| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 Spark研究现状 | 第12-13页 |
| 1.2.2 重用研究现状 | 第13-14页 |
| 1.2.3 调度研究现状 | 第14-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文结构安排 | 第16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 相关技术研究 | 第17-33页 |
| 2.1 Spark的数据结构 | 第17-19页 |
| 2.1.1 RDD的概念 | 第17-18页 |
| 2.1.2 RDD的操作 | 第18-19页 |
| 2.2 Spark框架结构 | 第19-21页 |
| 2.2.1 Spark系统架构 | 第19-20页 |
| 2.2.2 Spark执行逻辑 | 第20-21页 |
| 2.3 Scala语言 | 第21-23页 |
| 2.4 调度算法 | 第23-26页 |
| 2.4.1 FIFO | 第23页 |
| 2.4.2 轮转法(RR) | 第23-24页 |
| 2.4.3 优先级调度算法 | 第24-26页 |
| 2.5 Spark调度机制 | 第26-30页 |
| 2.5.1 Spark应用间调度 | 第26页 |
| 2.5.2 Spark应用内调度 | 第26-30页 |
| 2.6 最优解问题以及常见算法 | 第30-32页 |
| 2.6.1 最优解问题的概念 | 第30-31页 |
| 2.6.2 最优解算法 | 第31-32页 |
| 2.7 本章小结 | 第32-33页 |
| 第三章 基于重用的Spark调度优化技术 | 第33-51页 |
| 3.1 基于重用的代价模型 | 第33-37页 |
| 3.1.1 重用度 | 第33-36页 |
| 3.1.2 基于重用的代价模型构建 | 第36-37页 |
| 3.2 全局优化函数 | 第37-40页 |
| 3.2.1 相对位置 | 第37-38页 |
| 3.2.2 冗余操作 | 第38-40页 |
| 3.2.3 全局优化函数设计 | 第40页 |
| 3.3 基于遗传算法的代价优化算法 | 第40-48页 |
| 3.3.1 算法编码 | 第42-43页 |
| 3.3.2 初始化种群 | 第43页 |
| 3.3.3 适应度函数 | 第43-44页 |
| 3.3.4 选择函数 | 第44-45页 |
| 3.3.5 交叉函数 | 第45-47页 |
| 3.3.6 变异函数 | 第47-48页 |
| 3.4 基于遗传算法的代价优化算法的实验测试 | 第48-50页 |
| 3.4.1 实验设计 | 第48-49页 |
| 3.4.2 实验结果以及分析 | 第49-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 基于重用的Spark调度系统的设计与实现 | 第51-61页 |
| 4.1 系统总体描述 | 第51-52页 |
| 4.2 基于重用的Spark调度系统的调度模块设计和实现 | 第52-57页 |
| 4.2.1 调度模块的设计 | 第53-55页 |
| 4.2.2 调度模块的实现 | 第55-57页 |
| 4.3 系统测试 | 第57-59页 |
| 4.4 本章小结 | 第59-61页 |
| 第五章 总结和展望 | 第61-63页 |
| 5.1 工作总结 | 第61-62页 |
| 5.2 未来展望 | 第62-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 作者在学期间取得的学术成果 | 第69页 |