黃春梅，姜春茂，曲明成

(1.哈爾濱師范大學(xué)計(jì)算機(jī)科學(xué)與信息工程學(xué)院，黑龍江哈爾濱150025;2.哈爾濱工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，黑龍江哈爾濱150001)

隨著云計(jì)算和大數(shù)據(jù)計(jì)算的飛速發(fā)展，以及網(wǎng)絡(luò)傳輸速度快速提升和無線通信(3G4G)技術(shù)廣泛應(yīng)用，為數(shù)據(jù)的網(wǎng)絡(luò)存儲(chǔ)帶來了新的契機(jī)。為了增加數(shù)據(jù)存儲(chǔ)的可靠性和易用性，學(xué)術(shù)界涌現(xiàn)出很多的研究成果［1-3］。研究方向主要分成2類，基于編碼解碼的分布式存儲(chǔ)，和基于冗余塊的分布式存儲(chǔ)。基于編碼的策略主要源于通信領(lǐng)域，其核心思想是將原始數(shù)據(jù)等分為m塊，進(jìn)而融合一定冗余編碼成n塊，n＞m，當(dāng)存在x個(gè)節(jié)點(diǎn)失效時(shí)(x＜n-m)，可以從其余節(jié)點(diǎn)恢復(fù)出原始數(shù)據(jù)。而基于冗余塊的分布式存儲(chǔ)，出現(xiàn)了2個(gè)研究方向，完全多副本存儲(chǔ)和分塊冗余存儲(chǔ)。前者將完整的副本數(shù)據(jù)直接存儲(chǔ)網(wǎng)絡(luò)節(jié)點(diǎn)，并多不考慮動(dòng)態(tài)部署過程，根據(jù)數(shù)據(jù)存儲(chǔ)可靠性和節(jié)點(diǎn)的可靠性采用靜態(tài)初始發(fā)布機(jī)制來確定最終數(shù)據(jù)的可靠性［6-8］。但是隨著信息技術(shù)的飛速發(fā)展，對(duì)數(shù)據(jù)存儲(chǔ)提出了更高的要求，如何在現(xiàn)有網(wǎng)絡(luò)和節(jié)點(diǎn)環(huán)境下進(jìn)一步大夫提升數(shù)據(jù)的可靠性是一個(gè)亟待解決的重要問題。融合動(dòng)態(tài)數(shù)據(jù)恢復(fù)技術(shù)的Google公司的GFS系統(tǒng)和Apache基金會(huì)的Hadoop系統(tǒng)，采用了分塊分布式冗余存儲(chǔ)策略，在數(shù)據(jù)存儲(chǔ)節(jié)點(diǎn)發(fā)生故障時(shí)，通過其他節(jié)點(diǎn)存儲(chǔ)的冗余數(shù)據(jù)，將故障節(jié)點(diǎn)數(shù)據(jù)快速重新部署到新的節(jié)點(diǎn)，以保證數(shù)據(jù)整體的可靠性［9-10］。

綜上，編碼策略、分塊冗余存儲(chǔ)與動(dòng)態(tài)部署技術(shù)對(duì)于數(shù)據(jù)高可靠存儲(chǔ)管理具有較大的優(yōu)勢，但是目前能夠?qū)⑷呷诤峡紤]的相關(guān)研究較少，并且采用這種數(shù)據(jù)存儲(chǔ)管理機(jī)制，數(shù)據(jù)的可靠性可以達(dá)到何種程度是一個(gè)關(guān)鍵性問題，而在當(dāng)前的研究中很少有研究成果評(píng)估這種機(jī)制對(duì)數(shù)據(jù)可靠性的影響，缺乏一個(gè)有效的評(píng)估方法或評(píng)估模型。

基于上述理論和存在的問題，本文基于分塊存儲(chǔ)［5，11］、編碼策略、動(dòng)態(tài)恢復(fù)提出了多個(gè)動(dòng)態(tài)數(shù)據(jù)恢復(fù)模型(數(shù)據(jù)失效概率模型)。采用指數(shù)分布函數(shù)來刻畫存儲(chǔ)節(jié)點(diǎn)的可靠性，通過模擬正常和異常網(wǎng)絡(luò)情況，分析了數(shù)據(jù)可靠性模型的數(shù)據(jù)可靠性，結(jié)果顯示，本文提出的模型在已知網(wǎng)絡(luò)存儲(chǔ)環(huán)境的前提下能有效度量數(shù)據(jù)的可靠性，給出較好的評(píng)估，并且較直接分塊存儲(chǔ)和編碼解碼策略對(duì)數(shù)據(jù)的可靠性有很大的提升，并進(jìn)一步對(duì)可靠性模型的影響因子進(jìn)行了分析，從而增強(qiáng)了可靠性模型的實(shí)用性和易用性。

1 基本原理

在可靠性設(shè)計(jì)中常用分布函數(shù)有:二項(xiàng)分布、泊松分布、指數(shù)分布、正態(tài)分布、對(duì)數(shù)正態(tài)分布和韋布爾分布。而對(duì)處于穩(wěn)定工作狀態(tài)的電子機(jī)械或電子系統(tǒng)的失效概率基本上服從指數(shù)分布。

定義1 可靠度(reliability)也叫可靠性，指的是產(chǎn)品在規(guī)定的時(shí)間內(nèi)，在規(guī)定的條件下，完成預(yù)定功能的能力，它包括結(jié)構(gòu)的安全性，適用性和耐久性，當(dāng)以概率來度量時(shí)，稱可靠度。

對(duì)產(chǎn)品而言，可靠度越高就越好?？煽慷雀邉t可以更長時(shí)間的正常使用，消費(fèi)者或許希望看到這點(diǎn)(其中也有質(zhì)量成本問題);從專業(yè)名詞的角度來說，可靠度越高的產(chǎn)品，意味著產(chǎn)品正常工作無故障的時(shí)間就越長。

1)指數(shù)分布可靠度

當(dāng)失效率為常數(shù)時(shí)，即:λ(t)=λ時(shí)則有

2)指數(shù)分布失效概率密度函數(shù)

其分布均值和方差分別為

通過對(duì)密度函數(shù)積分可以求出節(jié)點(diǎn)在確定時(shí)間點(diǎn)的失效概率函數(shù):

3)指數(shù)分布曲線

指數(shù)分布概率密度函數(shù)、節(jié)點(diǎn)失效概率、節(jié)點(diǎn)可靠度分布曲線分別如圖1中的(a)、(b)和(c)所示。

4)一段時(shí)間的平均失效概率:

為了簡化計(jì)算過程，令從時(shí)間節(jié)點(diǎn)0開始計(jì)時(shí)，則由式(7)可以化簡推出:

圖1 指數(shù)分布曲線Fig.1 Exponential distribution curve

5)基于動(dòng)態(tài)恢復(fù)技術(shù)的數(shù)據(jù)失效概率。

從動(dòng)態(tài)部署技術(shù)的過程可以看出，如果采用冗余結(jié)構(gòu)存儲(chǔ)數(shù)據(jù)，當(dāng)節(jié)點(diǎn)發(fā)生失效時(shí)，需要根據(jù)其他節(jié)點(diǎn)快速部署失效節(jié)點(diǎn)存儲(chǔ)的數(shù)據(jù)。

定義2 數(shù)據(jù)失效概率f將當(dāng)前可用的存儲(chǔ)了同一數(shù)據(jù)的所有節(jié)點(diǎn)的數(shù)據(jù)作并集處理，如果得到的數(shù)據(jù)是不完整的，則稱發(fā)生了數(shù)據(jù)失效，發(fā)生的概率為f。

比如有3個(gè)節(jié)點(diǎn)，節(jié)點(diǎn)N1、N2存儲(chǔ)相同的數(shù)據(jù)data1，當(dāng)檢測到N1發(fā)生失效時(shí)，需要從N2向N3重新部署數(shù)據(jù)data1，以保證同時(shí)有2個(gè)節(jié)點(diǎn)存儲(chǔ)了data1。

2 基本存儲(chǔ)與可靠性模型

2.1 完全雙副本存儲(chǔ)

傳統(tǒng)的雙副本存儲(chǔ)過程是，對(duì)于一個(gè)大小為M的數(shù)據(jù)D，將其完整副本分別存儲(chǔ)2臺(tái)服務(wù)器上形成2個(gè)完整的拷貝，如圖2。

顯然這種存儲(chǔ)方式占用的存儲(chǔ)空間大小為2M。

基于雙副本和動(dòng)態(tài)部署技術(shù)，在一個(gè)節(jié)點(diǎn)發(fā)生失效時(shí)，選取一個(gè)新的節(jié)點(diǎn)恢復(fù)數(shù)據(jù)，令從一個(gè)節(jié)點(diǎn)恢復(fù)數(shù)據(jù)量M所需要的時(shí)間長度為Δt。

圖2 完整雙副本存儲(chǔ)Fig.2 The complete double copy storage

那么在Δt時(shí)間內(nèi)，如果2個(gè)節(jié)點(diǎn)都失效，則發(fā)生數(shù)據(jù)失效。根據(jù)式(8)，得出其數(shù)據(jù)失效概率模型:

2.2 分塊雙副本存儲(chǔ)

定義3 I等分雙副本存儲(chǔ)(I aliquot double copy，IADC)對(duì)于一個(gè)大小為M的數(shù)據(jù)D，將其等分成i份即D=D1+D2+… +Di，且其大小M1=M2=Mi=M/i。稱這種劃分和存儲(chǔ)策略為I等分雙副本存儲(chǔ)。如圖3所示。

顯然I等分雙副本存儲(chǔ)占用的存儲(chǔ)空間總量為2M。

基于I等分雙副本存儲(chǔ)和動(dòng)態(tài)部署技術(shù)，需要2i個(gè)節(jié)點(diǎn)存儲(chǔ)數(shù)據(jù)，peer(2i-1)與peer(2i)相當(dāng)于傳統(tǒng)的雙副本存儲(chǔ)。

每個(gè) peer節(jié)點(diǎn)存儲(chǔ)的數(shù)據(jù)量為 M/i，則如果peer(2i-1)、peer(2i)中如果有一個(gè)節(jié)點(diǎn)發(fā)生失效時(shí)，對(duì)于數(shù)據(jù)Di的數(shù)據(jù)失效概率為，則整體的數(shù)據(jù)失效概率fc為

圖3 I等分雙副本量存儲(chǔ)策略Fig.3 I aliquots double copy storage strategy

3 I等分和模型散列存儲(chǔ)的可靠性模型

文獻(xiàn)［5，11］中提出了一個(gè)存儲(chǔ)模型，通過對(duì)原始數(shù)據(jù)進(jìn)行規(guī)則劃分，在i個(gè)節(jié)點(diǎn)上基于雙倍副本量存儲(chǔ)，當(dāng)有1個(gè)節(jié)點(diǎn)失效失效，其他i-1個(gè)節(jié)點(diǎn)存儲(chǔ)的數(shù)據(jù)仍然是完整的?；谠撃Ｐ腿〈鎯?chǔ)節(jié)點(diǎn)為3。

定義4 k等分模型散列存儲(chǔ)(Kaliquot model hash，KAMH)對(duì)于一個(gè)大小為M的數(shù)據(jù)D，將其等分成i份(i＞ =1)即M=m1+m2+…+mk，且其大小m1=m2=mk=M/i。稱這種劃分和存儲(chǔ)策略為i等分模型散列存儲(chǔ)。如圖4所示。

為了使占用的存儲(chǔ)空間為2M，可以控制散列模型中的冗余量，使占用的存儲(chǔ)空間總量也為2M。

在這種存儲(chǔ)策略中，每個(gè)G-peer組由y個(gè)節(jié)點(diǎn)構(gòu)成，先令y=3。當(dāng)一個(gè)G-peer中有不多于一個(gè)節(jié)點(diǎn)失效時(shí)，可以從其他2個(gè)節(jié)點(diǎn)進(jìn)行動(dòng)態(tài)恢復(fù)。

恢復(fù)的數(shù)據(jù)量為2M/3，恢復(fù)速度為2V。則恢復(fù)時(shí)間為Δt/3。

圖4 I等分和模型散列存儲(chǔ)原理圖Fig.4 I aliquots and model hash stored schematic

單個(gè)節(jié)點(diǎn)在(0，Δt/3)跨度內(nèi)的失效概率f為

當(dāng)i=1，y=3時(shí)，數(shù)據(jù)失效概率為

當(dāng)i＞1，y=3時(shí)，數(shù)據(jù)失效概率為

3.1 G-peer組成員為3時(shí)性能分析

1)網(wǎng)絡(luò)傳輸正常時(shí)比較。令i與λΔt取不同值，記錄相應(yīng)fd取值，如表1所示，從中可以看出隨著i的增加，fd取值逐漸降低。

表1 i與 λΔt變化時(shí)fd取值Table 1 The value of fd when i and λΔt changes

觀測i=2時(shí)，fd/fc的比值，如圖5所示，隨著λΔt的增加，fd/fc逐漸增加，但是都小于0.5，說明fd一直優(yōu)于fc。

圖5 k=2時(shí)λΔt與fd/fc的關(guān)系Fig.5 Relationship between λΔt and fd/fc when k=2

觀測λΔt=0.001，i取不同值，fd走勢。如圖6所示，隨著k的增加fd逐漸降低。

圖6 λΔt=0.001時(shí)i與fd的影響Fig.6 The impact of i and fd when λΔt=0.001

2)網(wǎng)絡(luò)傳輸非正常時(shí)比較。傳輸速度降級(jí)時(shí)的性能。檢測i=2時(shí)速度降低時(shí)的性能，此時(shí)如果出現(xiàn)如果數(shù)據(jù)恢復(fù)，一次恢復(fù)的數(shù)據(jù)量為，則從2個(gè)點(diǎn)恢復(fù)數(shù)據(jù)的聚集速度位于(V，2V)。則相應(yīng)的恢復(fù)時(shí)間為(Δt/6，Δt/3)。此時(shí)式(11)變?yōu)?/p>

從表2可以看出，隨著x的增加，a值逐漸降低，模型性能越好。

比較fd/fc，2等分。取幾組數(shù)值，形成圖7，從中可以看出，當(dāng)x=1.1時(shí)fd/fc＞1，除此均小于1，而且隨著x的增加，逐漸降低，說明fd越優(yōu)于fc。比較fd/fa，2等分。取幾組數(shù)值，形成圖8，從中可以看出，x取任意值時(shí)fd/fc＜1，而且隨著x的增加，逐漸 降低，說明fd越優(yōu)于fa。

表2 k=2時(shí)速度變化對(duì)模型的影響Table 2 Effect of velocity change on the model when k=2

圖7 i=2時(shí)速度變化對(duì)fd/fc的影響Fig.7 Effect of velocity change on fd/fc when i=2

圖8 i=2時(shí)速度變化對(duì)fd/fa的影響Fig.8 Effect of velocity change on fd/fa when i=2

3.2 G-peer組成員大于3時(shí)性能分析

1)速度呈比例增長時(shí)分析。

當(dāng)y＞3時(shí)，式(13)變?yōu)?/p>

取 k=2，y=3，4，5，λΔt取不同數(shù)值，代入式(13)，結(jié)果如表3所示?？梢钥闯鲈讦甩取相同數(shù)值時(shí)，y值越大fd值越小。Y取3與y取4時(shí)fd的相應(yīng)比值近似為2，而y取4與y取5時(shí)fd的相應(yīng)比值明顯小于2，說明隨著y值增加，可靠性增加變緩。

表3 k=2，y變化對(duì)模型的影響Tab le 3 The im pact of y changes on the model when k=2，

2)速度呈非線性增長時(shí)分析。

隨著y的增加，動(dòng)態(tài)恢復(fù)速度實(shí)際不會(huì)呈現(xiàn)比例增加。為了有效分析模型在這種情況下的性能，給出一個(gè)較為簡潔的恢復(fù)速度增長函數(shù)如式(16)所示，b為增長系數(shù)，后面將對(duì)b={0.2，0.4}進(jìn)行數(shù)值分析。如表4、5所示。

表4 b=0.2時(shí)fd取值Table 4 The value of fd when b=0.2

將表4、5形成圖9，可以看出b=0.2曲線位于b=0.4曲線上方，說明fd受到影響更大，但是2條曲線都位于fc=1.25×10-7的下方，都優(yōu)于fc。

圖9 k=2，y變化時(shí)fd走勢Fig.9 The fd trend when k=2 and y changes

4 編碼模型散列存儲(chǔ)與可靠性模型

4.1 模型構(gòu)建

定義5 編碼模型散列存儲(chǔ)對(duì)于一個(gè)大小為M的數(shù)據(jù)D，先將其等分x份(x＞1)即M=m1+m2+… +mx，且其大小m1=m2=mk=M/x。然后采用糾刪碼進(jìn)行編碼，編碼無效率為ε(0＜ε＜1)，編碼后塊數(shù)為k(k＞x)，對(duì)k個(gè)數(shù)據(jù)塊進(jìn)行模型散列存儲(chǔ)。稱這種策略為編碼模型散列存儲(chǔ)。

如圖10所示，從糾刪碼的基本原理可知，通過對(duì)原始數(shù)據(jù)M進(jìn)行x等分，然后進(jìn)行編碼，編碼無效率為ε(0＜ε＜1)，編碼后塊數(shù)為k(k＞x)，則只要有z=(1+ε)x個(gè)數(shù)據(jù)塊存在，就可以恢復(fù)出原始數(shù)據(jù)。編碼后單個(gè)數(shù)據(jù)塊的數(shù)據(jù)量為Mα/x。每一個(gè)G-peer組采用y個(gè)節(jié)點(diǎn)對(duì)散列后的數(shù)據(jù)進(jìn)行存儲(chǔ)，則G-peer(k)組中的數(shù)據(jù)塊nk失效的概率推導(dǎo)fg如下:

如果原來從一個(gè)節(jié)點(diǎn)恢復(fù)M數(shù)據(jù)時(shí)用時(shí)為Δt，編碼后處理后采用3個(gè)節(jié)點(diǎn)模型散列Mα/x的數(shù)據(jù)，當(dāng)有一個(gè)節(jié)點(diǎn)失效后，從2個(gè)節(jié)點(diǎn)恢復(fù)。恢復(fù)的時(shí)間為

在上述恢復(fù)時(shí)間內(nèi)每個(gè)節(jié)點(diǎn)的失效概率為

則G-peer(k)組中的數(shù)據(jù)塊nk失效的概率fg:

由于只要在k個(gè)數(shù)據(jù)塊中獲得z=(1+ε)x個(gè)數(shù)據(jù)塊即可以恢復(fù)出原始數(shù)據(jù)，則數(shù)據(jù)M的失效概率fh為

為了保證存儲(chǔ)的總數(shù)據(jù)量不超過2M，則編碼后塊數(shù)k為

圖10 編碼和模型散列存儲(chǔ)Fig.10 Coding and model hash storage

4.2 性能比較分析

根據(jù)目前糾刪碼相關(guān)研究，取x=10、ε=0.2、α=1.2、k==17、z=(1+ε)x=12。得出f、fg、fh的數(shù)據(jù)如表6所示。

如果直接采用糾刪碼存儲(chǔ)，當(dāng)有節(jié)點(diǎn)失效時(shí)，較難進(jìn)行直接恢復(fù)，因?yàn)樗械墓?jié)點(diǎn)都是通過完整的原始數(shù)據(jù)編碼產(chǎn)生，如果需要恢復(fù)，則會(huì)產(chǎn)生較大的網(wǎng)絡(luò)流量，且復(fù)雜度較高，時(shí)間很難保證。

表6 x=10，ε=0.2，α=1.2時(shí)fh取值Table 6 The value of fh when x=10，ε=0.2，α =1.2

那么對(duì)于采用糾刪碼存儲(chǔ)，在Δt時(shí)間內(nèi)數(shù)據(jù)失效概率fj為

根據(jù)目前糾刪碼相關(guān)研究，取x=10、ε=0.2、α=1.2、k=「2x/α?=17、z=(1+ε)x=12。得到fx、fj的數(shù)據(jù)如表7所示。

表7 x=10，ε=0.2，α=1.2時(shí) fj取值Table 7 The value of fj when x=10，ε=0.2，α =1.2

為了比較fh與fj的性能，取二者的比值為縱坐標(biāo)，形成圖11。

圖11 x=10，ε=0.2，α=1.2時(shí)fh/fj的比值Fig.11 fh/fj when x=10，ε=0.2，α=1.2

可以看出 fh性能遠(yuǎn)遠(yuǎn)優(yōu)于 fj，在正常情況下(0.001 ＜ λΔt＜0.1)，fh優(yōu)于 fj達(dá)到104量級(jí)。在 λΔt=2時(shí)，也可以達(dá)到103的量級(jí)。因此可以得出fh遠(yuǎn)遠(yuǎn)優(yōu)于fj。令α取不同數(shù)值，檢測其對(duì)模型性能影響，如圖12所示。隨著α的變化，fh先降低后升高，在α=1.4左右時(shí)fh最小，性能最好。

圖12 λΔt=0.001和1時(shí)α變化對(duì)fh影響分析Fig.12 Analysis of αchange impact on fh whenλΔt=0.001 and 1

同樣取fh與 fc和 fh與fa的比值，如圖13、14所示，fh性能由于二者2～3個(gè)數(shù)量級(jí)，優(yōu)勢明顯。

圖13 x=10，ε=0.2，α=1.2時(shí)fh/fc的比值Fig.13 fh/fc when x=10，ε=0.2，α =1.2

圖14 x=10，ε=0.2，α=1.2時(shí) fh/fa的比值Fig.14 fh/fa when x=10，ε=0.2，α =1.2

4 結(jié)束語

編碼解碼、分塊存儲(chǔ)、動(dòng)態(tài)恢復(fù)3種機(jī)制的有效融合可以在現(xiàn)有網(wǎng)絡(luò)存儲(chǔ)環(huán)境下大幅提升數(shù)據(jù)的可靠性，本文通過有效融合3種方法，提出了多種數(shù)據(jù)可靠性評(píng)估模型，模擬分析顯示本文的模型較先前的多副本(分塊)存儲(chǔ)、編碼存儲(chǔ)具有更高的可靠性。通過應(yīng)用模型可以為具有高可靠性數(shù)據(jù)存儲(chǔ)需求的服務(wù)提供網(wǎng)絡(luò)存儲(chǔ)機(jī)制和節(jié)點(diǎn)選擇方法。通過模擬分析和比較正常和異常網(wǎng)絡(luò)情況下模型的可靠性評(píng)估結(jié)果，增強(qiáng)了模型的可用性和實(shí)用性。

［1］陳蘭香，許力.云存儲(chǔ)服務(wù)中可證明數(shù)據(jù)持有及恢復(fù)技術(shù)研究［J］.計(jì)算機(jī)研究與發(fā)展，2012，49:19-25.CHEN Lanxiang，XU Li.Cloud storage service can prove data held and recovery technology［J］.Computer Research and Development，2012，49:19-25.

［2］孟小峰，慈祥.大數(shù)據(jù)管理:概念、技術(shù)與挑戰(zhàn)［J］.計(jì)算機(jī)研究與發(fā)展，2013，50(1):146-169.MENG Xia of eng，CIXiang.Big data management:concepts，technology，and challenges［J］.Computer Research and Development，2013，50(1):146-169.

［3］YU Xiangzhan，WU Guanjun.An disaster tolerance model based on dataflow replication［C］//Proceedings of the 2008 IEEE International Conference on Information Automation.Zhangjiajie，China，2008:1590-1594.

［4］PITKANEN M，MOUSSA R.Erasure codes for increasing the availability of grid data storage［C］//International Conference on Internet a n d Web Applications and Services-AICT/ICIW＇06.Guadeloupe，F(xiàn)rance，2006:1-10.

［5］曲明成，吳翔虎，廖明宏，等.一種數(shù)據(jù)網(wǎng)格容災(zāi)存儲(chǔ)模型及其數(shù)據(jù)失效模型［J］.電子學(xué)報(bào)，2010(2):315-320.QU Mingcheng，WU Xianghu，LIAO Minghong，et al.A data grid disaster recovery storage model and its data failure model［J］.Chinese Journal of Electronics，2010(2):315-320.

［6］WILKINS R S，DU Xing.Disaster tolerant wolfpack geoclusters［C］//Proceedings of the 2002 IEEE International Conference on Cluster Computing.Chicago，USA，2002:1-6.

［7］WANG Yanlong，LI Zhanhuai.RWAR:a resilient windowconsistent asynchronous replication protocol［C］//Proceedings of the The SecO International Conference Availability，Relaibility and Security.Vienna，Austria，2007:499-505.

［8］YANG C T，WANGSY，WILLIAM CC.Implementation of a dynamic adjustment strategy for parallel file transfer in coallocation data grids［J］.J Supercomput，2010，54:180-205.

［9］GHEMAWAT S，GOBIOFF H，SHUN T L.The Google file system［C］//SOSP＇03.New York，USA，2003:1-15.

［10］The hadoop distributed file system:Architecture and design［EB/OL］.［2013-09-13］.http://hadoop.apache.org/common/docs/r0.18.0/hdfs_design.pdf.

［11］曲明成，吳翔虎，廖明宏，等.一種數(shù)據(jù)網(wǎng)格存儲(chǔ)模型與并行傳輸調(diào)度算法［J］.高技術(shù)通訊，2010，20(1):26-32.QU Mingcheng，WU Xianghu，LIAO Minghong，et al.A data grid storage model and scheduling algorithm for parallel transmission［J］.High-tech Communications，2010，20(1):26-32.