| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 研究背景 | 第9-12页 |
| 1.2 研究的目的和意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-17页 |
| 1.3.1 作业级的调度研究 | 第14-15页 |
| 1.3.2 任务级的调度研究 | 第15-17页 |
| 1.4 本文的工作与组织结构 | 第17-19页 |
| 1.5 本章小结 | 第19-20页 |
| 第2章 基于用户期望和作业复杂度的作业自适应调度算法 | 第20-34页 |
| 2.1 计算能力调度算法中存在的问题 | 第20-22页 |
| 2.1.1 存在问题 | 第20-21页 |
| 2.1.2 改进思路 | 第21-22页 |
| 2.2 基于用户期望和作业复杂度的Hadoop作业聚类 | 第22-27页 |
| 2.2.1 Hadoop作业模型建立 | 第22-24页 |
| 2.2.2 Hadoop作业聚类过程 | 第24-27页 |
| 2.3 基于Hadoop的多作业类型自适应调度算法 | 第27-32页 |
| 2.3.1 算法的思想 | 第27页 |
| 2.3.2 自适应调度算法过程 | 第27-30页 |
| 2.3.3 算法的实现 | 第30-32页 |
| 2.4 自适应调度算法的复杂度分析 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 基于任务负载和节点负载的任务自适应调度算法 | 第34-45页 |
| 3.1 LATE调度算法中存在的问题 | 第34-36页 |
| 3.1.1 存在问题 | 第34-35页 |
| 3.1.2 改进思路 | 第35-36页 |
| 3.2 基于任务负载的掉队任务分类 | 第36-38页 |
| 3.3 基于节点负载的自适应调度算法 | 第38-43页 |
| 3.3.1 算法的思想 | 第38页 |
| 3.3.2 自适应调度算法的过程 | 第38-41页 |
| 3.3.3 算法的实现 | 第41-43页 |
| 3.4 自适应调度算法的复杂度分析 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 实验分析与验证 | 第45-72页 |
| 4.1 实验环境和数据 | 第45-54页 |
| 4.1.1 实验环境搭建 | 第45-48页 |
| 4.1.2 实验设计 | 第48-53页 |
| 4.1.3 实验数据来源 | 第53-54页 |
| 4.2 基于用户期望和作业复杂度的自适应调度算法实验验证 | 第54-63页 |
| 4.2.1 实验的评价指标 | 第54-55页 |
| 4.2.2 K-Means的作业聚类以及K值的确定 | 第55-57页 |
| 4.2.3 算法对用户满意度和任务完成时间的影响 | 第57-59页 |
| 4.2.4 作业数量对算法性能的影响 | 第59-62页 |
| 4.2.5 实验结论 | 第62-63页 |
| 4.3 基于任务负载和节点负载的自适应调度算法实验验证 | 第63-71页 |
| 4.3.1 实验的评价指标 | 第63页 |
| 4.3.2 算法对作业完成时间和节点负载的影响 | 第63-64页 |
| 4.3.3 CPU-bound负载类型作业对算法性能的影响 | 第64-67页 |
| 4.3.4 IO-bound负载类型作业对算法性能的影响 | 第67-69页 |
| 4.3.5 混合负载类型作业对算法性能的影响 | 第69-71页 |
| 4.3.6 实验结论 | 第71页 |
| 4.4 本章小结 | 第71-72页 |
| 第5章 总结与展望 | 第72-74页 |
| 5.1 总结全文 | 第72-73页 |
| 5.2 展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 攻读学位期间获得与学位论文相关的科研成果目录 | 第78页 |
