| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第二章 Hadoop平台及其作业调度综述 | 第14-30页 |
| 2.1 Hadoop平台介绍 | 第14-23页 |
| 2.1.1 Hadoop系统框架 | 第14-16页 |
| 2.1.2 Hadoop分布式文件系统 | 第16-20页 |
| 2.1.3 Hadoop并行编程框架 | 第20-23页 |
| 2.1.3.1 MapReduce基本原理 | 第20-21页 |
| 2.1.3.2 MapReduce作业处理机制 | 第21-23页 |
| 2.2 Hadoop作业调度 | 第23-29页 |
| 2.2.1 Hadoop作业调度机制 | 第23-26页 |
| 2.2.2 Hadoop原生作业调度算法 | 第26-29页 |
| 2.2.2.1 先进先出调度算法 | 第26-27页 |
| 2.2.2.2 计算能力调度算法 | 第27-28页 |
| 2.2.2.3 公平额调度算法 | 第28-29页 |
| 2.2.3 Hadoop原生作业调度算法总结 | 第29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 基于数据预取的Hadoop作业调度算法 | 第30-47页 |
| 3.1 数据预取技术 | 第30-31页 |
| 3.2 MAP本地性任务调度 | 第31-35页 |
| 3.3 基于数据预取的Hadoop调度算法 | 第35-46页 |
| 3.3.1 初始化作业队列 | 第35-38页 |
| 3.3.2 节点预判评估 | 第38-42页 |
| 3.3.3 任务预判选择 | 第42-44页 |
| 3.3.4 任务预分配 | 第44-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 基于K-means的Hadoop作业调度算法 | 第47-58页 |
| 4.1 K-means算法介绍 | 第47-48页 |
| 4.2 Hadoop慢任务推测执行分析 | 第48-51页 |
| 4.2.1 Hadoop中任务执行阶段分析 | 第48-49页 |
| 4.2.2 Hadoop中慢任务推测分析 | 第49-51页 |
| 4.3 基于K-means的Hadoop作业调度算法 | 第51-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 实验结果与分析 | 第58-71页 |
| 5.1 实验环境部署 | 第58-60页 |
| 5.2 基于数据预取的Hadoop作业调度算法实验及分析 | 第60-66页 |
| 5.2.1 数据本地性分析 | 第61-63页 |
| 5.2.2 作业响应时间分析 | 第63-66页 |
| 5.3 基于K-means的Hadoop作业调度算法实验及分析 | 第66-70页 |
| 5.3.1 作业阶段权值分析 | 第66页 |
| 5.3.2 作业剩余时间分析 | 第66-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 本文总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
