社交网络中用户数据中心的存储资源调配策略研究

发布时间：2021-04-06 23:27

　　随着互联网的快速发展,在线社交网络逐渐影响人们的生活,成为现代人必不可少的交往方式。通过在线社交网络,人们可以随时随地通过文字、图片、视频等方式跟世界各地的好友分享自己的所见所闻,同时,用户也会经常浏览好友分享的状态,获取好友的数据。与传统的Web应用不同,在线社交网络中的数据几乎全部由社交用户产生,随着海量用户的加入,在线社交网络中的数据量呈现出爆炸式增长。由于存储空间有限,单个数据中心无法存储所有数据,需要将数据划分到不同数据中心的节点上,如何为数据分配调度合适的存储资源以降低用户获取数据的响应延时并保证在线社交网络的运行效率至关重要。本文基于社交网络中的社区结构对存储资源进行分配,使用机器学习中的聚类算法进行社区划分,并结合用户地理位置和数据中心负载等因素对存储资源进行调配管理。论文的主要研究工作包括:（1）由于传统社区划分算法的适用性和性能较低,本文将机器学习中的聚类模型K-medoids算法应用于社区划分。首先结合社交网络的拓扑特性和用户在时间和空间上的行为信息计算用户之间的相似度和亲密度并给出用户间多维社交距离的衡量机制,然后将该距离应用于机器学习中的聚类模型K-medoi... 

【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【图文】：

不同数据集上的用户位置分布状况

【参考文献】：
期刊论文
[1]“在线社交网络的挖掘与分析”专题序言[J]. 方滨兴.  电子与信息学报. 2016(09)
[2]大数据存储架构和算法研究综述[J]. 杨俊杰,廖卓凡,冯超超.  计算机应用. 2016(09)
[3]基于标签传播概率的重叠社区发现算法[J]. 刘世超,朱福喜,甘琳.  计算机学报. 2016(04)
[4]社交网络分析核心科学问题、研究现状及未来展望[J]. 方滨兴,贾焰,韩毅.  中国科学院院刊. 2015(02)
[5]数据中心网络的研究进展与趋势[J]. 李丹,陈贵海,任丰原,蒋长林,徐明伟.  计算机学报. 2014(02)
[6]大数据——正在发生的深刻变革[J]. 刘鹏,吴兆峰,胡谷雨.  中兴通讯技术. 2013(04)
[7]在线社交网络的拓扑特性分析[J]. 李勇军.  复杂系统与复杂性科学. 2012(03)
[8]云计算环境下的分布存储关键技术[J]. 王意洁,孙伟东,周松,裴晓强,李小勇.  软件学报. 2012(04)



本文编号：3122351