| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 HadoopMapReduce任务调度的研究背景与意义 | 第10-11页 |
| 1.2 MapRdeuce调度管理的国内外研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12-14页 |
| 1.4 论文组织结构与章节安排 | 第14-16页 |
| 第二章 Hadoop系统架构及其调度算法概述 | 第16-32页 |
| 2.1 Hadoop分布式文件系统 | 第16-21页 |
| 2.1.1 HDFS体系结构 | 第16-17页 |
| 2.1.2 HDFS文件读写 | 第17-21页 |
| 2.2 MapReduce | 第21-27页 |
| 2.2.1 MapReduce作业运行流程 | 第21-24页 |
| 2.2.2 MapReduce的工作原理 | 第24-27页 |
| 2.3 Hadoop现有的调度算法概述 | 第27-30页 |
| 2.3.1 FIFO调度算法 | 第27-28页 |
| 2.3.2 Fair调度算法 | 第28-29页 |
| 2.3.3 Capacity调度算法 | 第29页 |
| 2.3.4 调度算法比较 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 MapReduce任务调度问题的分析与复杂度证明 | 第32-38页 |
| 3.1 MapReduce任务调度模型 | 第32页 |
| 3.2 MapReduce任务调度问题分析 | 第32-36页 |
| 3.2.1 相关假设 | 第33-34页 |
| 3.2.2 map任务数据本地性问题 | 第34-35页 |
| 3.2.3 资源分配问题 | 第35-36页 |
| 3.3 MapReduce任务调度问题复杂度证明 | 第36-37页 |
| 3.3.1 两阶段柔性流水车间调度问题 | 第36-37页 |
| 3.3.2 MapReduce任务调度复杂度证明 | 第37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 MapReduce任务调度问题的算法设计 | 第38-54页 |
| 4.1 map任务执行时间预测模型 | 第38-44页 |
| 4.1.1 二次指数平滑预测模型 | 第38-39页 |
| 4.1.2 回归预测模型 | 第39-40页 |
| 4.1.3 map任务执行时间预测模型 | 第40-44页 |
| 4.2 作业选择算法的设计与说明 | 第44-47页 |
| 4.2.1 作业选择算法的设计 | 第44-45页 |
| 4.2.2 作业选择算法的说明 | 第45-47页 |
| 4.3 任务选择算法的设计与说明 | 第47-49页 |
| 4.3.1 任务选择算法的设计 | 第47-48页 |
| 4.3.2 任务选择算法的说明 | 第48-49页 |
| 4.4 启发式MapReduce任务匹配调度算法的设计与说明 | 第49-52页 |
| 4.4.1 启发式MapReduce任务匹配调度算法的设计 | 第49-51页 |
| 4.4.2 启发式MapReduce任务匹配调度算法的说明 | 第51-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第五章 启发式MapReduce任务匹配调度算法仿真及性能评价 | 第54-61页 |
| 5.1 map任务执行时间预测模型实验及性能评价 | 第54-56页 |
| 5.1.1 实验环境配置 | 第54-55页 |
| 5.1.2 实验计划 | 第55页 |
| 5.1.3 map任务执行时间预测模型实验结果与分析 | 第55-56页 |
| 5.2 启发式MapReduce任务匹配调度算法仿真实验及性能评价 | 第56-60页 |
| 5.2.1 仿真实验环境配置 | 第56-57页 |
| 5.2.2 仿真实验计划 | 第57-58页 |
| 5.2.3 启发式MapReduce任务匹配调度算法仿真实验结果与分析 | 第58-60页 |
| 5.3 本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 总结 | 第61-62页 |
| 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间取得的科研成果 | 第68-69页 |
