MapReduce模型下数据本地性负载平衡策略研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文研究内容 | 第11页 |
| 1.4 论文组织结构 | 第11-13页 |
| 第2章 相关技术介绍 | 第13-27页 |
| 2.1 云计算介绍 | 第13-15页 |
| 2.1.1 云计算概念 | 第13-14页 |
| 2.1.2 云计算体系结构 | 第14-15页 |
| 2.1.3 云计算平台 | 第15页 |
| 2.2 MapReduce简介 | 第15-22页 |
| 2.2.1 MapReduce编程模型 | 第15-18页 |
| 2.2.2 MapReduce优势 | 第18页 |
| 2.2.3 MapReduce应用 | 第18-19页 |
| 2.2.4 MapReduce倾斜问题 | 第19-22页 |
| 2.3 Hadoop介绍 | 第22-26页 |
| 2.3.1 Hadoop简介 | 第22-23页 |
| 2.3.2 Hadoop组成 | 第23-25页 |
| 2.3.3 Hadoop生态系统 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 本地性的实现 | 第27-34页 |
| 3.1 数据本地性 | 第27-28页 |
| 3.2 网络拓扑 | 第28-32页 |
| 3.3 数据读取 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 基于本地性的负载平衡方法 | 第34-47页 |
| 4.1 基于本地性的负载平衡方法介绍 | 第34-36页 |
| 4.1.1 基于本地性的负载平衡方法的组成 | 第34-36页 |
| 4.1.2 基于本地性的负载平衡方法优势与劣势 | 第36页 |
| 4.2 预处理 | 第36-39页 |
| 4.2.1 预处理概述 | 第36-38页 |
| 4.2.2 抽样分析 | 第38-39页 |
| 4.3 数据聚合 | 第39-42页 |
| 4.3.1 数据聚合概述 | 第39-40页 |
| 4.3.2 数据聚合方法 | 第40-42页 |
| 4.4 基于本地性数据分配 | 第42-46页 |
| 4.4.1 数据分配概述 | 第42-43页 |
| 4.4.2 本地性数据分配方法 | 第43-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 实验测试与分析 | 第47-56页 |
| 5.1 实验环境 | 第47-49页 |
| 5.1.1 实验平台 | 第47-48页 |
| 5.1.2 实验数据集 | 第48-49页 |
| 5.2 对比实验方案 | 第49-50页 |
| 5.3 实验分析 | 第50-54页 |
| 5.3.1 抽样率与运行时间对比 | 第50-51页 |
| 5.3.2 作业完成时间对比 | 第51-52页 |
| 5.3.3 数据本地性对比 | 第52-54页 |
| 5.3.4 节点负载对比 | 第54页 |
| 5.4 本章小结 | 第54-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 6.1 工作总结 | 第56-57页 |
| 6.2 未来展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间公开发表论文 | 第62-63页 |
| 致谢 | 第63页 |
