |
| 4.4 实现 |
| 4.5 系统评估 |
| 4.5.1 实验配置 |
| 4.5.2 数据放置策略评估 |
| 4.5.3 数据预取策略评估 |
| 4.6 小结 |
| 第五章 耦合并行文件系统的数据索引与查询优化 |
| 5.1 前言 |
| 5.2 面向科学数据的索引与查询模块设计 |
| 5.3 面向“应用定制元数据”的文件粒度索引技术 |
| 5.3.1 文件粒度索引与查询案例:气象大数据 |
| 5.3.2 并发元数据提取 |
| 5.3.3 层次式哈希索引结构 |
| 5.3.4 文件粒度查询处理 |
| 5.4 基于原位索引构建的记录粒度索引技术 |
| 5.4.1 记录粒度索引与查询案例:生物大数据 |
| 5.4.2 原位索引构建过程 |
| 5.4.3 Range-bitmap索引结构 |
| 5.4.4 双层并发查询处理 |
| 5.5 实现 |
| 5.6 系统评估 |
| 5.6.1 实验配置 |
| 5.6.2 文件定位服务性能评估 |
| 5.6.3 记录定位服务性能评估 |
| 5.7 小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 未来工作 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（4）固态存储阵列的多通道I/O优化研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状与分析 |
| 1.2.1 存储器技术研究 |
| 1.2.2 存储性能研究 |
| 1.3 课题主要研究内容及章节安排 |
| 第2章 系统基础概述 |
| 2.1 多通道固态存储概述 |
| 2.1.1 存储系统 |
| 2.1.2 NAND Flash存储 |
| 2.2 Linux设备驱动技术概述 |
| 2.2.1 块设备驱动 |
| 2.2.2 I/O调度器 |
| 2.3 闪存管理算法 |
| 2.3.1 地址映射 |
| 2.3.2 磨损均衡算法 |
| 2.3.3 垃圾回收算法 |
| 2.4 系统总体架构 |
| 2.5 本章小结 |
| 第3章 优化I/O调度的块设备驱动 |
| 3.1 块设备整体结构设计 |
| 3.2 块设备驱动核心数据结构及功能实现 |
| 3.2.1 块设备驱动信息 |
| 3.2.2 块设备操作 |
| 3.2.3 I/O请求信息 |
| 3.2.4 块设备驱动的读写 |
| 3.3 I/O调度器的实现与优化 |
| 3.3.1 I/O调度策略的优化设计 |
| 3.3.2 I/O调度器的实现 |
| 3.4 块设备驱动的加载与卸载 |
| 3.4.1 块设备驱动的加载 |
| 3.4.2 块设备驱动的卸载 |
| 3.5 本章小结 |
| 第4章 FTL与 DMA传输 |
| 4.1 FTL总体功能设计 |
| 4.1.1 地址映射 |
| 4.1.2 磨损均衡 |
| 4.1.3 垃圾回收 |
| 4.2 DMA传输 |
| 4.2.1 存储设备DMA |
| 4.2.2 下载板DMA |
| 4.3 本章小结 |
| 第5章 系统测试 |
| 5.1 系统测试工具和开发环境 |
| 5.1.1 系统调试工具 |
| 5.1.2 系统开发环境 |
| 5.1.3 测试依据和工具 |
| 5.2 性能分析 |
| 5.2.1 写性能的分析 |
| 5.2.2 读性能的分析 |
| 5.2.3 IOPS性能的分析 |
| 5.3 系统功能与性能测试 |
| 5.3.1 功能测试 |
| 5.3.2 读写性能测试 |
| 5.3.3 IOPS性能测试 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文 |
| 攻读硕士学位期间获得的奖项 |
（5）RAID6编码扩容方案研究与实现（论文提纲范文）
| 中文摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题来源、目的与意义 |
| 1.1.1 课题来源 |
| 1.1.2 课题背景、目的与意义 |
| 1.2 国内外研究概况 |
| 1.2.1 基于块存储的扩容方案 |
| 1.2.2 基于对象存储的扩容方案 |
| 1.2.3 基于文件系统存储的扩容方案 |
| 1.3 主要研究内容与贡献 |
| 1.4 论文结构安排 |
| 第二章 相关理论基础 |
| 2.1 纠删码相关技术 |
| 2.1.1 RS(Reed-Solomon)编码 |
| 2.1.2 LDPC编码 |
| 2.1.3 阵列编码 |
| 2.2 RAID层级分类及扩容相关概念 |
| 2.2.1 RAID层级分类 |
| 2.2.2 扩容相关概念 |
| 2.3 RAID扩容方案性能评价标准 |
| 2.4 Trace与测试方法 |
| 2.5 本章小结 |
| 第三章 基于H-Code编码的扩容方案HS6 |
| 3.1 概述 |
| 3.2 研究问题及动机 |
| 3.3 研究方案 |
| 3.3.1 H-Code编码规则 |
| 3.3.2 HS6扩容方案分析 |
| 3.4 HS6方案实验分析 |
| 3.4.1 数据迁移率对比 |
| 3.4.2 总I/O开销对比 |
| 3.4.3 总XOR开销对比 |
| 3.4.4 总扩容时间对比 |
| 3.5 本章小结 |
| 第四章 基于HDP Code编码的扩容方案HDS |
| 4.1 概述 |
| 4.2 研究问题及动机 |
| 4.3 研究方案 |
| 4.3.1 HDP-Code编码规则 |
| 4.3.2 HDS扩容方案 |
| 4.4 HDS方案实验分析 |
| 4.4.1 均匀数据分布 |
| 4.4.2 数据迁移率 |
| 4.4.3 总I/O开销对比 |
| 4.4.4 总XOR开销对比 |
| 4.4.5 总扩容时间 |
| 4.5 本章小结 |
| 第五章 基于Short Code编码的扩容方案SS6 |
| 5.1 概述 |
| 5.2 研究问题及动机 |
| 5.3 研究方案 |
| 5.3.1 Short Code编码规则 |
| 5.3.2 SS6扩容方案 |
| 5.4 SS6方案实验分析 |
| 5.4.1 数据迁移率对比 |
| 5.4.2 总I/O开销对比 |
| 5.4.3 总XOR开销对比 |
| 5.4.4 总扩容时间 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
| 研究生期间的研究成果及发表学术论文 |
（6）面向Open Channel SSD的I/O调度策略的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题背景与意义 |
| 1.2 研究目标和主要内容 |
| 1.3 论文的组织结构 |
| 第2章 相关研究综述 |
| 2.1 Open Channel SSD内部结构研究工作 |
| 2.2 SSD中I/O调度策略的相关工作 |
| 2.2.1 基于轮询的I/O调度策略 |
| 2.2.2 基于权重的I/O调度策略 |
| 2.2.3 主机级可感知工作负载的预算补偿I/O调度 |
| 2.2.4 缓解SSDs上文件系统中的同步I/O开销 |
| 2.3 RAID-5 磁盘阵列的I/O调度相关工作 |
| 2.3.1 基于先来先服务的I/O调度策略 |
| 2.3.2 基于轮询的I/O调度策略 |
| 2.3.3 一个有效的全局I/O调度策略 |
| 2.3.4 其他I/O调度策略 |
| 2.4 本章小结 |
| 第3章 基于延迟的I/O调度策略的设计与实现 |
| 3.1 基于延迟的I/O调度策略的设计动机以及案例 |
| 3.2 SSD模型的设计 |
| 3.3 基于延迟的I/O调度策略的算法实现 |
| 3.4 性能分析 |
| 3.4.1 时间开销分析 |
| 3.4.2 空间开销分析 |
| 3.5 本章小结 |
| 第4章 RAID-5 磁盘阵列的I/O调度策略的设计与实现 |
| 4.1 延迟-寿命可感知的I/O调度策略的设计动机 |
| 4.2 延迟-寿命可感知的I/O调度策略的设计 |
| 4.3 延迟-寿命可感知的I/O调度算法的实现 |
| 4.4 本章小结 |
| 第5章 实验结果及分析 |
| 5.1 实验环境和数据 |
| 5.2 基于延迟的I/O调度策略的实验 |
| 5.2.1 I/O调度策略的性能比较 |
| 5.2.2 总线的传输速率对I/O调度策略的性能影响 |
| 5.2.3 页读/写延迟对I/O调度策略的性能影响 |
| 5.3 RAID-5 磁盘阵列的负载/寿命均衡的实验 |
| 5.3.1 三种策略的性能比较 |
| 5.3.2 页读/写延迟对I/O调度策略的性能影响 |
| 5.3.3 SSD写入量分布的比较 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 问题和展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（7）基于多种盘阵列的混合存储系统性能优化方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 相关研究现状 |
| 1.3 本文的主要研究内容和组织结构 |
| 2 基于访问顺序性感知的数据布局方法 |
| 2.1 混合存储系统中数据布局面临的挑战 |
| 2.2 数据访问特性分析 |
| 2.3 性能收益预测模型 |
| 2.4 关键数据识别方法 |
| 2.5 实验评估 |
| 2.6 本章小结 |
| 3 基于缓存校验提升固态盘资源利用率的方法 |
| 3.1 混合存储系统中校验更新优化的需求和挑战 |
| 3.2 数据访问特性分析 |
| 3.3 关联热数据快速识别方法 |
| 3.4 实验评估 |
| 3.5 本章小结 |
| 4 面向响应延迟优化重建友好的日志方法 |
| 4.1 混合存储系统响应延迟优化的需求和挑战 |
| 4.2 数据访问特性分析 |
| 4.3 不对称感知日志写策略 |
| 4.4 实验评估 |
| 4.5 本章小结 |
| 5 全文总结与展望 |
| 5.1 主要成果 |
| 5.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读博士学位期间发表的学术论文目录 |
| 附录2 攻读博士学位期间申请的发明专利和其他成果 |
| 附录3 攻读博士学位期间参与的科研项目 |
（8）基于纠删码的容错存储系统中数据布局优化（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 海量数据存储背景 |
| 1.2 数据存储系统概述 |
| 1.3 存储系统的可靠性保障 |
| 1.3.1 存储系统容错的重要性 |
| 1.3.2 现有可靠性技术 |
| 1.4 纠删码容错存储技术 |
| 1.4.1 纠删码的基本概念 |
| 1.4.2 常用纠删码介绍 |
| 1.4.3 纠删码容错存储系统的主要指标 |
| 1.5 本文的主要研究内容 |
| 1.6 本文的组织结构 |
| 第2章 背景知识与相关工作 |
| 2.1 本文涉及的背景知识 |
| 2.1.1 Parity Declustering数据布局 |
| 2.1.2 分布式存储系统架构 |
| 2.1.3 正交阵列 |
| 2.2 扩容(数据重新布局)算法的相关工作 |
| 2.2.1 磁盘阵列存储系统中的扩容算法 |
| 2.2.2 对部署Parity Declustering数据布局的磁盘阵列扩容的挑战 |
| 2.3 数据布局的相关工作 |
| 2.3.1 存储系统中的数据布局 |
| 2.3.2 分布式存储系统中设计面向高效故障修复的数据布局的挑战 |
| 第3章 Parity Declustering数据布局的快速扩容方案 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 方案示例 |
| 3.4 PDS扩容方案 |
| 3.4.1 PDS扩容的基本思想 |
| 3.4.2 PDS扩容方案的步骤 |
| 3.4.3 PDS扩容后的寻址算法 |
| 3.4.4 PDS扩容方案的正确性证明 |
| 3.5 进一步讨论 |
| 3.5.1 顺带式校验更新 |
| 3.5.2 RS码的支持 |
| 3.5.3 多次扩容 |
| 3.6 实验评估 |
| 3.6.1 实现与测试方法 |
| 3.6.2 扩容过程中的性能 |
| 3.6.3 扩容过程后的性能 |
| 3.7 本章小结 |
| 第4章 提高磁盘阵列可靠性的扩容方案 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 方案示例 |
| 4.4 PDS提高可靠性方案 |
| 4.4.1 PDS提高可靠性的基本思想 |
| 4.4.2 PDS提高可靠性方案的步骤 |
| 4.4.3 PDS提高可靠性后的寻址算法 |
| 4.4.4 PDS提高可靠性方案的正确性证明 |
| 4.5 PDS的多次扩容操作 |
| 4.6 实验评估 |
| 4.6.1 实现与测试方法 |
| 4.6.2 扩容过程中的性能 |
| 4.6.3 扩容过程后的性能 |
| 4.7 本章小结 |
| 第5章 分布式存储系统中高效故障修复的数据布局方案 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 方案示例 |
| 5.3.1 最小化跨机架访问块数 |
| 5.3.2 机架内的负载均衡 |
| 5.3.3 所有机架的负载均衡 |
| 5.4 D~3数据布局方案 |
| 5.4.1 D~3数据布局的设计 |
| 5.4.2 D~3数据布局下的故障修复算法 |
| 5.4.3 D~3数据布局方案的正确性证明 |
| 5.5 实验评估 |
| 5.5.1 实现与测试方法 |
| 5.5.2 测试结果 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文研究成果 |
| 6.2 本文不足与未来工作 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（9）基于“神威·太湖之光”的数据密集型计算并行优化（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号对照表 |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究挑战 |
| 1.4 主要研究内容 |
| 1.5 本文的主要贡献 |
| 1.6 文章组织结构 |
| 第2章 研究基础与现状 |
| 2.1 SW26010异构众核处理器简介 |
| 2.1.1 内存访问模式 |
| 2.1.2 核组工作模式 |
| 2.1.3 寄存器通信机制 |
| 2.1.4 并行计算模型 |
| 2.2 “神威·太湖之光”超级计算机简介 |
| 2.3 k-means算法的相关工作 |
| 2.4 深度学习内核函数的相关工作 |
| 2.5 AES算法的相关工作 |
| 2.6 本章小结 |
| 第3章 基于申威异构众核架构的k-means算法并行优化 |
| 3.1 概述 |
| 3.2 研究背景 |
| 3.2.1 问题定义 |
| 3.2.2 Lloyd算法 |
| 3.2.3 k-means算法的一般并行优化方法 |
| 3.2.4 面向超级计算机的k-means算法大规模并行优化方法 |
| 3.3 k-means算法多级层次化并行优化设计 |
| 3.3.1 Level 1—数据流并行分块策略 |
| 3.3.2 Level 2—数据流和聚类质心数同时并行分块策略 |
| 3.3.3 Level 3—数据流、聚类质心数和数据维度同时并行分块策略 |
| 3.3.4 多级层次化大规模扩展对k-means算法设计的影响分析 |
| 3.4 大规模扩展通信优化 |
| 3.4.1 节点间通信优化 |
| 3.4.2 节点内通信优化 |
| 3.5 多级层次化大规模任务自适应分配和调度策略 |
| 3.5.1 计算节点间任务自适应分配和调度策略 |
| 3.5.2 计算节点内任务自适应分配和调度策略 |
| 3.6 性能分析评估 |
| 3.6.1 测试数据集 |
| 3.6.2 实验设计 |
| 3.6.3 实验结果分析 |
| 3.6.4 实际应用 |
| 3.7 本章小结 |
| 第4章 基于申威异构众核架构的深度学习内核函数并行优化 |
| 4.1 概述 |
| 4.2 深度学习内核函数简介 |
| 4.3 深度学习内核函数并行优化 |
| 4.3.1 张量转换并行优化 |
| 4.3.2 池化算子并行优化 |
| 4.3.3 逐点运算融合并行优化 |
| 4.3.4 函数融合并行优化 |
| 4.3.5 双缓冲机制对程序性能的影响分析 |
| 4.4 性能分析评估 |
| 4.4.1 单节点性能测试 |
| 4.4.2 大规模扩展性测试 |
| 4.5 本章小结 |
| 第5章 基于申威异构众核架构的AES算法并行优化 |
| 5.1 概述 |
| 5.2 AES算法简介 |
| 5.2.1 字节替换操作 |
| 5.2.2 行移位变换操作 |
| 5.2.3 列混淆变换操作 |
| 5.2.4 轮密钥加操作 |
| 5.3 向量化编程模型及并行优化 |
| 5.3.1 进程级并行优化策略 |
| 5.3.2 线程级并行优化策略 |
| 5.3.3 向量化编程模型 |
| 5.3.4 指令级并行优化策略 |
| 5.3.5 DMA传输时间与计算时间重叠优化 |
| 5.4 性能分析评估 |
| 5.4.1 整体性能分析 |
| 5.4.2 不同并行优化方法对算法性能的影响 |
| 5.4.3 相关工作比较 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 研究工作展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文与研究成果 |
（10）高可靠存储阵列性能优化方法的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号对照表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 本文贡献 |
| 1.4 论文结构 |
| 第二章 相关工作总结 |
| 2.1 引言 |
| 2.2 存储系统与纠删码 |
| 2.2.1 磁盘阵列与纠删码的基础知识 |
| 2.2.2 STAR编码 |
| 2.2.3 TRIPLE-STAR编码 |
| 2.3 计算融入存储的体系结构 |
| 2.3.1 体系结构基础 |
| 2.3.2 策略与方法 |
| 2.3.3 数据存取与性能 |
| 2.3.4 计算融入存储与新编程 |
| 2.4 重复数据删除技术 |
| 2.4.1 重复数据删除技术基础 |
| 2.4.2 数据块指纹运算技术 |
| 2.4.3 指纹预取和过滤技术 |
| 2.4.4 数据指纹检索技术 |
| 2.5 本章小结 |
| 第三章 高可靠存储阵列部分条带写优化方法 |
| 3.1 引言 |
| 3.2 OPS方法概述 |
| 3.3 STAR编码下的OPS方法 |
| 3.4 TRIPLE-STAR编码下的OPS方法 |
| 3.5 预实验与理论分析 |
| 3.6 实验结果与分析 |
| 3.6.1 实验环境 |
| 3.6.2 实验Trace |
| 3.6.3 性能实验 |
| 3.7 本章小结 |
| 第四章 高可靠存储阵列应用性能优化方法 |
| 4.1 引言 |
| 4.2 方法概要 |
| 4.3 系统总体架构及流程 |
| 4.4 系统功能模块详细设计 |
| 4.5 实现方案 |
| 4.6 实验结果与分析 |
| 4.6.1 实验环境 |
| 4.6.2 功能实验 |
| 4.6.3 性能实验 |
| 4.6.4 实验总结 |
| 4.7 本章小结 |
| 全文总结 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 攻读学位期间申请的专利 |
四、一种提高磁盘阵列I/O性能的策略（论文参考文献）
- [1]RAID6编码设计与在线扩容方案优化研究[D]. 李牧原. 青海师范大学, 2021(09)
- [2]基于RAID-6的磁盘阵列扩容方案的研究与实现[D]. 胡宇. 青海师范大学, 2021(09)
- [3]面向高性能计算系统的融合数据管理关键技术研究[D]. 程鹏. 国防科技大学, 2020(01)
- [4]固态存储阵列的多通道I/O优化研究[D]. 陈妍霖. 黑龙江大学, 2020(04)
- [5]RAID6编码扩容方案研究与实现[D]. 元铸. 青海师范大学, 2020
- [6]面向Open Channel SSD的I/O调度策略的研究[D]. 关启明. 天津大学, 2019(01)
- [7]基于多种盘阵列的混合存储系统性能优化方法研究[D]. 徐高翔. 华中科技大学, 2019(08)
- [8]基于纠删码的容错存储系统中数据布局优化[D]. 李志鹏. 中国科学技术大学, 2019(08)
- [9]基于“神威·太湖之光”的数据密集型计算并行优化[D]. 李连登. 清华大学, 2019(02)
- [10]高可靠存储阵列性能优化方法的研究[D]. 黄洵松. 上海交通大学, 2019(06)