基于Hadoop系统的自学习资源调度器模型研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文的主要研究内容和章节安排 | 第11-13页 |
| 2 云计算相关理论及Hadoop系统架构 | 第13-25页 |
| 2.1 云计算 | 第13-16页 |
| 2.2 Hadoop系统架构 | 第16-24页 |
| 2.3 本章小结 | 第24-25页 |
| 3 弹性计算平台YARN及其资源调度器 | 第25-35页 |
| 3.1 YARN的架构 | 第25-29页 |
| 3.2 现有的三种资源调度器分析 | 第29-34页 |
| 3.3 本章小结 | 第34-35页 |
| 4 Hadoop系统建模及性能评价指标 | 第35-40页 |
| 4.1 Hadoop系统建模 | 第35-37页 |
| 4.2 性能评价指标 | 第37-39页 |
| 4.3 本章小结 | 第39-40页 |
| 5 自学习资源调度器模型的改进 | 第40-53页 |
| 5.1 算法改进 | 第40-41页 |
| 5.2 自学习资源调度器的实现及优化方法 | 第41-52页 |
| 5.3 本章小结 | 第52-53页 |
| 6 实验设计与结果分析 | 第53-64页 |
| 6.1 实验环境搭建 | 第53-56页 |
| 6.2 实验数据 | 第56-58页 |
| 6.3 实验结果分析 | 第58-63页 |
| 6.4 结论 | 第63页 |
| 6.5 本章小结 | 第63-64页 |
| 7 总结与展望 | 第64-66页 |
| 7.1 工作总结 | 第64-65页 |
| 7.2 展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-72页 |
