首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

面向MapReduce任务的云数据中心网络资源协同优化

摘要第2-3页
Abstract第3-4页
1 绪论第7-16页
    1.1 课题研究背景和意义第7-8页
    1.2 国内外研究现状第8-14页
        1.2.1 MapReduce流调度问题第8-11页
        1.2.2 MapReduce任务放置和调度问题第11-14页
    1.3 研究内容与主要工作第14-15页
    1.4 论文组织结构第15-16页
2 相关技术概述第16-23页
    2.1 云数据中心网络结构第16-19页
        2.1.1 云数据中心基本网络结构第16-18页
        2.1.2 云数据中心网络抽象模型第18-19页
    2.2 MapReduce计算框架第19-22页
        2.2.1 MapReduce编程模型第19-21页
        2.2.2 YARN资源管理和调度平台第21-22页
    2.3 本章小结第22-23页
3 面向MapReduce任务的Coflow调度算法第23-40页
    3.1 流标记和识别机制第23-28页
        3.1.1 关键技术第24-26页
        3.1.2 流标记和识别模块设计与实现第26-28页
    3.2 Coflow调度问题模型第28-31页
    3.3 两层调度算法描述第31-36页
    3.4 实验第36-39页
        3.4.1 实验环境第36页
        3.4.2 实验结果评价第36-39页
    3.5 本章小结第39-40页
4 基于网络传输代价的任务放置算法第40-48页
    4.1 问题描述第40页
    4.2 Reduce任务放置模型第40-45页
    4.3 实验评价第45-47页
    4.4 本章小结第47-48页
结论第48-49页
参考文献第49-53页
攻读硕士学位期间发表学术论文情况第53-54页
致谢第54-56页

论文共56页,点击 下载论文
上一篇:基于Chrome的网页加载延迟优化方法研究与实现
下一篇:社交P2P系统中带有原谅机制的信任模型