| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 研究背景与意义 | 第12-19页 |
| 1.1.1 云计算技术概述 | 第12-13页 |
| 1.1.2 云计算平台及虚拟机版本控制 | 第13-15页 |
| 1.1.3 MapReduce分布式计算框架 | 第15-19页 |
| 1.2 问题与挑战 | 第19-22页 |
| 1.2.1 大规模虚拟机集群的高效版本控制 | 第19-20页 |
| 1.2.2 对MapReduce作业实时进度的精确估计 | 第20-21页 |
| 1.2.3 满足MapReduce作业的执行时间限制 | 第21-22页 |
| 1.3 本文工作 | 第22-23页 |
| 1.4 论文结构 | 第23-24页 |
| 第二章 相关研究 | 第24-34页 |
| 2.1 云环境下的虚拟机集群版本控制 | 第24-27页 |
| 2.1.1 云计算平台典型架构 | 第24页 |
| 2.1.2 虚拟机集群版本控制 | 第24-25页 |
| 2.1.3 虚拟机集群快速部署 | 第25-27页 |
| 2.2 MapReduce作业进度机制 | 第27-30页 |
| 2.2.1 MapReduce作业执行流水线 | 第27-28页 |
| 2.2.2 MapReduce作业进度估计技术 | 第28-29页 |
| 2.2.3 MapReduce作业性能模型 | 第29-30页 |
| 2.3 MapReduce作业时限保障技术 | 第30-33页 |
| 2.3.1 Hadoop2.0 组件和架构 | 第30-31页 |
| 2.3.2 资源调度方法 | 第31-32页 |
| 2.3.3 预采样技术 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 虚拟机集群的扁平化版本控制技术 | 第34-43页 |
| 3.1 本章引言 | 第34-35页 |
| 3.2 设计思想 | 第35-36页 |
| 3.3 扁平化的版本控制方法 | 第36-39页 |
| 3.3.1 版本增量生成 | 第36页 |
| 3.3.2 本地与远程版本恢复 | 第36-38页 |
| 3.3.3 版本链I/O优化 | 第38-39页 |
| 3.4 实验评估 | 第39-42页 |
| 3.4.1 实验设置 | 第39页 |
| 3.4.2 实验结果 | 第39-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 MapReduce作业实时进度的估计方法 | 第43-60页 |
| 4.1 本章引言 | 第43-44页 |
| 4.2 MapReduce作业的三阶段模型 | 第44-45页 |
| 4.3 实时作业完成时间及进度的迭代估计方法 | 第45-56页 |
| 4.3.1 Map阶段 | 第45-50页 |
| 4.3.2 非重叠Shuffle阶段 | 第50-53页 |
| 4.3.3 Reduce阶段 | 第53-55页 |
| 4.3.4 作业实时进度的计算 | 第55-56页 |
| 4.4 实验评估 | 第56-58页 |
| 4.4.1 实验设置 | 第56页 |
| 4.4.2 实验结果 | 第56-58页 |
| 4.5 本章小结 | 第58-60页 |
| 第五章 满足MapReduce作业时限的任务调度方法 | 第60-70页 |
| 5.1 本章引言 | 第60-61页 |
| 5.2 满足作业时限的困境 | 第61-62页 |
| 5.3 面向作业时限的任务调度方法 | 第62-66页 |
| 5.3.1 迭代-逼近任务调度算法 | 第62-64页 |
| 5.3.2 k值修正算法 | 第64-66页 |
| 5.4 模拟器实现 | 第66页 |
| 5.5 实验评估 | 第66-69页 |
| 5.5.1 实验设置 | 第66-67页 |
| 5.5.2 实验结果 | 第67-69页 |
| 5.6 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 本文工作及创新点 | 第70-71页 |
| 6.2 未来工作展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 作者在学期间取得的学术成果 | 第78页 |
