| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 课题研究现状 | 第11-12页 |
| 1.3 本文的研究内容 | 第12页 |
| 1.4 本文的组织结构 | 第12-14页 |
| 第2章 HADOOP平台分析 | 第14-28页 |
| 2.1 Hadoop云计算平台发展简介 | 第14页 |
| 2.2 Hadoop平台的分布式文件系统HDFS | 第14-19页 |
| 2.2.1 HDFS的数据处理模式——计算向存储迁移 | 第15-16页 |
| 2.2.2 HDFS的主从式结构 | 第16-17页 |
| 2.2.3 HDFS的通讯协议 | 第17-18页 |
| 2.2.4 HDFS的优缺点 | 第18-19页 |
| 2.3 Hadoop新一代MapReduce框架Yarn | 第19-22页 |
| 2.3.1 原MapReduce架构 | 第19-20页 |
| 2.3.2 Yarn架构 | 第20-22页 |
| 2.4 Hadoop的作业调度算法分析 | 第22-27页 |
| 2.4.1 先进先出调度算法(FIFO) | 第23-24页 |
| 2.4.2 计算能力调度算法(Capacity Scheduler) | 第24-25页 |
| 2.4.3 公平调度算法(Fair Scheduler) | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于HADOOP平台的动态自适应作业调度算法的总体设计 | 第28-46页 |
| 3.1 基于Hadoop平台的动态自适应作业调度算法的产生背景 | 第28-29页 |
| 3.2 基于Hadoop平台的动态自适应调度算法的设计前提 | 第29-35页 |
| 3.2.1 设计调度算法的前提假设 | 第29-30页 |
| 3.2.2 调度算法中相关参数定义 | 第30-31页 |
| 3.2.3 调度算法实现功能 | 第31页 |
| 3.2.4 调度算法中使用的关键技术 | 第31-34页 |
| 3.2.5 基于Hadoop平台的动态自适应调度算法可行性分析 | 第34-35页 |
| 3.3 基于Hadoop平台的动态自适应调度算法的总体设计 | 第35-43页 |
| 3.3.1 算法思想 | 第35-37页 |
| 3.3.2 调度算法数学模型的参数表示 | 第37-38页 |
| 3.3.3 算法流程设计 | 第38-43页 |
| 3.4 本章小结 | 第43-46页 |
| 第4章 基于HADOOP平台的动态自适应作业调度算法的实现 | 第46-54页 |
| 4.1 基于Hadoop平台的动态自适应作业调度算法的资源分配模式 | 第46-47页 |
| 4.2 基于Hadoop平台的动态自适应作业调度算法的逻辑架构 | 第47-48页 |
| 4.3 基于Hadoop平台的动态自适应作业调度算法的功能模块实现 | 第48-50页 |
| 4.4 基于Hadoop平台的动态自适应作业调度算法的核心伪码 | 第50-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第5章 实验及结果分析 | 第54-66页 |
| 5.1 实验设计 | 第54-59页 |
| 5.1.1 实验环境 | 第54-55页 |
| 5.1.2 Hadoop实验平台搭建过程 | 第55-58页 |
| 5.1.3 实验数据 | 第58-59页 |
| 5.2 实验结果及分析 | 第59-64页 |
| 5.2.1 算法适用环境的实验及结果分析 | 第59-62页 |
| 5.2.2 固定任务个数条件下的实验及结果分析 | 第62-63页 |
| 5.2.3 对内存密集型作业处理的实验及结果分析 | 第63-64页 |
| 5.3 实验总结 | 第64页 |
| 5.4 本章小结 | 第64-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 本文总结 | 第66页 |
| 6.2 下一步工作 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 攻读硕士学位期间发表的论文 | 第74页 |
