| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 研究课题背景 | 第8-10页 |
| 1.1.1 研究课题来源 | 第8页 |
| 1.1.2 研究目的与意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 分布式框架研究现状 | 第10-11页 |
| 1.2.2 Spark性能优化研究现状 | 第11-13页 |
| 1.2.3 Spark性能预测研究现状 | 第13-14页 |
| 1.3 主要研究内容 | 第14-16页 |
| 1.4 本文结构 | 第16-18页 |
| 第2章 细粒度监控工具的设计与实现 | 第18-29页 |
| 2.1 Spark平台概述 | 第18-20页 |
| 2.1.1 Spark平台简介 | 第18-19页 |
| 2.1.2 Spark体系结构介绍 | 第19-20页 |
| 2.2 Spark监控模块设计 | 第20-23页 |
| 2.2.1 性能监控模块设计 | 第20-23页 |
| 2.2.2 资源监控系统设计 | 第23页 |
| 2.3 监控工具的实现 | 第23-28页 |
| 2.3.1 Spark日志解析 | 第23-27页 |
| 2.3.2 Spark与Ganglia的集成 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 Spark执行性能优化 | 第29-47页 |
| 3.1 数据序列化方式 | 第29-31页 |
| 3.2 Shuffle管理器 | 第31-33页 |
| 3.3 RDD的持久化 | 第33-36页 |
| 3.4 数据的压缩 | 第36-44页 |
| 3.4.1 各种压缩方式的性能 | 第36-37页 |
| 3.4.2 压缩算法的影响 | 第37-39页 |
| 3.4.3 数据类型的影响 | 第39-40页 |
| 3.4.4 压缩规模的影响 | 第40-43页 |
| 3.4.5 压缩策略的综合比较 | 第43-44页 |
| 3.5 资源调度对Spark性能的影响 | 第44-45页 |
| 3.5.1 内存的影响 | 第44-45页 |
| 3.5.2 Core数量和集群并发度 | 第45页 |
| 3.6 优化文件系统策略 | 第45页 |
| 3.7 本章小结 | 第45-47页 |
| 第4章 Spark资源分配优化 | 第47-55页 |
| 4.1 性能预测模型介绍 | 第47-48页 |
| 4.2 Spark性能不变量 | 第48页 |
| 4.3 Stage执行时间边界评估 | 第48-49页 |
| 4.4 预测Task执行时间 | 第49-51页 |
| 4.5 Worker失败对Spark性能的影响 | 第51-53页 |
| 4.6 资源分配优化 | 第53-54页 |
| 4.7 本章小结 | 第54-55页 |
| 第5章 Spark优化实验评估 | 第55-73页 |
| 5.1 Spark负载类型分析 | 第55-56页 |
| 5.2 Spark负载优化 | 第56-65页 |
| 5.2.1 图计算负载优化 | 第56-61页 |
| 5.2.2 机器学习负载优化 | 第61-63页 |
| 5.2.3 文本处理负载优化 | 第63-65页 |
| 5.3 Spark资源分配优化 | 第65-71页 |
| 5.3.1 验证Spark性能不变量 | 第65-66页 |
| 5.3.2 确定回归系数 | 第66-68页 |
| 5.3.3 预测Spark作业完成时间 | 第68-69页 |
| 5.3.4 Worker故障下预测Spark作业完成时间 | 第69-70页 |
| 5.3.5 验证基于DeadLine的资源分配模型 | 第70-71页 |
| 5.4 本章小结 | 第71-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-78页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第78-80页 |
| 致谢 | 第80页 |