基于Spark的云平台性能评估技术研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 研究内容及主要工作 | 第11页 |
| 1.4 论文结构安排 | 第11-13页 |
| 第二章 云平台性能评估理论概述 | 第13-22页 |
| 2.1 云平台概述 | 第13页 |
| 2.2 云平台性能指标概述 | 第13-16页 |
| 2.2.1 大数据特性 | 第14页 |
| 2.2.2 工作负载维度 | 第14-15页 |
| 2.2.3 性能度量指标 | 第15-16页 |
| 2.3 性能评估方法研究 | 第16-21页 |
| 2.3.1 层次分析法 | 第16-18页 |
| 2.3.2 模糊综合评价法 | 第18-19页 |
| 2.3.3 变异系数法 | 第19-20页 |
| 2.3.4 主成分分析法 | 第20-21页 |
| 2.4 研究问题分析 | 第21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 基于多元线性回归的指标分析技术 | 第22-34页 |
| 3.1 研究背景 | 第22页 |
| 3.2 性能指标分析框架设计 | 第22-26页 |
| 3.2.1 性能指标分类 | 第24-25页 |
| 3.2.2 性能指标选取 | 第25-26页 |
| 3.3 多元回归性能指标分析算法设计 | 第26-29页 |
| 3.3.1 算法分析定义 | 第27-28页 |
| 3.3.2 显著性检验 | 第28页 |
| 3.3.3 指标相关性计算 | 第28-29页 |
| 3.4 仿真与性能分析 | 第29-33页 |
| 3.4.1 仿真实验设计 | 第29-30页 |
| 3.4.2 性能参数分析 | 第30-32页 |
| 3.4.3 指标权重计算 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 基于标准回归系数的加权支持回归评估技术 | 第34-47页 |
| 4.1 研究背景 | 第34页 |
| 4.2 作业性能指标分析设计 | 第34-36页 |
| 4.2.1 整体作业执行流程 | 第34-35页 |
| 4.2.2 子阶段性能指标分类 | 第35-36页 |
| 4.3 作业时间指标计算 | 第36-38页 |
| 4.3.1 执行时间估计 | 第36-37页 |
| 4.3.2 执行时间边界值估计 | 第37-38页 |
| 4.4 基于标准回归系数的加权支持回归算法设计 | 第38-42页 |
| 4.4.1 算法分析定义 | 第38-39页 |
| 4.4.2 样本参数权值计算 | 第39-40页 |
| 4.4.3 加权支持回归计算 | 第40-41页 |
| 4.4.4 算法评价指标设计 | 第41-42页 |
| 4.5 仿真与性能分析 | 第42-46页 |
| 4.5.1 仿真实验过程 | 第42-43页 |
| 4.5.2 参数加权 | 第43-44页 |
| 4.5.3 支持回归效果评价 | 第44-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第五章 原型系统设计实现 | 第47-63页 |
| 5.1 应用场景描述 | 第47页 |
| 5.2 原型系统设计 | 第47-56页 |
| 5.2.1 平台设计 | 第47-48页 |
| 5.2.2 架构设计 | 第48页 |
| 5.2.3 性能指标采集配置 | 第48-52页 |
| 5.2.4 指标权重设计 | 第52-55页 |
| 5.2.5 资源预测评估算法设计 | 第55-56页 |
| 5.3 实验环境搭建 | 第56-58页 |
| 5.4 实验结果及分析 | 第58-62页 |
| 5.4.1 集群整体性能分析 | 第58-61页 |
| 5.4.2 作业执行时间资源开销预测 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 论文总结 | 第63-64页 |
| 6.2 工作展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第68-69页 |
| 附录 2 攻读硕士学位期间申请的专利 | 第69-70页 |
| 附录 3 攻读硕士学位期间参加的科研项目 | 第70-71页 |
| 附录 4 攻读硕士学位期间所获荣誉 | 第71-72页 |
| 致谢 | 第72页 |
