| 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 论文主要工作 | 第11-12页 |
| 1.4 论文章节组织结构 | 第12-13页 |
| 第2章 相关研究基础 | 第13-23页 |
| 2.1 Hadoop简介 | 第13-20页 |
| 2.1.1 分布式文件系统 | 第14-15页 |
| 2.1.2 MapReduce介绍 | 第15-18页 |
| 2.1.3 MapReduce框架结构 | 第18-20页 |
| 2.2 目前主流的MapReduce调度方法 | 第20-22页 |
| 2.2.1 FIFO调度 | 第20页 |
| 2.2.2 HOD调度 | 第20-21页 |
| 2.2.3 公平调度 | 第21-22页 |
| 2.3 基于MapReduce的资源共享系统 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 面向全局完成时间优化的多MAPREDUCE作业调度框架 | 第23-31页 |
| 3.1 研究动机 | 第23-26页 |
| 3.2 问题解决的基本思路 | 第26-29页 |
| 3.2.1 面向全局完成时间优化的多MapReduce作业调度框架 | 第27-28页 |
| 3.2.2 面向全局完成时间优化的多MapReduce作业调度的基本过程 | 第28-29页 |
| 3.3 关键问题 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 基于作业I/O消耗模型面向共享读的多MAPREDUCE作业合并算法 | 第31-43页 |
| 4.1 相关工作 | 第31页 |
| 4.2 面向共享读的多MapReduce作业合并的问题描述 | 第31-34页 |
| 4.2.1 MapReduce作业I/O消耗模型分析 | 第31-33页 |
| 4.2.2 多MapReduce作业合并问题及问题解决的基本思路 | 第33-34页 |
| 4.3 多Mapreduce作业合并的I/O资源消耗和收益评价模型 | 第34-39页 |
| 4.3.1 多MapReduce作业合并的I/O资源消耗评价模型 | 第34-37页 |
| 4.3.2 多MapReduce作业合并的I/O资源收益评价模型 | 第37-39页 |
| 4.4 面向共享读的多MapReduce作业合并算法 | 第39-42页 |
| 4.4.1 面向共享读的多MapReduce作业合并算法的基本思想 | 第39-40页 |
| 4.4.2 面向共享读的多MapReduce作业合并算法描述 | 第40-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 基于MAPREDUCE作业性能评价模型的GMS算法 | 第43-55页 |
| 5.1 相关工作 | 第43-44页 |
| 5.2 面向全局完成时间的多Mapreduce作业性能评价模型 | 第44-48页 |
| 5.3 基于MapReduce作业性能评价模型的GMS算法 | 第48-54页 |
| 5.3.1 GMS算法的基本思想 | 第48-52页 |
| 5.3.2 GMS算法描述 | 第52-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第6章 实验方案及实验对比 | 第55-63页 |
| 6.1 实验环境 | 第55-56页 |
| 6.2 实验方案及结果 | 第56-61页 |
| 6.2.1 多MapReduce作业合并算法的实验方案及结果 | 第56-58页 |
| 6.2.2 GMS算法的实验方案及结果 | 第58-60页 |
| 6.2.3 面向全完成时间的MapReduce作业调度框架的的实验方案及结果 | 第60-61页 |
| 6.4 本章小结 | 第61-63页 |
| 第7章 总结与展望 | 第63-65页 |
| 7.1 论文工作总结 | 第63-64页 |
| 7.2 下一步工作展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |
