文献

J-GLOBAL ID：201802230328956206   整理番号：18A1960722

クラウドコンピューティングにおける分散データ蓄積シミュレーションに関する研究【JST・京大機械翻訳】

Simulation Research on Distributed Data Storage in Cloud Computing

著者 (3件)： Hou Guiyun (鄭州工商学院机械与電信工程学院,河南鄭州,451400) ,  Chen Guiying (鄭州工商学院机械与電信工程学院,河南鄭州,451400) ,  Lu Zhiqiang (河南大学計算机与信息工程学院,河南開封,475004)
資料名： Jisuanji Fangzhen  (Jisuanji Fangzhen)
巻： 35  号： 7  ページ： 318-322  発行年： 2018年 
JST資料番号： C2937A  ISSN： 1006-9348  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 分散データ記憶プロセスの研究は,クラウドコンピューティング環境におけるデータ処理効率を効果的に改善することができる。クラウドコンピューティングにおける分散データの保存には,記憶データパケットの分類モデルを設計し,データブロックの各領域を精密に分割し,分散データのブロックメモリを完成する。伝統的方法と蛇行スロットデータ記憶方法を結合して,データ保存位置からクエリノードグリッドまでの距離を決定できたが,記憶データの高効率分割を無視して,記憶効果の不満足を招いた。クラウドコンピューティングにおける分散データ保存法を提案した。クラウドコンピューティングの中の分散海洋源パケットは一定の受信確率に従って,分散システム中のすべてのノードに分散し,各ノードに1つの貯蔵パケットを構成した。記憶データパケットの分類モデルを設計し,記憶領域を熱,冷データブロック,および重複記憶パケットに分割し,そして,分散データの効率的記憶を,活動因子の特性に従って,分割したメモリを完成することによって完成した。実験結果は,上述の方法が効果的にシステムディスク記憶容量の占有率を向上でき,データノードの負荷の動的調整を実現できることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *シミュレーション ,  データ処理 ,  *データ蓄積 ,  受信 ,  海洋 ,  記憶装置 ,  記憶容量 ,  蛇行 ,  パケット ,  占有率
準シソーラス用語： 分散システム ,  高効率 ,  クエリー ,  分類モデル ,  *クラウドコンピューティング , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (4件)： クラウドコンピューティング ,  データ蓄積 ,  シミュレーション ,  研究