| 中文摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11-13页 |
| 1.1.1 云计算时代到来 | 第11-12页 |
| 1.1.2 云计算的发展 | 第12页 |
| 1.1.3 Google开源云计算架构 | 第12-13页 |
| 1.2 主要研究内容 | 第13-14页 |
| 1.3 论文的结构安排 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第二章 相关研究 | 第16-26页 |
| 2.1 Hadoop计算环境 | 第16-19页 |
| 2.1.1 Hadoop技术架构 | 第17-18页 |
| 2.1.2 HDFS简介 | 第18-19页 |
| 2.2 MapReduce编程模型研究综述 | 第19-23页 |
| 2.2.1 MapReduce分析模型相关研究 | 第19-20页 |
| 2.2.2 MapReduce实现框架 | 第20-23页 |
| 2.2.3 Hadoop调度算法研究 | 第23页 |
| 2.3 排队论基本理论及其应用分析 | 第23-25页 |
| 2.3.1 排队系统的组成部分 | 第23-24页 |
| 2.3.2 M~(Geo)/M~(Geo)/1队列模型 | 第24-25页 |
| 2.4 性能分析模型技术 | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 MapReduce在Hadoop实现中的单作业性能分析模型 | 第26-40页 |
| 3.1 MapReduce结构的分析模型 | 第26-28页 |
| 3.2 MapReduce模型假设 | 第28-33页 |
| 3.2.1 MapReduce模型参数 | 第29-30页 |
| 3.2.2 MapReduce系统利用率分析模型 | 第30-33页 |
| 3.3 基于工作负载的性能分析 | 第33-37页 |
| 3.3.1 Mapper槽位平均排队时间 | 第34-35页 |
| 3.3.2 Reducer槽位平均排队时间 | 第35-36页 |
| 3.3.3 工作负载的临界值 | 第36-37页 |
| 3.4 仿真设计与性能分析 | 第37-39页 |
| 3.4.1 仿真设计与具体实现 | 第37-38页 |
| 3.4.2 仿真结果分析 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 MapReduce多作业批调度分析模型与算法设计 | 第40-49页 |
| 4.1 MapReduce多作业批调度分析模型 | 第40-43页 |
| 4.1.1 分析模型建立 | 第40-42页 |
| 4.1.2 分析模型性能分析 | 第42-43页 |
| 4.2 多作业批调度改进算法 | 第43-46页 |
| 4.2.1 算法设计 | 第44-45页 |
| 4.2.2 算法实现 | 第45-46页 |
| 4.3 性能评价 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49-50页 |
| 5.2 展望 | 第50-51页 |
| 附录 | 第51-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间发表的学术论文 | 第62-63页 |
| 在读期间参与的科研项目情况 | 第63-64页 |
| 学位论文评阅及答辩情况表 | 第64页 |
