基于Hadoop的调度算法研究与实现
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 云计算国内外现状 | 第10-12页 |
| 1.2 研究背景与意义 | 第12-15页 |
| 1.3 本文主要内容及组织结构 | 第15-16页 |
| 1.3.1 本论文研究内容 | 第15页 |
| 1.3.2 本论文章节安排 | 第15-16页 |
| 第2章 相关工作 | 第16-25页 |
| 2.1 Hadoop | 第16-19页 |
| 2.1.1 Hadoop的子项 | 第16-17页 |
| 2.1.2 HDFS分布式文件系统 | 第17-19页 |
| 2.2 Hadoop默认调度算法 | 第19-22页 |
| 2.2.1 先进先出调度算法 | 第19-20页 |
| 2.2.2 公平调度算法 | 第20-21页 |
| 2.2.3 容量调度算法 | 第21-22页 |
| 2.3 相关调度算法 | 第22-24页 |
| 2.3.1 LATE调度算法 | 第22-23页 |
| 2.3.2 SPS调度算法 | 第23页 |
| 2.3.3 Delay调度算法 | 第23-24页 |
| 2.4 小结 | 第24-25页 |
| 第3章 MapReduce任务执行时间预测 | 第25-38页 |
| 3.1 MapReduce编程模型 | 第25-26页 |
| 3.1.1 MapReduce执行流程 | 第26页 |
| 3.2 Map任务时间预测 | 第26-28页 |
| 3.2.1 设计目标 | 第26-27页 |
| 3.2.2 符号定义 | 第27页 |
| 3.2.3 Map任务时间预测 | 第27-28页 |
| 3.3 Reduce任务时间预测 | 第28-31页 |
| 3.3.1 设计目标 | 第28页 |
| 3.3.2 符号定义 | 第28-29页 |
| 3.3.3 Reduce时间预测策略 | 第29-31页 |
| 3.4 实验结果和分析 | 第31-37页 |
| 3.4.1 时间预估的实现 | 第31页 |
| 3.4.2 实验结果 | 第31-37页 |
| 3.5 小结 | 第37-38页 |
| 第4章 基于作业类别和截止时间的调度算法 | 第38-58页 |
| 4.1 区分作业类别建模 | 第38-43页 |
| 4.1.1 MapReduce数据处理流程 | 第38-39页 |
| 4.1.2 区分工作类型算法建模 | 第39-41页 |
| 4.1.3 调度策略 | 第41-43页 |
| 4.2 基于截止时间的调度算法 | 第43-44页 |
| 4.2.1 截止时间定义 | 第43-44页 |
| 4.2.2 调度策略 | 第44页 |
| 4.3 区分工作类型基于截止期的调度算法 | 第44-50页 |
| 4.3.1 算法核心思想 | 第44-46页 |
| 4.3.2 算法实现 | 第46-50页 |
| 4.4 实验结果和分析 | 第50-57页 |
| 4.4.1 实验软硬件环境 | 第50-54页 |
| 4.4.2 实验结果 | 第54-57页 |
| 4.5 小结 | 第57-58页 |
| 结论与展望 | 第58-60页 |
| 结论 | 第58页 |
| 进一步工作 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第65页 |
