| 摘要 | 第1-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第11-18页 |
| ·研究背景与意义 | 第11-13页 |
| ·数据密集型超级计算简介 | 第11-12页 |
| ·云计算简介 | 第12-13页 |
| ·已有技术研究现状 | 第13-16页 |
| ·分布式集群计算系统 | 第13-14页 |
| ·Hadoop 系统简介与应用状况 | 第14-16页 |
| ·虚拟化技术和Hadoop 应用 | 第16页 |
| ·本文的主要研究工作 | 第16-17页 |
| ·论文结构 | 第17-18页 |
| 第二章 Hadoop 的任务分配与调度分析 | 第18-30页 |
| ·Google MapReduce 分布式计算框架 | 第18-21页 |
| ·Google 文件系统简介 | 第18-19页 |
| ·MapReduce 编程框架工作原理简介 | 第19-21页 |
| ·Hadoop 系统的体系结构 | 第21-26页 |
| ·Hadoop 分布式文件系统 | 第22-23页 |
| ·基于Hadoop 的MapReduce 实现 | 第23-25页 |
| ·Hadoop 的容错控制 | 第25页 |
| ·Hadoop 子项目简介 | 第25-26页 |
| ·Hadoop 应用集群的特点 | 第26-27页 |
| ·Hadoop 系统任务分配与调度 | 第27-30页 |
| ·Hadoop 任务级别的分配与调度 | 第28-29页 |
| ·Hadoop 作业级别的分配与调度 | 第29-30页 |
| 第三章 基于历史记录的节点效用描述方法研究 | 第30-34页 |
| ·Hadoop 系统中使用历史记录分析的处理方法 | 第30页 |
| ·异构环境下的节点效用 | 第30页 |
| ·节点效用的描述方法 | 第30-33页 |
| ·基本假设 | 第30-31页 |
| ·描述节点效能的维度 | 第31页 |
| ·节点计算效用的获取和维护 | 第31-33页 |
| ·通信效用值的衡量 | 第33页 |
| ·异常节点的节点效能处理方法 | 第33-34页 |
| 第四章 基于节点效用的预测执行方法研究 | 第34-45页 |
| ·Hadoop 系统的原推测重执行机制 | 第34-35页 |
| ·构环境下原重执行机制的失效 | 第34-35页 |
| ·Hadoop 系统的LATE 推测重执行机制 | 第35-36页 |
| ·推测重执行机制的不足 | 第36-40页 |
| ·简单实例比较 | 第36-39页 |
| ·集群异构分布对重执行机制的影响 | 第39页 |
| ·重执行模型对系统整体效率的影响 | 第39页 |
| ·小结 | 第39-40页 |
| ·基于任务节点效用的可控粒度任务调度器 | 第40-45页 |
| ·调节任务粒度的方法 | 第40-41页 |
| ·任务依赖关系对预调度的影响 | 第41-42页 |
| ·可控粒度调度机制中的异常处理 | 第42-45页 |
| 第五章 单点失效恢复解决方法研究 | 第45-52页 |
| ·单点失效恢复机制 | 第45-47页 |
| ·按需贪心同步恢复机制 | 第45-46页 |
| ·基于历史记录恢复机制 | 第46页 |
| ·丢弃作业机制 | 第46-47页 |
| ·同步机制的阻塞问题 | 第47-49页 |
| ·MapReduce 系统任务的依赖关系 | 第47页 |
| ·同步机制的数据阻塞 | 第47-48页 |
| ·数据阻塞原因的充分性分析 | 第48-49页 |
| ·备份机制的异常情况 | 第49页 |
| ·传递依赖关系信息的同步机制 | 第49-52页 |
| 第六章 Hadoop 原型系统实验部署与设计 | 第52-61页 |
| ·Hadoop 系统部署 | 第52-57页 |
| ·虚拟化集群的搭建与搭建 | 第52-53页 |
| ·Hadoop 系统部署配置和发布作业 | 第53-54页 |
| ·Hadoop 监控系统 | 第54-56页 |
| ·自定制的Hadoop 监控器 | 第56-57页 |
| ·Hadoop 系统实验 | 第57-61页 |
| ·Hadoop 系统核心模块设计 | 第57-58页 |
| ·Hadoop 系统单点恢复实验 | 第58-61页 |
| 第七章 结束语 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-67页 |
| 作者在学期间取得的学术成果 | 第67-68页 |
| 作者在学期间参加的主要科研工作 | 第68页 |