| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目的和意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.4 本文结构 | 第12-14页 |
| 2 Hadoop平台相关理论与智能算法介绍 | 第14-25页 |
| 2.1 集群分类 | 第14页 |
| 2.2 Hadoop平台简介 | 第14-18页 |
| 2.2.1 Hadoop平台总体概述 | 第14-16页 |
| 2.2.2 HDFS的系统架构 | 第16-17页 |
| 2.2.3 MapReduce的工作原理 | 第17页 |
| 2.2.4 资源管理系统YARN | 第17-18页 |
| 2.2.5 Hadoop平台负载均衡理论 | 第18页 |
| 2.3 Hadoop自带调度算法分析 | 第18-21页 |
| 2.3.1 先进先出调度算法 | 第19页 |
| 2.3.2 计算能力调度算法 | 第19页 |
| 2.3.3 公平调度算法 | 第19-20页 |
| 2.3.4 上述算法优缺点对比 | 第20-21页 |
| 2.4 智能优化算法分析 | 第21-25页 |
| 2.4.1 智能算法介绍 | 第21-22页 |
| 2.4.2 智能算法优缺点对比 | 第22-24页 |
| 2.4.3 上述智能算法的优缺点 | 第24-25页 |
| 3 基于改进分区策略的动态负载均衡算法研究 | 第25-36页 |
| 3.1 默认分区策略描述 | 第25页 |
| 3.2 负载失衡因素分析 | 第25-26页 |
| 3.3 改进后的分区策略 | 第26-30页 |
| 3.3.1 分区粒度细化 | 第27-28页 |
| 3.3.2 引入动态调控策略 | 第28-30页 |
| 3.4 实验与分析 | 第30-35页 |
| 3.4.1 实验平台搭建 | 第30-32页 |
| 3.4.2 实验结果与分析 | 第32-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 基于双群融合智能算法的负载均衡优化研究 | 第36-49页 |
| 4.1 相关理论基础 | 第36-40页 |
| 4.1.1 蚁群算法的数学模型 | 第36-38页 |
| 4.1.2 蚁群算法的特点以及存在的问题 | 第38页 |
| 4.1.3 人工蜂群算法的特点及存在问题 | 第38-40页 |
| 4.2 双群融合智能算法（DSF_IA） | 第40-43页 |
| 4.2.1 负载评价指标 | 第40-41页 |
| 4.2.2 引入跟随蜂思想增强局部搜索 | 第41页 |
| 4.2.3 信息素更新机制 | 第41-42页 |
| 4.2.4 自适应挥发机制 | 第42-43页 |
| 4.3 基于DSF_IA的Hadoop负载均衡优化实现 | 第43-46页 |
| 4.3.1 算法参数设置 | 第43-44页 |
| 4.3.2 双群融合算法的实现步骤 | 第44-46页 |
| 4.4 实验与分析 | 第46-48页 |
| 4.4.1 实验平台搭建 | 第46页 |
| 4.4.2 实验结果与分析 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 5 总结与展望 | 第49-51页 |
| 5.1 Hadoop负载均衡研究总结 | 第49页 |
| 5.2 负载均衡研究发展趋势 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间取得的科研成果清单 | 第56页 |