| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 课题研究背景 | 第11-12页 |
| 1.2 课题研究现状 | 第12-13页 |
| 1.3 本文的研究内容 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 第2章 HADOOP平台及调度算法分析 | 第15-33页 |
| 2.1 Hadoop发展历程 | 第15-17页 |
| 2.2 Hadoop平台的分布式文件系统HDFS | 第17-20页 |
| 2.2.1 HDFS的主从式结构 | 第18-19页 |
| 2.2.2 HDFS的优缺点 | 第19-20页 |
| 2.3 Hadoop计算框架 | 第20-23页 |
| 2.3.1 MapReduce架构 | 第20-21页 |
| 2.3.2 YARN架构 | 第21-23页 |
| 2.4 Hadoop推测机制 | 第23-24页 |
| 2.5 Hadoop调度算法 | 第24-31页 |
| 2.5.1 FIFO调度算法 | 第25-26页 |
| 2.5.2 计算能力调度算法(Capacity Scheduler) | 第26-27页 |
| 2.5.3 公平调度算法(Fair Scheduler) | 第27-29页 |
| 2.5.4 基于蚁群算法的调度算法 | 第29-31页 |
| 2.6 本章小结 | 第31-33页 |
| 第3章 基于人工鱼群算法的HADOOP作业调度算法的设计 | 第33-45页 |
| 3.1 算法改进的必要性及可行性 | 第33-34页 |
| 3.2 调度算法中使用的关键算法 | 第34-37页 |
| 3.2.1 人工鱼群算法分析 | 第34-36页 |
| 3.2.2 LATE算法分析 | 第36-37页 |
| 3.3 基于人工鱼群算法的Hadoop作业调度算法的总体设计 | 第37-43页 |
| 3.3.1 算法思想 | 第37-38页 |
| 3.3.2 调度算法的前提假设 | 第38-39页 |
| 3.3.3 调度算法数学模型的参数表示 | 第39-40页 |
| 3.3.4 算法流程设计 | 第40-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第4章 基于人工鱼群算法的HADOOP作业调度算法的实现 | 第45-55页 |
| 4.1 基于人工鱼群算法的Hadoop作业调度算法的作业执行流程 | 第45-49页 |
| 4.2 基于人工鱼群算法的Hadoop作业调度算法的功能模块实现 | 第49-52页 |
| 4.2.1 负载信息采集模块实现 | 第49-50页 |
| 4.2.2 信息传递模块实现 | 第50-51页 |
| 4.2.3 信息分析模块实现 | 第51-52页 |
| 4.2.4 作业调度模块实现 | 第52页 |
| 4.3 基于人工鱼群算法的Hadoop作业调度算法的核心伪代码 | 第52-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 实验及结果分析 | 第55-67页 |
| 5.1 实验设计 | 第55-60页 |
| 5.1.1 实验环境 | 第55-56页 |
| 5.1.2 Hadoop实验平台搭建过程 | 第56-60页 |
| 5.2 实验结果及分析 | 第60-66页 |
| 5.2.1 数据来源 | 第60-61页 |
| 5.2.2 算法适用环境的实验及结果分析 | 第61-63页 |
| 5.2.3 对内存密集型作业处理的实验及结果分析 | 第63-65页 |
| 5.2.4 对作业执行中异常的实验及结果分析 | 第65-66页 |
| 5.3 实验总结 | 第66页 |
| 5.4 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 本文总结 | 第67-68页 |
| 6.2 下一步工作 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 攻读硕士学位期间发表的论文 | 第75页 |
