云环境中任务调度策略研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 云计算研究现状 | 第10-12页 |
| 1.2.2 云计算任务调度研究现状 | 第12-14页 |
| 1.3 本论文的内容安排 | 第14-16页 |
| 1.3.1 主要研究内容 | 第14页 |
| 1.3.2 论文的重点 | 第14页 |
| 1.3.3 论文的结构安排 | 第14-16页 |
| 第2章 云环境中任务调度的技术背景 | 第16-36页 |
| 2.1 云计算相关概念 | 第16-20页 |
| 2.1.1 云计算的服务类型 | 第16-17页 |
| 2.1.2 云计算相关技术 | 第17-18页 |
| 2.1.3 云计算平台 | 第18-20页 |
| 2.2 云计算的任务调度 | 第20-22页 |
| 2.2.1 任务调度目标 | 第20-21页 |
| 2.2.2 任务调度特点 | 第21-22页 |
| 2.3 Hadoop平台技术介绍 | 第22-30页 |
| 2.3.1 Hadoop平台架构 | 第22-23页 |
| 2.3.2 离线计算框架Map Reduce | 第23-25页 |
| 2.3.3 YARN架构 | 第25-30页 |
| 2.4 Hadoop任务调度算法分析 | 第30-34页 |
| 2.4.1 FIFO Scheduler | 第32页 |
| 2.4.2 Fair Scheduler | 第32-33页 |
| 2.4.3 Capacity Scheduler | 第33-34页 |
| 2.5 本章总结 | 第34-36页 |
| 第3章 改进的遗传算法设计 | 第36-44页 |
| 3.1 遗传算法思想 | 第36-38页 |
| 3.1.1 相关术语 | 第36页 |
| 3.1.2 传统遗传算法的优缺点 | 第36-38页 |
| 3.2 DFMGA算法设计 | 第38-41页 |
| 3.2.1 编码和解码 | 第38-39页 |
| 3.2.2 适应度函数设计 | 第39-40页 |
| 3.2.3 选择操作设计 | 第40页 |
| 3.2.4 交叉操作设计 | 第40-41页 |
| 3.2.5 变异操作设计 | 第41页 |
| 3.3 DFMGA运行实例 | 第41-43页 |
| 3.3.1 问题描述 | 第41页 |
| 3.3.2 执行DFMGA算法 | 第41-42页 |
| 3.3.3 DFMGA与FIFO执行时间对比 | 第42-43页 |
| 3.4 本章总结 | 第43-44页 |
| 第4章 DFMGA算法在Hadoop平台上实现 | 第44-50页 |
| 4.1 开发流程 | 第44-46页 |
| 4.1.1 导入类库 | 第44页 |
| 4.1.2 类设计 | 第44-46页 |
| 4.1.3 启用调度器 | 第46页 |
| 4.2 算法执行流程 | 第46-48页 |
| 4.2.1 算法描述 | 第46-47页 |
| 4.2.2 算法伪代码 | 第47-48页 |
| 4.3 Map Reduce实现DFMGA | 第48-49页 |
| 4.3.1 Map过程 | 第48页 |
| 4.3.2 Reduce过程 | 第48-49页 |
| 4.4 本章总结 | 第49-50页 |
| 第5章 实验及分析 | 第50-58页 |
| 5.1 实验平台搭建 | 第50-55页 |
| 5.1.1 集群配置 | 第50-51页 |
| 5.1.2 Hadoop环境搭建 | 第51-54页 |
| 5.1.3 启动Hadoop | 第54-55页 |
| 5.2 实验结果分析 | 第55-57页 |
| 5.2.1 参数设置 | 第55-56页 |
| 5.2.2 实验结果分析 | 第56-57页 |
| 5.3 总结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间所发表的学术论文 | 第64-66页 |
| 致谢 | 第66页 |
