| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1. 引言 | 第9-12页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.3 本文的研究内容以及意义 | 第11页 |
| 1.4 论文组织结构 | 第11-12页 |
| 2. 云计算与Hadoop平台 | 第12-28页 |
| 2.1 云计算的概念以及特点 | 第12页 |
| 2.2 云计算的核心技术 | 第12-13页 |
| 2.3 云计算的安全问题 | 第13-14页 |
| 2.4 Hadoop平台的概述 | 第14-16页 |
| 2.4.1 Hadoop的简史 | 第14-15页 |
| 2.4.2 Hadoop的体系结构 | 第15-16页 |
| 2.5 Hadoop中每角色的功能 | 第16-18页 |
| 2.5.1 HDFS | 第16页 |
| 2.5.2 NameNode | 第16-17页 |
| 2.5.3 DataNode | 第17页 |
| 2.5.4 Secondary NameNode | 第17页 |
| 2.5.5 JobTracker | 第17页 |
| 2.5.6 TaskTracker | 第17-18页 |
| 2.6 Hadoop的功能与优点 | 第18-19页 |
| 2.6.1 Hadoop的功能 | 第18页 |
| 2.6.2 Hadoop的优点 | 第18-19页 |
| 2.7 文件管理系统(HDFS)的体系结构 | 第19-23页 |
| 2.7.1 HDFS设计的目标 | 第19-20页 |
| 2.7.2 HDFS的结构 | 第20-22页 |
| 2.7.3 数据的管理 | 第22-23页 |
| 2.8 Hadoop集群中MapReduce的体系结构 | 第23-27页 |
| 2.8.1 MapReduce | 第23-25页 |
| 2.8.2 列表处理 | 第25-27页 |
| 2.9 本章小结 | 第27-28页 |
| 3. Hadoop调度算法的研究 | 第28-33页 |
| 3.1 作业调度器的框架 | 第28页 |
| 3.2 Hadoop平台中现有的调度算法 | 第28-31页 |
| 3.2.1 FIFO | 第28-29页 |
| 3.2.2 Fair Scheduler | 第29-30页 |
| 3.2.3 Capacity Scheduler | 第30-31页 |
| 3.3 Fair Scheduler中的不足 | 第31页 |
| 3.4 Capacity Scheduler的不足 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 4. 基于改进的人工蜂群算法的作业调度器 | 第33-48页 |
| 4.1 人工蜂群算法 | 第33-35页 |
| 4.2 差分进化算法 | 第35-36页 |
| 4.3 算法相融合 | 第36-37页 |
| 4.4 模型收敛性证明 | 第37-38页 |
| 4.5 DABC Scheduler可行性分析 | 第38页 |
| 4.6 DABC Scheduler调度器算法定义 | 第38-39页 |
| 4.7 算法流程 | 第39-42页 |
| 4.8 实验结果分析 | 第42-44页 |
| 4.8.1 实验平台 | 第42页 |
| 4.8.2 软件方面相关的信息 | 第42页 |
| 4.8.3 硬件方面的信息 | 第42-44页 |
| 4.8.4 运行Hadoop | 第44页 |
| 4.9 实验结果 | 第44-46页 |
| 4.10 本章小节 | 第46-48页 |
| 5. 总结与展望 | 第48-50页 |
| 5.1 结论 | 第48页 |
| 5.2 展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 攻读硕士学位期间发表学术论文情况 | 第53-54页 |
| 致谢 | 第54-55页 |
| 作者简介 | 第55-56页 |
