Spark计算引擎的内存优化技术研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 论文研究内容及组织结构 | 第15-17页 |
| 1.3.1 论文研究内容 | 第15页 |
| 1.3.2 论文组织结构 | 第15-17页 |
| 第2章 Spark生态系统相关技术 | 第17-27页 |
| 2.1 HDFS分布式文件系统 | 第17-19页 |
| 2.1.1 HDFS系统结构 | 第17页 |
| 2.1.2 主要概念介绍 | 第17-19页 |
| 2.2 Yarn资源调度平台 | 第19-22页 |
| 2.2.1 Yarn框架 | 第20-21页 |
| 2.2.2 Yarn支持多计算框架 | 第21页 |
| 2.2.3 在Yarn中部署Spark | 第21-22页 |
| 2.3 Spark分布式系统 | 第22-24页 |
| 2.3.1 弹性分布式数据结构RDD | 第22-23页 |
| 2.3.2 DAG和调度 | 第23页 |
| 2.3.3 Spark计算栈 | 第23-24页 |
| 2.4 Spark与Hadoop比较 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 改进Spark内存管理算法 | 第27-45页 |
| 3.1 设计性能分析系统 | 第27-29页 |
| 3.1.1 性能分析系统架构 | 第27-28页 |
| 3.1.2 插装法 | 第28页 |
| 3.1.3 Linux高精度计时 | 第28-29页 |
| 3.1.4 日志记录及数据可视化处理 | 第29页 |
| 3.2 Spark新旧内存管理方案 | 第29-39页 |
| 3.2.1 旧内存管理方案 | 第29-34页 |
| 3.2.2 新内存管理方案 | 第34-39页 |
| 3.2.3 改进新内存管理方案 | 第39页 |
| 3.3 实验验证 | 第39-44页 |
| 3.3.1 实验方法和目的 | 第39-40页 |
| 3.3.2 实验环境 | 第40页 |
| 3.3.3 PageRank实例介绍 | 第40-41页 |
| 3.3.4 实验结果分析 | 第41-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 Spark内存管理算法设计 | 第45-61页 |
| 4.1 Spark新内存管理方案 | 第45-47页 |
| 4.2 先来先服务算法 | 第47-49页 |
| 4.2.1 先来先服务算法调度应用 | 第48页 |
| 4.2.2 先来先服务算法存在的不足 | 第48-49页 |
| 4.3 静态配置算法 | 第49-50页 |
| 4.3.1 静态配置算法调度应用 | 第49页 |
| 4.3.3 先来先服务算法和静态配置算法比较 | 第49-50页 |
| 4.4 基于溢出历史的自适应内存动态配置算法 | 第50-55页 |
| 4.4.1 AMDAAH算法设计 | 第51-53页 |
| 4.4.2 AMDAAH算法流程 | 第53页 |
| 4.4.3 AMDAAH算法中运行应用 | 第53-55页 |
| 4.5 AMDAAH算法实验 | 第55-59页 |
| 4.5.1 实验方法和目的 | 第55-56页 |
| 4.5.2 SparkPi实例介绍 | 第56页 |
| 4.5.3 实验结果分析 | 第56-59页 |
| 4.6 本章小结 | 第59-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第67-69页 |
| 致谢 | 第69页 |
