| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第11-16页 |
| 1.1 课题研究的背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文的主要工作及其贡献 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 2 Spark、MPI和CUDA关键技术介绍 | 第16-27页 |
| 2.1 Yarn资源管理系统 | 第16-18页 |
| 2.2 Spark计算框架 | 第18-22页 |
| 2.2.1 Spark概述 | 第18-20页 |
| 2.2.2 Spark核心技术RDD | 第20-21页 |
| 2.2.3 Spark分布式部署模式 | 第21-22页 |
| 2.3 MPI概述 | 第22-23页 |
| 2.3.1 MPI背景 | 第22页 |
| 2.3.2 MPI存储方式和并行编程模型 | 第22-23页 |
| 2.4 GPU概述 | 第23-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 Spark下MPI/GPU并行计算处理机制的设计 | 第27-33页 |
| 3.1 Spark任务调度 | 第27-30页 |
| 3.1.1 Spark任务调度概述 | 第27-29页 |
| 3.1.2 Spark任务调度算法 | 第29-30页 |
| 3.2 MPI/GPU并行计算处理机制的设计 | 第30-32页 |
| 3.2.1 MPI/GPU并行计算简介 | 第30页 |
| 3.2.2 MPI/GPU并行计算架构 | 第30-32页 |
| 3.3 本章小结 | 第32-33页 |
| 4 Spark下MPI/GPU并行计算处理机制的实现 | 第33-45页 |
| 4.1 MPI/GPU并行计算的处理流程 | 第33-35页 |
| 4.2 MPI/GPU并行计算任务调度 | 第35-42页 |
| 4.2.1 Spark下MPI任务调度模式 | 第36-38页 |
| 4.2.2 Spark下GPU任务调度模式 | 第38-42页 |
| 4.3 Spark下MPI/GPU任务调度模式 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 5 实验与评价 | 第45-53页 |
| 5.1 实验环境安装 | 第45页 |
| 5.2 Spark集群管理 | 第45-47页 |
| 5.3 实验任务 | 第47-49页 |
| 5.3.1 MPI节点和任务描述 | 第47-48页 |
| 5.3.2 GPU节点和任务描述 | 第48-49页 |
| 5.4 实验结果与分析 | 第49-52页 |
| 5.5 本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 附录 | 第58-61页 |
| A：Spark中GPU环境配置方案 | 第58页 |
| B：Spark集群搭建 | 第58-60页 |
| C：MPI集群搭建 | 第60-61页 |
| 致谢 | 第61-62页 |
| 个人简历 | 第62页 |