应用于虚拟现实的分布式服务器架构研究
发布时间：2020-10-16 03:36
随着云计算和大数据的高速发展,服务器集群往往需要面对海量数据和超高并发量,为此需要解决其所带来的业务请求量和网络IO开销,当前大量虚拟现实应用结合分布式服务器集群和云计算资源来满足海量用户对于数据的实时交互、图像渲染和存储等要求,并保证数据的安全性和实时性,如何设计分布式服务器架构来满足虚拟现实应用对于IO密集型服务的要求一直是一个很重要的课题。本文针对主流大数据分布式计算框架无法满足虚拟现实应用对于高实时性业务和数据密集型服务的要求,进行分布式服务器框架的研究和设计,针对IO密集型的业务特点,制定针对性的设计,比如多线程的异步网络库,分布式缓存等来增加响应速度和吞吐量。本文分析了分布式系统的国内外相关研究现状,深入研究和设计分布式服务器架构,主要有四个部分:一是对集群节点间的协同工作和数据一致性方案进行设计和优化;二是对分布式数据库集群和分布式缓存设计和实现;三是对负载均衡算法和路由策略的设计;四是对服务器框架的设计,其中重点设计与实现的策略和算法包括网络库、协同策略、一致性算法、负载均衡算法,分布式数据库和算法以及节点的拓扑结构等,详细介绍了分布式服务器的一些基础组件和算法,针对虚拟现实应用和分布式系统的特点,进行一些组件调整和优化。为了验证本文提出的架构,本文设计了一个分布式服务器集群系统,部署在阿里云和腾讯云,主要功能是在高并发的情况下提供用户各种高实时性的数据服务,满足实时性、高可用性、高扩展性的要求,解决虚拟现实系统对于高并发用户交互和海量数据存储和发送等问题,并且提供多副本来保证系统的高可用性,并解决一致性等问题,服务器集群可以根据具体的业务定制不同策略,主要开发和测试平台是linux环境,为了配合云端的计算资源,运行环境统一为centos7.2,总共有10个节点来进行实验,30个提供线上项目,并提供给用户检索海量数据、数据传输和中小型计算的3种服务类型,保证数据安全和传输效率。通过系统测试显示,本文设计实现的系统各个模块、算法能正确运行,并能部署在云节点中稳定运行并在高并发下提供服务,满足设计目标。
【学位单位】：广东工业大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP391.9;TP368.5
【部分图文】：
第二章 分布式基础理论进行分布式计算，下文将介绍上述 2 种比较有名的分布式系统架构。HDFS 的设计目的是为了提供高容错性的分布式系统，适合部署在廉价的机器上进行高吞吐的数据访问，其总体结构还是参考了 master/slave 架构，主要的节点组件为 Client、NameNode（名字服务节点）、SecondNameNode（二级名字服务器节点）和 DataNode（数据节点），如图 1 所示。
图 2 MapReduce 架构图Figure 1 MapReduce Architecture文献[6]指出 MapReduce 将数据计算过程分成 Map 和 Reduce 两个阶段，将数据表述为键值对。经过多次函数的串接，将数据的计算转化为一系列函数的执行。Hadoop 将用户的应用程序和配置打包成 Jar 文件存储在 HDFS，然后JobTracker 会根据应用程序创建 Task，其中 Task 分成 MapTask 和 ReduceTask，并分配到 TaskTracker 中，JobTracker 还进行资源监控和作业调度，监控所有的TaskTracker 和 job 的健康状况，并在空闲的 slave 分配任务。2.5 小结本章主要介绍分布式系统的基础理论和技术，主要有四个部分。第一部分介绍分布式系统的特点，简单介绍了分布式系统的优缺点和特征
第三章 分布式服务器关键技术研究与设计接分配一个线程的方案，伸缩性很受限，如果用户数量太多，操作系统，切换上下文非常的重。方案 3 和方案 4 都是之前方案的优化，以上都网络编程。方案 5 是基本的单线程 Reactor 方案，比较适合 IO 密集型合 CPU 密集型，所以非常适合虚拟现实的相关应用，因为虚拟现实应 IO 密集型，Reactor 结构如图 3。
【参考文献】
本文编号：2842696
【学位单位】：广东工业大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP391.9;TP368.5
【部分图文】：
第二章 分布式基础理论进行分布式计算，下文将介绍上述 2 种比较有名的分布式系统架构。HDFS 的设计目的是为了提供高容错性的分布式系统，适合部署在廉价的机器上进行高吞吐的数据访问，其总体结构还是参考了 master/slave 架构，主要的节点组件为 Client、NameNode（名字服务节点）、SecondNameNode（二级名字服务器节点）和 DataNode（数据节点），如图 1 所示。
图 2 MapReduce 架构图Figure 1 MapReduce Architecture文献[6]指出 MapReduce 将数据计算过程分成 Map 和 Reduce 两个阶段，将数据表述为键值对。经过多次函数的串接，将数据的计算转化为一系列函数的执行。Hadoop 将用户的应用程序和配置打包成 Jar 文件存储在 HDFS，然后JobTracker 会根据应用程序创建 Task，其中 Task 分成 MapTask 和 ReduceTask，并分配到 TaskTracker 中，JobTracker 还进行资源监控和作业调度，监控所有的TaskTracker 和 job 的健康状况，并在空闲的 slave 分配任务。2.5 小结本章主要介绍分布式系统的基础理论和技术，主要有四个部分。第一部分介绍分布式系统的特点，简单介绍了分布式系统的优缺点和特征
第三章 分布式服务器关键技术研究与设计接分配一个线程的方案，伸缩性很受限，如果用户数量太多，操作系统，切换上下文非常的重。方案 3 和方案 4 都是之前方案的优化，以上都网络编程。方案 5 是基本的单线程 Reactor 方案，比较适合 IO 密集型合 CPU 密集型，所以非常适合虚拟现实的相关应用，因为虚拟现实应 IO 密集型，Reactor 结构如图 3。
【参考文献】
相关期刊论文 前10条
1 宋宝燕;王俊陆;王妍;;基于范德蒙码的HDFS优化存储策略研究[J];计算机学报;2015年09期
2 刘思尧;李强;李斌;;基于Docker技术的容器隔离性研究[J];软件;2015年04期
3 马越;黄刚;;基于Docker的应用软件虚拟化研究[J];软件;2015年03期
4 刘亚秋;邢乐乐;景维鹏;;云计算环境下基于时间期限和预算的调度算法[J];计算机工程;2013年06期
5 凌质亿;刘哲星;曹蕾;;高并发环境下Apache与Nginx的I/O性能比较[J];计算机系统应用;2013年06期
6 张超;潘旭东;;Linux下基于EPOLL机制的海量网络信息处理模型[J];强激光与粒子束;2013年S1期
7 郑文武;李先绪;黄执勤;;云计算中的并行计算技术分析[J];电信科学;2011年12期
8 刘斌;徐精明;代素环;葛华;;基于Linux虚拟服务器的负载均衡算法[J];计算机工程;2011年23期
9 吴德会;;动态指数平滑预测方法及其应用[J];系统管理学报;2008年02期
10 吴俊敏;李黄海;黄刘生;鲍春健;王文韬;;高可用应用开发平台的设计与实现[J];计算机工程;2006年24期
本文编号：2842696
本文链接：https://www.wllwen.com/kejilunwen/jisuanjikexuelunwen/2842696.html
