| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 流式大数据处理特征和流式大数据处理平台 | 第11-13页 |
| 1.1.1 流式大数据处理特征 | 第11-12页 |
| 1.1.2 大数据环境下的流式大数据处理平台 | 第12-13页 |
| 1.2 流式大数据处理平台中既有资源调度现状及不足 | 第13-14页 |
| 1.3 流式大数据处理平台资源动态调度技术面临的挑战 | 第14-15页 |
| 1.4 本文的主要贡献 | 第15-16页 |
| 1.5 本文的组织结构 | 第16-17页 |
| 第2章 相关工作 | 第17-25页 |
| 2.1 典型分布式流式大数据处理平台Storm概述 | 第17-19页 |
| 2.1.1 Storm平台应用编程模型及平台架构 | 第17-18页 |
| 2.1.2 Storm平台任务分配及资源调度方式 | 第18-19页 |
| 2.2 资源调度策略相关技术 | 第19-24页 |
| 2.2.1 现有流式大数据处理平台资源调度策略 | 第19-20页 |
| 2.2.2 支持流式大数据处理应用的集群资源管理器 | 第20-21页 |
| 2.2.3 资源动态调度策略优化研究 | 第21-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 流式大数据处理平台资源动态调度架构模型与工作流程 | 第25-31页 |
| 3.1 总体架构模型 | 第25-26页 |
| 3.2 预测代理架构模型 | 第26-27页 |
| 3.3 资源组合调度架构模型 | 第27-29页 |
| 3.4 面向流式大数据处理平台资源动态调度策略工作流程 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 面向流式大数据处理平台动态资源预测方法 | 第31-39页 |
| 4.1 问题描述 | 第31-32页 |
| 4.2 参数定义 | 第32-34页 |
| 4.3 基于资源使用变化率的资源预测模型 | 第34-35页 |
| 4.4 算法流程 | 第35-37页 |
| 4.5 本章小结 | 第37-39页 |
| 第5章 面向流式大数据处理平台资源组合调度方法 | 第39-47页 |
| 5.1 问题分析 | 第39-40页 |
| 5.2 参数定义 | 第40-41页 |
| 5.3 调度决策模型 | 第41-43页 |
| 5.3.1 调度操作时机 | 第41-42页 |
| 5.3.2 资源增减量计算 | 第42页 |
| 5.3.3 可执行迁移决策 | 第42-43页 |
| 5.4 调度开销评估模型 | 第43-44页 |
| 5.5 资源组合调度策略 | 第44-46页 |
| 5.5.1 目标的确定 | 第44-45页 |
| 5.5.2 资源组合调度策略 | 第45-46页 |
| 5.6 本章小结 | 第46-47页 |
| 第6章 面向流式大数据处理平台资源动态调度系统实现 | 第47-55页 |
| 6.1 JStorm平台资源调度介绍 | 第47-48页 |
| 6.2 D-JStorm系统框架 | 第48-49页 |
| 6.3 扩增的数据结构定义 | 第49-52页 |
| 6.4 资源预测功能实现 | 第52页 |
| 6.5 组合调度功能实现 | 第52-53页 |
| 6.6 本章小结 | 第53-55页 |
| 第7章 性能测试与分析 | 第55-79页 |
| 7.1 测试负载 | 第55-57页 |
| 7.1.1 测试负载分析 | 第55-56页 |
| 7.1.2 测试负载生成 | 第56-57页 |
| 7.2 性能评价指标 | 第57-59页 |
| 7.2.1 预测性能评价指标 | 第57-58页 |
| 7.2.2 系统总体性能评价指标 | 第58-59页 |
| 7.2.3 微观指标 | 第59页 |
| 7.3 测试结果与分析 | 第59-77页 |
| 7.3.1 测试环境 | 第59页 |
| 7.3.2 资源动态调整性能分析 | 第59-66页 |
| 7.3.3 资源预测分析 | 第66-67页 |
| 7.3.4 组合调度性能分析 | 第67-77页 |
| 7.4 本章小结 | 第77-79页 |
| 结论 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 攻读硕士学位期间所发表的学术论文 | 第85-87页 |
| 致谢 | 第87页 |
