云计算环境中价值导向的启发式并行作业调度算法
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-14页 |
| 1.2 国内外相关研究及现状 | 第14-16页 |
| 1.3 本文的主要工作内容 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第2章 相关知识 | 第19-25页 |
| 2.1 Spark计算引擎 | 第19-22页 |
| 2.1.1 Spark计算引擎的特点 | 第19-20页 |
| 2.1.2 Spark相关定义和术语 | 第20-21页 |
| 2.1.3 Spark集群相关知识 | 第21-22页 |
| 2.2 协同过滤 | 第22-24页 |
| 2.2.1 协同过滤简介 | 第22-23页 |
| 2.2.2 矩阵分解 | 第23-24页 |
| 2.3 章节小结 | 第24-25页 |
| 第3章 基于协同过滤的性能预测算法 | 第25-39页 |
| 3.1 性能预测模型 | 第25-32页 |
| 3.1.1 配置项提取 | 第26-27页 |
| 3.1.2 矩阵构建 | 第27-30页 |
| 3.1.3 数据标准化 | 第30-31页 |
| 3.1.4 协同过滤 | 第31页 |
| 3.1.5 基于边界预测 | 第31-32页 |
| 3.2 模型评估 | 第32-38页 |
| 3.2.1 实验环境 | 第32-33页 |
| 3.2.2 预测精度 | 第33-38页 |
| 3.3 章节小结 | 第38-39页 |
| 第4章 价值导向的启发式作业调度算法 | 第39-59页 |
| 4.1 FPE算法总体设计 | 第39-43页 |
| 4.1.1 系统模型 | 第39-41页 |
| 4.1.2 用户支付函数 | 第41-43页 |
| 4.2 FPE算法详细实现 | 第43-51页 |
| 4.2.1 时间敏感收益 | 第43-44页 |
| 4.2.2 潜在损失 | 第44-45页 |
| 4.2.3 资源分配 | 第45-47页 |
| 4.2.4 平衡收益,损失和成本 | 第47-48页 |
| 4.2.5 FPE算法伪代码 | 第48-50页 |
| 4.2.6 准入控制策略 | 第50-51页 |
| 4.3 算法评估 | 第51-57页 |
| 4.4 章节小结 | 第57-59页 |
| 第5章 总结与展望 | 第59-60页 |
| 5.1 总结 | 第59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士期间发表的学术论文 | 第66-67页 |
| 攻读学位期间参加的项目 | 第67-68页 |
| 学位论文评阅及答辩情况表 | 第68页 |
