基于Hadoop异构集群的动态作业调度研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.3 研究内容 | 第15页 |
| 1.4 本文结构 | 第15-17页 |
| 2 Hadoop平台概述 | 第17-27页 |
| 2.1 Hadoop起源和发展 | 第17-20页 |
| 2.2 Hadoop分布式文件系统 | 第20-22页 |
| 2.2.1 HDFS简介 | 第20-21页 |
| 2.2.2 HDFS架构 | 第21-22页 |
| 2.3 MapReduce基本架构 | 第22-26页 |
| 2.3.1 MapReduce编程模型的原理 | 第22-24页 |
| 2.3.2 MapReduce作业处理机制 | 第24-26页 |
| 2.3.3 下一代MapReduce框架 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 Hadoop平台作业调度研究 | 第27-40页 |
| 3.1 Hadoop作业调度框架 | 第27-29页 |
| 3.2 Hadoop平台下的作业调度算法 | 第29-34页 |
| 3.2.1 FIFO调度器 | 第29页 |
| 3.2.2 公平调度器 | 第29-32页 |
| 3.2.3 容量调度器 | 第32-34页 |
| 3.3 Hadoop原有作业调度算法的不足与改进 | 第34-35页 |
| 3.4 负载均衡指数 | 第35-38页 |
| 3.5 本章小结 | 第38-40页 |
| 4 基于遗传算法的Hadoop作业调度实现 | 第40-56页 |
| 4.1 遗传算法原理 | 第40-48页 |
| 4.1.1 遗传算法简介 | 第40-42页 |
| 4.1.2 遗传算法求解问题过程 | 第42-47页 |
| 4.1.3 可行性分析 | 第47-48页 |
| 4.2 基于遗传算法的Hadoop作业调度实现 | 第48-55页 |
| 4.2.1 遗传算法的应用实现 | 第48-49页 |
| 4.2.2 基于遗传算法的调度模型参数设置 | 第49-53页 |
| 4.2.3 调度算法功能实现 | 第53-55页 |
| 4.3 本章小节 | 第55-56页 |
| 5 实验与分析 | 第56-64页 |
| 5.1 实验准备 | 第56-57页 |
| 5.2 环境搭建 | 第57-58页 |
| 5.3 实验结果与分析 | 第58-63页 |
| 5.3.1 负载均衡测试 | 第58-61页 |
| 5.3.2 作业完成时间测试 | 第61-63页 |
| 5.4 本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-65页 |
| 6.1 本文总结 | 第64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第67-69页 |
| 学位论文数据集 | 第69页 |
