| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-15页 |
| 1.3.1 Hadoop调度机制研究现状 | 第11-13页 |
| 1.3.2 推测执行策略研究现状 | 第13-15页 |
| 1.4 主要研究内容 | 第15-16页 |
| 1.5 论文的组织结构 | 第16-17页 |
| 第二章 相关技术介绍 | 第17-21页 |
| 2.1 大数据平台概况 | 第17-18页 |
| 2.2 异构环境 | 第18页 |
| 2.3 Yarn概述 | 第18-20页 |
| 2.4 MapReduce及其应用 | 第20-21页 |
| 第三章 异构环境中资源感知的自适应推测执行策略研究 | 第21-41页 |
| 3.1 推测执行策略概况 | 第21-23页 |
| 3.1.1 Straggler与推测执行策略 | 第21-22页 |
| 3.1.2 当前主要策略及其不足 | 第22-23页 |
| 3.2 推测执行策略优化 | 第23-33页 |
| 3.2.1 当前任务执行时间预测优化 | 第23-27页 |
| 3.2.2 备份任务执行时间预测优化 | 第27-28页 |
| 3.2.3 资源感知推测执行策略 | 第28-33页 |
| 3.3 实验与性能分析 | 第33-40页 |
| 3.3.1 实验环境 | 第33页 |
| 3.3.2 实验数据集 | 第33-34页 |
| 3.3.3 性能评估标准 | 第34页 |
| 3.3.4 实验结果与分析 | 第34-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 异构环境中二层资源调度的负载优化研究 | 第41-58页 |
| 4.1 资源调度概况 | 第41-42页 |
| 4.2 双层资源调度模型 | 第42-43页 |
| 4.3 第二层资源调度的负载优化方案 | 第43-50页 |
| 4.3.1 作业历史数据采集 | 第43-44页 |
| 4.3.2 基于K-ELM的预测模型 | 第44-46页 |
| 4.3.3 资源模型优化 | 第46-50页 |
| 4.4 实验与性能分析 | 第50-57页 |
| 4.4.1 预测模型性能评估 | 第50-52页 |
| 4.4.2 双层资源调度模型负载优化评估 | 第52-54页 |
| 4.4.3 负载优化综合评估 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-61页 |
| 5.1 本文所做的工作 | 第58-59页 |
| 5.2 本文的主要创新点 | 第59页 |
| 5.3 研究展望 | 第59-61页 |
| 参考文献 | 第61-68页 |
| 致谢 | 第68-69页 |
| 作者简介 | 第69-70页 |