| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景 | 第12-14页 |
| 1.2 本文工作 | 第14-15页 |
| 1.3 本文结构 | 第15-18页 |
| 第二章 相关技术与研究现状 | 第18-26页 |
| 2.1 Map Reduce编程模型 | 第18-19页 |
| 2.2 分布式文件系统HDFS | 第19-20页 |
| 2.3 Map Reduce开源实现之Hadoop | 第20-21页 |
| 2.4 数据仓库HIVE | 第21-22页 |
| 2.5 分布式系统中的容错模型与策略 | 第22-23页 |
| 2.6 LATE推测任务调度器 | 第23页 |
| 2.7 RAFTing Map Reduce | 第23-24页 |
| 2.8 一些其他的研究 | 第24页 |
| 2.9 本章小结 | 第24-26页 |
| 第三章 研究动机 | 第26-32页 |
| 3.1 Hadoop Map Reduce基本原理 | 第26-29页 |
| 3.2 Hadoop Map Reduce中的容错策略 | 第29-30页 |
| 3.3 Hadoop Map Reduce推测执行 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 Be TL的设计 | 第32-46页 |
| 4.1 Be TL概述 | 第32-35页 |
| 4.2 任务失败恢复 | 第35-37页 |
| 4.3 检查点的产生与消费 | 第37-38页 |
| 4.4 Combiner优化 | 第38-40页 |
| 4.5 优化的推测执行 | 第40-43页 |
| 4.6 弹性检查点策略 | 第43-44页 |
| 4.7 本章小结 | 第44-46页 |
| 第五章 Be TL的实现 | 第46-52页 |
| 5.1 主控节点的事件驱动模型 | 第46-47页 |
| 5.2 通信协议 | 第47-49页 |
| 5.3 输入读取与检查点创建 | 第49页 |
| 5.4 Map任务结果收集 | 第49-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第六章 实验设计与验证 | 第52-68页 |
| 6.1 Be TL Map Reduce执行流测试 | 第53-58页 |
| 6.2 Combiner Cache性能 | 第58-59页 |
| 6.3 Be TL的推测执行 | 第59-60页 |
| 6.4 Be TL检查点策略的可扩展性测试 | 第60-61页 |
| 6.5 弹性检查点策略的开销和容错性能 | 第61-65页 |
| 6.6 Be TL全貌测试 | 第65-67页 |
| 6.7 本章小结 | 第67-68页 |
| 第七章 总结与展望 | 第68-72页 |
| 7.1 总结 | 第68-69页 |
| 7.2 展望 | 第69-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-80页 |
| 攻读学位期间发表的学术论文目录 | 第80-82页 |
