MapReduce模型的性能优化研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 本文主要贡献 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-17页 |
| 2 相关技术介绍 | 第17-35页 |
| 2.1 云计算 | 第17-21页 |
| 2.1.1 云计算定义 | 第17页 |
| 2.1.2 云计算分类 | 第17-19页 |
| 2.1.3 云计算关键技术 | 第19-20页 |
| 2.1.4 云计算基本特点 | 第20-21页 |
| 2.2 大数据 | 第21-27页 |
| 2.2.1 大数据概念 | 第21页 |
| 2.2.2 大数据产生和特点 | 第21-23页 |
| 2.2.3 大数据处理流程 | 第23-26页 |
| 2.2.4 大数据处理技术 | 第26-27页 |
| 2.3 MapReduce | 第27-31页 |
| 2.3.1 MapReduce编程模型 | 第27-29页 |
| 2.3.2 MapReduce运行原理 | 第29-30页 |
| 2.3.3 MapReduce容错机制 | 第30-31页 |
| 2.4 Hadoop | 第31-34页 |
| 2.4.1 Hadoop平台 | 第31页 |
| 2.4.2 分布式文件系统HDFS | 第31-32页 |
| 2.4.3 Hadoop MapReduce | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 3 MapReduce模型的优化策略 | 第35-49页 |
| 3.1 在线抽样分区负载均衡机制 | 第35-41页 |
| 3.1.1 MapReduce数据倾斜 | 第35-37页 |
| 3.1.2 MR-LSP优化机制 | 第37-41页 |
| 3.2 异构环境下作业时间感知调度策略 | 第41-48页 |
| 3.2.1 相关工作 | 第42页 |
| 3.2.2 DTHE优化机制 | 第42-48页 |
| 3.3 本章小结 | 第48-49页 |
| 4 性能评价 | 第49-55页 |
| 4.1 MR-LSP性能评价 | 第49-51页 |
| 4.1.1 测试环境 | 第49页 |
| 4.1.2 测试数据集 | 第49页 |
| 4.1.3 测试结果与分析 | 第49-51页 |
| 4.2 DTHE性能评价 | 第51-54页 |
| 4.2.1 测试环境 | 第52页 |
| 4.2.2 结果分析 | 第52-54页 |
| 4.3 本章小结 | 第54-55页 |
| 5 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55页 |
| 5.2 展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 个人简历、论文发表及参与科研项目 | 第60-61页 |
| 个人简历 | 第60页 |
| 论文发表及所获奖励 | 第60页 |
| 参与科研项目及参编著作 | 第60-61页 |
| 致谢 | 第61页 |
